Master in Business Administration, majoring in Business Analytics

(1)

(For information in English, click this link)

Master in Business Administration, majoring in Business Analytics

Høgskolen i Innlandet har sendt søknad til NOKUT (Nasjonalt Organ For Kvalitet i Utdanningen) for å få godkjent en master i Business Analytics på Lillehammer, og som gir rett til å bruke tittelen

«Siviløkonom». Forutsatt at NOKUT godkjenner søknaden vil masterprogrammet starte opp høst 2021. Det vil være mulig å søke på opptak til masteren, men utlysningen vil være med forbehold om godkjenning fra NOKUT. Studiets navn er Master in Business Administration, majoring in Business Analytics. Den norske tittelen er «Master i økonomi og ledelse med hovedprofil Business Analytics».

Hele masteren vil gå på engelsk, og utenlandske studenter vil også kunne søke om opptak.

Master i økonomi og ledelse med hovedprofil Business Analytics vil være en ny hovedprofil under eksisterende Siviløkonom-studie MØLED (Master i økonomi og ledelse). Den nye hovedprofilen vil foruten faglig innretning skille seg fra de andre hovedprofilene ved at den er lokalisert på

Lillehammer og at hele masteren vil gjennomføres med engelsk som undervisningsspråk. Du kan lese mer om de tre andre hovedprofilene, lokalisert på Rena/Kongsvinger her.

Mer om studiet

Den nye hovedprofilen Business Analytics gir en anvendelig kompetanse som gjør at kandidatene vil kunne gå inn i et bredt spekter av utfordrende stillinger i tjenesteytende sektor, industri og offentlig sektor, som leder, spesialist eller rådgiver. Studiet gir også opptaksgrunnlag til Ph.d.-utdanningen Innovasjon i tjenesteyting – offentlig og privat (INTOP) ved HINN. I utarbeidelsen av den nye hovedprofilen er det lagt vekt på at å skape en klar sammenheng mellom de ulike nivåene i utdanningsløpet som HINN tilbyr. Eksisterende bachelor i økonomi og organisasjon tilbyr en mulighet for studentene å velge en fordypning innen Business Analytics (gjelder første gang for Kull 2019). Dette vil gi et godt grunnlag for å gå videre på Siviløkonomstudiet MØLED med hovedprofil Business Analytics. Videre vil analyseperspektivet som er et gjennomgående fokus gi klare forutsetninger og kompetanse til å gå videre til PhD-nivået for de studenter som ønsker dette. Figuren under viser en enkel illustrasjon av tankene som ligger til grunn i dette arbeidet.

(2)

Sammenheng mellom Bachelor – Master - PhD

Oppbygging av studiet

Figuren under viser oppbygging av studiet gjennom de fire semestrene masteren består av. I tredje semester er det lagt opp til at studenter kan dra på utveksling, og derfor består hele semesteret av valgemner (se stiplet linje).

Beskrivelse av hovedprofil Business Analytics (Analysepe rspektiv).

(3)

Mer om hvert emne

1. semester består av emnene Marekting Theory, Strategy and Leadership, Economics of Organizations og Management Accounting and Control.

Marketing Theory

Emnet gir inngående kunnskap om utviklingen innen markedsføringsteori og hvordan markedsføringsfagets forståelse og dominerende tenkning har endret seg over tid. Emnet tar utgangspunkt i de da moderne markedsføringsteorier på 1960 tallet og frem til i dag og viser hvordan endringer i samfunnet har endret innretning og forståelse i markedsføringsfaget. Emnet tar for seg noen sentrale emner som er viktig for å forstå utviklingen til et tjenestesamfunn og viser hvordan disiplinen har endret seg fra et produkt og internt bedrift-fokus til et mer tjeneste og system-fokus.

Emnet dekker dermed mange av de grunnleggende prinsippene og tenkning som har preget markedsføringsteoriens historie og fremhever en kritisk tenkning gjennom å ta opp i seg flere vitenskapelige perspektiver.

Strategy and Leadership

Emnet gir et teoretisk grunnlag gjennom inngående kunnskap om strategi og ledelse. Emnet tar for seg forskjellige utviklingstrekk innenfor fagområdet strategi og belyser forskjellige perspektiver en virksomhet kan bruke i sin tilnærming til strategi. Emnet tar opp blant annet de drivkrefter som ligger til grunn for at virksomheten skal kunne identifisere sin strategiske posisjon, samt hvordan organisasjonen kan utnytte sine ressurser for å kunne oppnå ønskede strategiske fordeler og dermed øke sin konkurransekraft. Videre fokuserer emnet på ledelsesaspektet gjennom å fokusere på de forskjellige aktørene og deres roller innenfor organisasjonen når virksomheten driver strategiutviklingen.

