Meld je vóór 16 november 2021 aan om te genieten van USD 150 korting op de programmakosten. Gebruik code SMU150EBTA tijdens de betaling. Wat zal dit programma voor u doen? Na succesvolle afronding van het programma kunnen deelnemers: Creëer en implementeer bedrijfsstrategieën met behulp van datawetenschap. Neem datagestuurde beslissingen om zakelijke problemen op te lossen met behulp van data-inzichten. Demonstreer hoe analyses kunnen worden gecombineerd met experimenten om op gegevens gebaseerde aanbevelingen te doen voor bedrijfsgroei. De belangrijkste uitdagingen en risico's in datawetenschapsprojecten uitleggen. Evalueer de datastrategie van een organisatie en beveel manieren aan om duurzaam concurrentievoordeel te behalen. Analyseer de behoeften van de organisatie en stimuleer bedrijfsverbeteringen door middel van toekomstige trends op het gebied van datawetenschap. Programmamodules Het programma bestaat uit 8 modules. Elke module wordt geleid door een SMU-facultaire expert met veldervaring die specifiek is voor de Data Science & Analytics-onderwerpen die worden besproken. Module 1: Gegevens benutten als concurrentievoordeel Leer de belangrijkste terminologieën van datawetenschap, verschillende niveaus van data-analyse en hun betekenis voor besluitvorming, datafuncties en inzichten om duurzaam concurrentievoordeel te behalen, en de toepassingen van data-analyse en de rol ervan bij het creëren van nieuwe zakelijke kansen. Module 2: Gegevensanalyse in actie Ontdek de juiste analytische benadering om een zakelijk probleem op te lossen, of uw organisatie nu datagedreven is, trends in data en het verkrijgen van gerelateerde inzichten om de bedrijfsprestaties te verbeteren, de impact die de omnichannelstrategieën van een organisatie hebben op de verkoop, en hoe u geschikte data/inzichten kunt identificeren. Module 3: Basisstatistieken voor gegevensanalyse Krijg een dieper inzicht in de vergelijking van onafhankelijke datasets om inzichten te verkrijgen en hoe u strategische besluitvorming kunt toepassen met behulp van genoemde technieken. Module 4: Predictive Analytics Leer de basisprincipes van regressie om de sterkte/impact van variabelen te analyseren, hoe variabele impact te voorspellen met behulp van optimale modelfit en regressie-effecten, hoe een logistiek regressiemodel te bouwen om verwachte resultaten te testen en te voorspellen, en hoe voorspellende analyses toe te passen om evenementen te organiseren sterke punten te versterken en bedreigingen tegen te gaan. Module 5: Veldexperimenten en causaliteit Onderzoek correlatie en causaliteit en hun betekenis voor het verbeteren van bedrijfsprestaties, experimenten voor zakelijke problemen om effectieve conclusies te trekken; Multivariate, A/B en Multi-Armed Bandit-testen; en de effectiviteit van het gebruik van experimenteel ontwerp om op gegevens gebaseerde aanbevelingen voor bedrijfsgroei te doen. Module 6: Machine Learning-modellen voor gegevensanalyse Vergroot uw kennis van machine learning en de rol ervan bij het stimuleren van de productiviteit van organisaties, hoe algoritmen voor machine learning kunnen worden toegepast om optimale analytische nauwkeurigheid te bereiken, de programma-opbouwende facetten van neurale netwerken en deep learning, en hoe analyses kunnen worden gecombineerd met experimenten om effectieve bedrijfsstrategieën. Module 7: De belangrijkste uitdagingen en risico's in datawetenschapsprojecten aanpakken Leer de belangrijkste uitdagingen voor datawetenschapsprojecten en hun oplossingen, het Delta Framework en Delta Plus-model, risico's op projectniveau en voorbeelden van mislukte datawetenschapsprojecten, en hoe u het succes van uw big data-project kunt voorspellen met behulp van de DATA-techniek. Module 8: Datawetenschap en de toekomst Duik in de drijfveren, verwachte resultaten en technologie-enablers voor Industrie 4.0; de componenten voor AI-succes die kunnen worden gebruikt om de organisatorische capaciteiten te versterken; uitdagingen bij de implementatie van AI in systemen; en hoe u het digitale transformatietraject van een organisatie kunt evalueren en een concurrentievoordeel kunt behouden. Casestudy's The Weather Company: consumentenapps maken die gebruikmaken van big data Iuiga's uitdaging: is Omni-Channel de moeite waard? 