Fondamenti di analisi aziendale strategica

Descrizione

Per chi è questo corso?
Questo corso è progettato per studenti, analisti aziendali e data scientist che desiderano applicare conoscenze e tecniche statistiche a contesti aziendali. Ad esempio, potrebbe essere adatto a statistici esperti, analisti, ingegneri che desiderano passare maggiormente a un ruolo aziendale.

Troverai questo corso eccitante e gratificante se hai già un background in statistica, puoi usare R o un altro linguaggio di programmazione e hai familiarità con i database e le tecniche di analisi dei dati come la regressione, la classificazione e il clustering.
Tuttavia, contiene una serie di recital e tutorial di R Studio che consolideranno le tue competenze, ti consentiranno di giocare più liberamente con i dati ed esplorare nuove caratteristiche e funzioni statistiche in R.

Con questo corso avrai una prima panoramica sugli argomenti di Strategic Business Analytics. Discuteremo un'ampia varietà di applicazioni di Business Analytics. Dal marketing alla catena di fornitura o al credit scoring e all'analisi delle risorse umane, ecc. Tratteremo molte diverse tecniche di analisi dei dati, spiegando ogni volta come essere rilevanti per la tua attività.

Presteremo particolare attenzione a come puoi produrre insight convincenti, utilizzabili ed efficienti. Ti presenteremo anche diversi strumenti di analisi dei dati da applicare a diversi tipi di problemi.
In questo modo, ti aiuteremo a sviluppare quattro serie di competenze necessarie per sfruttare il valore dei dati: analisi, IT, business e comunicazione.

Entro la fine di questo MOOC, dovresti essere in grado di affrontare un problema aziendale utilizzando Analytics (1) qualificando il problema in questione in termini quantitativi, (2) conducendo analisi dei dati pertinenti e (3) presentando le tue conclusioni e raccomandazioni in un modo orientato al business, attuabile ed efficiente.

Prerequisiti: 1/ Essere in grado di utilizzare R o programmare 2/ Conoscere i fondamenti di database, analisi dei dati (regressione, classificazione, clustering)

Diamo credito a Pauline Glikman, Albane Gaubert, Elias Abou Khalil-Lanvin (Studenti dell'ESSEC BUSINESS SCHOOL) per il loro contributo alla progettazione di questo corso.