Economics of Organizations

Emnet legger et teoretisk grunnlag for hovedprofilen gjennom å adressere grunnleggende spørsmål som hvorfor organisasjoner finnes og hvordan den byråkratiske organisasjonen forholder seg til politikk og markeder som koordinerende mekanismer. Med utgangspunkt i asymmetrisk informasjon og agentteori gir emnet et teoretisk grunnlag for å forstå virksomhetens kontrollbehov og for å diskutere problemstillinger knyttet til for eksempel styring i nettverk. Videre legges det et grunnlag for å forstå koblingen mellom økonomistyring og strategi gjennom drøfting av teori som har sitt utgangspunkt i ressursbaserte perspektiver. Ressursbaserte teorier kobles også mot tjenesteperspektivet gjennom kunnskap om hvordan virksomheten kan samskape, endre og utvide sin ressursbase gjennom sine relasjoner.

Management Accounting and Control

Emnet tar for seg de grunnleggende prinsippene for økonomisk styring og kontroll og fagområdets historiske utvikling, i direkte forlengelse av foregående emne. Utgangspunktet er utviklingen av

«management by numbers» i de moderne virksomhetene etter andre verdenskrig og den teoretiseringen av management control som har dominert de siste femti årene. Utgangpunktet er Anthony’s (1965) smalere syn på økonomistyringer beskrevet som «sandwiched» mellom strategi og det operative (Otley, 1999). Dette spennet mellom strategiformulering og drift skaper et lukket rom for en gjennomføringsstrategi, som igjen gir mulighet for rasjonell optimalisering i en og samme økonomiske dimensjon. Studentene vil bli kjent med kritikken til de tradisjonelle økonomiske

(4)

styringsmodellene samtidig som emnet vil gi en grundig gjennomgang av forutsetninger og grunnlag for en mer moderne tilnærming til økonomisk styring og kontroll.

2. semester består av emnene Applied Data Analytics (Descriptive), Business Perfomance (Prescriptive), Data Protection and Ethics og Economics of Business and Innovation.

Applied Data Analytics ("Descriptive")

Emnet gir studentene et solid fundament innen anvendt dataanalyse og programmering. Dette emnet vil gi et viktig fundament til emnene i hovedprofilen. Emnet vil benytte egnet programvare og programmeringsspråk aktivt i undervisning og case- og oppgaveløsning. Dette skal gi studentene et fundament til ytterligere avanserte analyser som kommer senere i studiet.

Business Performance ("Prescriptive")

Dette er et emne som dekker et vidt spekter av virksomheters ulike parametere for å måle ytelse, prestasjoner og resultat. Videre dekker emnet også tema rundt målsettinger og gjennomføring. I dette emnet vil det være fokus på å gi studentene høy kompetanse på å måle virksomheters prestasjoner, samt kontinuerlig kunne vurdere hvordan beslutninger om endringer i organisasjon, produksjonsprosesser og tjenesteyting vil påvirke resultat ved å benytte kvantitative analysemetoder.

Eksempelvis kan effektivitetsstudier benyttes til å sammenlikne produktivitet i produksjon av varer og tjenester på tvers av virksomheter.

Data Protection and Ethics

Ved innhenting og behandling av store datamengder er det behov for kompetanse om hvordan beskytte data. Ved innhenting av personopplysninger og andre sensitive data er det videre behov for kompetanse på hvilket regelverk som gjelder nasjonalt og internasjonalt, og kjenne til de rapporteringskrav som eksisterer ved innhenting av noen typer data. Dette er tema som er aktualisert i dokumentet «Ethics and data protection», European Commission (2018). I dette dokumentet vises det til at den økende innvirkningen i samfunnet av ny teknologi for innsamling og bruk av data behandles i EUs regelverk «General Data Drotection Regulation» (GDPR), Official Journal of the European Union (2016). Emnet vil gi innsikt i datasikkerhet, og også hvilket regelverk som gjelder innen datasikkerhet, personvern og generelt sensitive data. Emnet vil ha et fokus fra det økonomisk- administrative fagområdet men vil fokusere på praktisk gjennomføring og nasjonale og internasjonale regelverk samt etiske vurderinger. Studentene vil fra dette emnet kjenne til terminologien rundt datasikkerhet og være i stand til å foreta vurderinger og beslutninger i prosjekter som omhandler innsamling, behandling og bruk av data.