3M zet zich in voor klantgerichtheid met een wereldwijd datawarehouse Advertentie-experimenten bij RestaurantGrades Klantverloop voorspellen bij QWE Inc Digitale transformatie van de Certis Groep Simulaties Studenten zullen praktische ervaring opdoen met het uitvoeren van verschillende methoden voor gegevensanalyse en ook een jaar lang gratis toegang tot XLSTAT, samen met dit programma. Simulatie van data-analyse: strategische besluitvorming Digitale marketingsimulatie: media-attributie bij ExerciseMinder Programma Faculteit Sandeep R. Chandukala, Ph.D. Universitair hoofddocent marketing Sandeep is universitair hoofddocent marketing. Voordat hij bij SMU kwam, werkte Sandeep bij 3M en daarvoor werkte hij als Jr Faculty Fellow aan de Kelley School of Business van de Indiana University. Hij heeft een Ph.D. in Marketing (met een minor in Statistiek) van de Ohio State University, MS (MAS) een MBA van de Universiteit van Texas in Dallas en een MS (Computer Engineering) van de Universiteit van Minnesota. Universitair hoofddocent Chandukala's onderzoeksinteresses hebben betrekking op het ontwikkelen van kwantitatieve modellen van consumentengedrag met behulp van industriële gegevens. Zijn onderzoek richt zich voornamelijk op retail analytics. Met name het begrijpen en meten van de impact van promoties, advertenties en nieuwe producten en het voorstellen van nieuwe benaderingen voor marktsegmentatie met behulp van Bayesiaanse en Markov Chain Monte Carlo (MCMC) -methoden. Zijn onderzoek is verschenen in Marketing Science, Journal of Marketing, Journal of Retailing, Marketing Letters en Customer Needs and Solutions. Universitair hoofddocent Chandukala ontving Lee Kong Chian Research Fellowship in 2016-17 en stond ook op de Dean's Teaching Honor List for Postgraduate Teaching in 2018. Michelle Cheong, Ph.D. Hoogleraar Informatiesystemen (Onderwijs); Associate Dean, SCIS Post-Graduate Professional Education; Directeur, doctor in de ingenieurswetenschappen Professor Cheong heeft sinds 2005 verschillende academische aanstellingen vervuld bij SMU, waaronder als docent, assistent-professor en universitair hoofddocent informatiesystemen. Naast haar huidige rol als hoogleraar informatiesystemen, bekleedt professor Cheong ook administratieve functies bij SMU, waar hij als Associate Dean van SIS Post-Graduate Professional Education en als Director of Doctor of Engineering fungeert. Professor Cheong's onderzoeksinteresses omvatten data- en beslissingsanalyse, spreadsheetmodellering en pedagogiek, en leeranalyse en tekstmining. In 2018 ontving ze de SMU Teaching Excellence Award - Postgraduate Professional Programs van het SMU Centre of Teaching Excellence. Het werk van professor Cheong is opgenomen in een aantal tijdschriftartikelen, boeken en hoofdstukken in boeken, congresverslagen en papers, en tijdschriftartikelen. Haar laatste werk over de impact van peer-helpertraining bij SMU is gepubliceerd door het International Journal of Evidence-Based Coaching and Mentoring. Programma Leerreis 90+ videocolleges 32 opdrachten 10+ industriële voorbeelden 6 Discussieborden 6 Casestudy's 2 Simulaties Waarom inschrijven voor Data Science & Analytics voor strategische beslissingen? Bedrijven over de hele wereld verleggen hun focus naar datagestuurde doelen en besluitvorming. In feite meldt de International Data Corporation dat de wereldwijde data in 2025 met 61% zal groeien tot 175 zettabytes. Dus waarom is datawetenschap zo belangrijk? Omdat het organisaties in staat stelt om gegevens efficiënt te verwerken en te interpreteren die kunnen worden gebruikt om weloverwogen zakelijke beslissingen te nemen en groei, optimalisatie en prestaties te stimuleren. In het online Data Science & Analytics for Strategic Decisions-programma, aangeboden door Singapore Management University, leert u hoe u gegevens kunt verwerken en begrijpen die kunnen worden gebruikt om betere, slimmere beslissingen te nemen binnen uw organisatie. *Bron: IDC, 2021 22% is de verwachte stijging van de werkgelegenheid van datawetenschappers tegen 2030 - veel sneller dan het gemiddelde voor alle beroepen. bron: US Bureau of Labor Statistics, 2021 95% van de bedrijven noemt de noodzaak om ongestructureerde gegevens te beheren een probleem voor hun bedrijf. bron: Sharespost, 2019 Voor wie is dit programma bedoeld? Het programma is bedoeld voor zowel technische als niet-technische professionals met 6 – 20+ jaar relevante werkervaring—Er is geen codering vereist; een basiskennis van Excel zou echter nuttig zijn. Industrieën en functies die hiervan kunnen profiteren, zijn onder meer: Industrieën: IT, e-commerce, computersoftware, financiën, marketing en reclame, bankieren, onderwijsbeheer en managementadvies Functies: Engineering, programmering, technologie, algemeen management, marketing, financiën, operations en HR-functies Dit programma is vooral nuttig voor professionals die streven naar: Overgang naar een datacentrische senior managementrol Verzamel analytische expertise om grotere verantwoordelijkheden aan te kunnen Gebruik voorspellende modellen om effectieve strategieën te ontwikkelen die belangrijke problemen in de bedrijfsvoering en productkwaliteit aanpakken Word een leider voor duurzame bedrijfsgroei Toonaangevende volledige eigendom van belangrijke zakelijke taken en begrijp de onderliggende strategische implicaties
-