Οι εταιρείες έχουν πρόσβαση σε έναν πρωτοφανή όγκο και ποικιλία δεδομένων μάρκετινγκ μέσω ιστοσελίδων, μέσων κοινωνικής δικτύωσης και διαφημιστικών καμπανιών. Σε αυτό το μάθημα οι φοιτητές θα μάθουν πώς η ανάλυση δεδομένων και η προγνωστική ανάλυση χρησιμοποιούνται στο ψηφιακό μάρκετινγκ, πώς καθορίζονται οι βασικοί δείκτες απόδοσης (Key Performance Indicators – KPIs) για την αξιολόγηση όσων έχουν συμβεί στο παρελθόν και πώς μπορεί να παραχθεί μια εκτίμηση για το τι θα συμβεί στο μέλλον. Ο απώτερος στόχος είναι η διαμόρφωση στρατηγικών για τη βελτίωση των καμπανιών μάρκετινγκ, η ανάπτυξη στρατηγικών για τη βέλτιστη απόδοση και την απόδοση επένδυσης (ROI), καθώς και η δημιουργία σωρευτικών διαγραμμάτων συναλλαγών προκειμένου να κατανοηθεί η αποτελεσματικότητα των καμπανιών μάρκετινγκ.

Πρόκειται για ένα ολοκληρωμένο μάθημα κορύφωσης (capstone) το οποίο συνθέτει και αξιοποιεί το σύνολο της γνώσης που αποκτήθηκε κατά το πρώτο εξάμηνο σπουδών, με σκοπό να εφοδιάσει τους φοιτητές με τις απαραίτητες θεωρητικές και πρακτικές βάσεις για την αποτελεσματική μετατροπή της ανάλυσης δεδομένων σε επιχειρηματική αξία. Το μάθημα αποσκοπεί πρωτίστως στην ανάπτυξη δεξιοτήτων λήψης διοικητικών αποφάσεων και όχι στην εξειδίκευση των φοιτητών ως επιστημόνων δεδομένων. Κατά συνέπεια, παρέχει μια ολοκληρωμένη επισκόπηση του τρόπου με τον οποίο τα μοντέλα και οι τεχνικές ανάλυσης δεδομένων εφαρμόζονται στην επιχειρησιακή πρακτική.

Αυτό το προπαρασκευαστικό μάθημα χωρίς πιστωτικές μονάδες έχει σχεδιαστεί για να παρέχει στους φοιτητές τις βασικές γνώσεις προγραμματισμού που είναι απαραίτητες για την επιτυχή παρακολούθηση του πιστωμένου μαθήματος «Programming for Business Analytics». Εισάγει θεμελιώδεις έννοιες προγραμματισμού, την ανάπτυξη λογικής σκέψης και στρατηγικές επίλυσης προβλημάτων, αξιοποιώντας μια ευρέως διαδεδομένη γλώσσα προγραμματισμού. Οι φοιτητές θα αποκτήσουν πρακτική εμπειρία σε τύπους δεδομένων, δομές ελέγχου, συναρτήσεις και βασικές τεχνικές διαχείρισης δεδομένων. Το μάθημα δίνει έμφαση στην πρακτική εφαρμογή και στοχεύει στην ενίσχυση της αυτοπεποίθησης και των δεξιοτήτων των φοιτητών με περιορισμένη ή μηδενική προηγούμενη εμπειρία στον προγραμματισμό.

Το μάθημα αυτό εισάγει τη θεωρία και την πρακτική της Διοίκησης Έργων (Project Management) και της Διαχείρισης Κινδύνων (Risk Management), καθώς και τον τρόπο με τον οποίο αυτές υποστηρίζουν τις διοικητικές αποφάσεις. Η γνώση και κατανόηση των πρακτικών Διοίκησης Έργων και Διαχείρισης Κινδύνων είναι κρίσιμης σημασίας για τις σύγχρονες επιχειρήσεις, συμβάλλοντας στη βελτίωση τόσο της αποτελεσματικότητας όσο και της αποδοτικότητας. Σκοπός του μαθήματος είναι η παρουσίαση και συγκριτική ανάλυση των βασικών εννοιών της επιχειρησιακής έρευνας που σχετίζονται με τα δύο αυτά αντικείμενα, σύμφωνα με τις μεθοδολογίες του PMI (ΗΠΑ) και του PM² (ΕΕ). Ιδιαίτερη έμφαση θα δοθεί στην πρακτική υλοποίηση έργων, με θεωρητική τεκμηρίωση, ενώ οι φοιτητές θα εξοικειωθούν με ένα σύνολο εφαρμοσμένων εργαλείων και τεχνικών, καθώς και με διάφορα λογισμικά πακέτα Διοίκησης Έργων και Διαχείρισης Κινδύνων.