Economics of Business and Innovation

Emnet tar for seg økonomiske teorier for innovasjon i virksomheter og økonomiske analyser av de ulike trinnene i innovasjonsprosesser. Innovasjon i virksomheter kan framkomme på ulike måter, eksempelvis ved å 1) utvikle nye produkter og tjenester, 2) ta i bruk ny teknologi eller nye prosesser, 3) ta i bruk nye måter å organisere virksomheten på, og/eller 4) ta i bruk nye måter å markedsføre produktet/tjenesten. Hva bør firmaer vurdere når de tar beslutninger om innovative investeringer eller når de betydelig endrer sin virksomhet? Bidrar innovasjonene til mer effektiv produksjon og bedre lønnsomhet? Hvor viktig er det for firmaer å være i gode nettverk og ha gode samarbeidsrelasjoner? Og hva er myndighetenes rolle og hva er effektene av ulike politikkinngrep på

(5)

firmaenes innovasjonsprosesser? Hva er betydningen av innovasjoner og politikkinngrep i forhold til bærekraftig utvikling? Svarene på disse og andre spørsmål vil bli presentert gjennom kurset sammen med økonomisk baserte analyseverktøy. Eksempler og data fra bransjer og selskaper vil benyttes gjennom hele kurset. Dette vil gi en solid kvalifisering for enhver fremtidig karriere som involverer investeringsbeslutninger i innovative bedrifter.

Mer om analyseperspektivet

Analytics omhandler analyser, og analyseperspektivet kan deles inn i tre nivåer: Descriptive, Predictive og Prescriptive (på norsk: Deskriptiv, Prediktiv og Normativ), (Camm mfl. 2014).

 Deskriptiv (descriptive) analyse viser til metoder og verktøy for å beskrive det som har skjedd.

 Prediktiv (predictive) analyse viser til metoder og verktøy for å nyttiggjøre informasjon fra det som har skjedd til å fortelle noe om det som kommer til å skje.

 Normativ (prescriptive) analyse inkluderer både deskriptiv- og prediktiv analyse, men forteller også noe om hvorfor noe skjer. Dette nivået i analyseperspektivet går videre fra prediktiv analyse ved å fortelle noe om både nødvendige handlinger for å oppnå prediktert utfall, og effekten av hver handling/beslutning.

De studentene som velger Business Forecasting (Predictive) i 3. semester vil oppnå kompetanse innen alle de tre analysenivåene.

Business Forecasting ("Predictive")

Virksomheter har i det daglige behov for å kunne modellere- og predikere fremtidige verdier av en lang rekke variabler. Ett eksempel kan være prognoser på forventet etterspørsel for ulike varer eller tjenester over ulike tidshorisonter (dag, uke, måned, år). Et annet eksempel kan være prognoser på variasjonen rundt en forventet størrelse for å kartlegge usikkerhet. Sistnevnte vil typisk være av interesse for bank- og finanssektoren. Emnet «Business Forecasting» gir studentene bred innsikt i modellering- og prognostisering av økonomiske variabler ved bruk av kvantitative analyseteknikker som involverer både tidsserieanalyser og kausale analysemetoder. Kurset dekker de viktigste temaene innen moderne økonometri som; ulike estimeringsmetoder, valg av modell, hypotesetesting, prognosemodellering og simuleringsmodeller. Emnet vil også introdusere studentene for temaer som

«statistical-/machine learning» ved bruk av anvendte eksempler på estimeringsteknikker som faller innunder denne kategorien.

Studenten kan velge et annet metodeemne knyttet til hovedprofilen i 3. semester som også gir mulighet til å fordype seg ytterligere innen et spesifikt tema innen Business Analytics. De øvrige emnene 3. semester er også valgfag, og trenger ikke være metodeemner, noe som åpner for utveksling dette semesteret, samt muligheter for studenten å gå mer i «bredden» eller mer i «dybden» ut fra hva som er ønskelig. De øvrige emnene som er satt opp som alternativer for 3. semester er Financial Modelling, Financing Innovative Ventures og Behavioral Analytics.

Financial Modelling

Emnet «Financial Modelling» skal gi studentene en spisset kompetanse innen finansielle analyser.

Mange virksomheter har behov for mer avanserte analyser av investeringsprosjekter, verdsetting, porteføljesammensetning, Value-at-Risk, opsjonsprising, m.m. og dette emnet tar for seg hvordan studentene kan gjennomføre slike analyser i praksis/med empiriske data.

Emnet bygger på at det er velfungerende markeder, og dermed at deler av risikoen tilknyttet en virksomhet/aktivitet kan diversifiseres vekk. På den måten skiller dette emnet seg klart fra

(6)

«Entrepreneurial Finance» og kan sies å være komplementære. Emnet vil utvilsomt også bygge på finansemner på bachelorstudiet, samt kunnskaper og ferdigheter studentene har tilegnet seg i flere emner fra hovedprofilen. Eksempler er: Applied Data Analytics (deskriptive analyser, variabel typer, visualiseringer, med mer), Business Forecasting (regresjonsanalyse, tidsserieanalyser, simulering, med mer).