Το μάθημα αυτό καλύπτει θέματα διαχείρισης, επεξεργασίας και οπτικοποίησης δεδομένων σε περιβάλλοντα Big Data. Εξετάζονται οι κύριες προκλήσεις και χαρακτηριστικά των Big Data. Επιπλέον, αναλύονται οι μέθοδοι και τεχνολογίες για την αποθήκευση, ανάκτηση, προετοιμασία, οπτικοποίηση και ανάλυση δεδομένων σε μεγάλη κλίμακα (συμπεριλαμβανομένων αποθετηρίων δεδομένων, data warehouses, αρχιτεκτονικών ολοκλήρωσης δεδομένων, κατανεμημένης αποθήκευσης και επεξεργασίας, συστημάτων υποστήριξης αποφάσεων και αναλυτικής). Η θεωρία θα συνοδεύεται από πρακτικές ασκήσεις, κατά τις οποίες οι φοιτητές θα εξοικειωθούν με τα data warehouses, τις τεχνολογίες επιχειρηματικής ευφυΐας (BI), οπτικοποίησης και ανάλυσης, συνδέοντας τις έννοιες με επιχειρηματικά παραδείγματα.

The module objectives unfold in the spring semester. The purpose of this module is to provide students with the opportunity to independently undertake a research project on a particular topic of their choice. Students will determine an appropriate research question; review the literature on the subject of examination; develop, design and present a research proposal addressing the subject of examination; recruit participants; collect and analyze data.

Το μάθημα αυτό εκτείνεται σε δέκα εβδομάδες και εξετάζει εκτενώς στρατηγικές, από τις βασικές έννοιες έως τη λήψη αποφάσεων με βάση τα δεδομένα. Σχεδιάστηκε για να εξοπλίσει τους φοιτητές με τις δεξιότητες που απαιτούνται για την κατανόηση, τη διαμόρφωση και την υλοποίηση αποτελεσματικών επιχειρηματικών στρατηγικών, ενσωματώνοντας παράλληλα αναλυτικά εργαλεία για την παρακολούθηση και βελτίωσή τους σε ένα δυναμικό περιβάλλον.

Η ολοκλήρωση του μαθήματος θα συνθέσει τις διδαχθείσες έννοιες σε μια συνολική κατανόηση του τρόπου με τον οποίο η στρατηγική, τα δεδομένα και η ανάλυση διασταυρώνονται, ενδυναμώνοντας τους φοιτητές να αναπτύξουν και να διατηρήσουν ισχυρά συστήματα στρατηγικής διαχείρισης σε ένα συνεχώς μεταβαλλόμενο επιχειρηματικό περιβάλλον.

Το μάθημα αυτό έχει έντονα τεχνικό χαρακτήρα, καθώς στοχεύει κυρίως στο να εκθέσει τους ποσοτικούς τομείς με τους οποίους πρέπει να είναι εξοικειωμένα τα άτομα που εργάζονται στον επιχειρηματικό χώρο, εφόσον επιθυμούν να εκτελούν καθημερινές εργασίες αποτελεσματικά. Το μάθημα καλύπτει έννοιες και μεθόδους που χρησιμοποιούνται στην εμπειρική επιχειρηματική έρευνα. Τα θέματα περιλαμβάνουν περιγραφική στατιστική, θεωρία πιθανοτήτων, ελέγχους στατιστικής σημαντικότητας, δοκιμές υποθέσεων και μοντέλα παλινδρόμησης. Η έμφαση του μαθήματος δίνεται σε διάφορες εμπειρικές εφαρμογές.

Το μάθημα αυτό καλύπτει αναλυτικά την πρακτική εφαρμογή των ερευνητικών μεθόδων στον τομέα σπουδών, με ιδιαίτερη έμφαση στις ευκαιρίες και προκλήσεις που αντιμετωπίζουν οι ερευνητές κατά την εφαρμογή ποσοτικών μεθόδων σε επιχειρηματικό περιβάλλον. Οι φοιτητές θα εξερευνήσουν τα διάφορα σχέδια έρευνας που χρησιμοποιούνται στην ποσοτική έρευνα (π.χ. πειραματικό και ημιπειραματικό σχέδιο, συσχετιστικό σχέδιο, έρευνες) και θα εισαχθούν σε διάφορες μεθόδους ανάλυσης δεδομένων. Γενικά, οι φοιτητές θα καθοδηγηθούν σχετικά με τον τρόπο επιλογής της πιο κατάλληλης μεθοδολογικής προσέγγισης για το πρόβλημά τους, τον σχεδιασμό της μελέτης τους, καθώς και τη διαδικασία συλλογής και ανάλυσης δεδομένων, όπως και τη συζήτηση και ερμηνεία των αποτελεσμάτων τους.

Τα δεδομένα στη Σύγχρονη Επιχειρηματική Αναλυτική αποτελούν το «new oil». Η λήψη αποφάσεων βασίζεται σε ιστορικά δεδομένα που έχουν στη διάθεσή τους οι επιχειρήσεις, και τα ίδια δεδομένα μπορούν δυνητικά να δημιουργήσουν αξία για αυτές. Οι σύγχρονες επιχειρήσεις πρέπει να είναι ενημερωμένες σχετικά με τη αυτοματοποιημένη λήψη αποφάσεων και τις εφαρμογές της, καθώς και με την ενσωμάτωση της Τεχνητής Νοημοσύνης στη διαδικασία λήψης αυτών των αποφάσεων. Το μάθημα εστιάζει στον τρόπο χρήσης των δεδομένων για συγκρίσεις και λήψη αποφάσεων, καθώς και στην ανάπτυξη αναλυτικών δεξιοτήτων και προγνωστικών ικανοτήτων μέσω της μηχανικής μάθησης.