Innledningsvis vil grunnleggende finansteknikker raskt gjennomgås (nåverdi, internrente, m.m.), før en går inn på temaer som porteføljemodeller og reduksjon av risiko, kapitalverdimodellen, finansieringsformer, risiko og kapitalkostnad, valg av kapitalstruktur og gjeldsgrad, utforming og anvendelse av finansielle kontrakter (futures og opsjoner), og verdsettelsesteknikker.

Financing Innovative Ventures

Emnet vil gi studentene en bred forståelse av finansiering av nye virksomheter og utvikling av eksisterende virksomheter. Det vil være en gjennomgang av mulige finansieringsordninger for oppstartere. Emnet bygger på at det ikke er velfungerende markeder (som typisk er tilfelle for oppstartere), og dermed at risikoen er vanskelig å diversifisere vekk.

For å utføre gode analyser som beslutningsgrunnlag vil studentene blant annet lære om analyse av strategier og bruk av realopsjonsanalyser i den sammenheng, prediksjonsmetoder for realistisk budsjettering, stokastiske simuleringsteknikker for å evaluere finansieringsstrategier og lånebehov, samt teknikker for verdsettelse av virksomheter som ikke er børsnotert/opererer i et utviklet marked.

Ved å anvende disse kvantitative verktøy og metoder skal studentene ha kompetanse til å vurdere reelle forretningsmuligheter. I forståelse av finansiering av nye forretningsmuligheter er viktige aspekter usikkerhet i beslutningsgrunnlaget, asymmetrisk informasjon for ulike parter og påvirkning av svingninger i markeder. Emnet har et anvendt fokus, hvor modellene som gjennomgås skal implementeres og anvendes av studentene. Studentene skal etter å ha fullført dette emnet kunne vurdere de ulike aspektene, og bidra til nødvendig kunnskap inn i beslutningsprosesser i ulike virksomheter.

Behavioral Analytics

Emnet Behavioral Analytics er influert av retningen innen økonomifaget som de senere år har fått navnet behavioral economics. Behavioral economics er blant mye annet en reaksjon mot de mange normative antakelsene som ligger i standard økonomisk teori, som for eksempel ideen om den fullt ut rasjonelle aktør, nyttemaksimering og fallende grensenytte. Innen behavioral economics settes det spørsmål ved disse antakelsene basert på empirisk innsikt om persepsjon, kognisjon og beslutningstaking innen psykologifaget. Forenklet kan det hevdes at behavioral economics studerer hvordan økonomiske aktører – først og fremst konsumenter og foretak – faktisk beslutter og agerer i (økonomiske) valgsituasjoner heller enn hvordan de burde agere i lys av standard økonomisk teori.

Bruken av eksperimentelle forskningsdesign, som historisk sett først og fremst forbindes med psykologifaget, står her sentralt.

Emnet Behavioral Analytics er påvirket av behavioral economics, men er ment å favne videre enn økonomiske aktører og den økonomiske sfære. Behavioral Analytics studerer hvordan alle aktører i (valg)situasjoner faktisk vurderer, beslutter og agerer – enten det er som private personer, som arbeidstakere, som forbrukere eller som beslutningstakere. Aktøren kan også være et foretak i denne sammenhengen. Emnet vil benytte statistiske analysemetoder for å gi studentene innsikt i hvordan praktisk gjennomføre analyser av hvordan aktører beslutter og agerer.

(7)

About the programme

The programme Master of Science in Business Administration - majoring in Business Analytics provides you with a versatile competence that prepares you for challenging positions in the industry, such as a manager, specialist or advisor. The main objective of the programme is to bring forth top economists and managers which can utilize the increasing availability of data, with state-of-the-art analytical methods.

The decisions that both private and public organisations make in order to achieve their goals are often made under uncertainty. This programme will provide you with the theoretical foundation and analytical skills and techniques that you need to guide a future employer in making better decisions in such circumstances.

The target group for this programme are individuals with a bachelor’s degree or another equivalent background, with a specialization in Economics and Business Administration or related quantitative orientation, who want to pursue a strong second degree in Business Administration. The programme is suitable for students who want to qualify for administrative- or research and development

positions at a high organizational level both in the private or public sector, or those who want to complete a doctorate and pursue a career in research.

Upon completion of the programme, you will qualify for the PhD programme “Innovation in Services in the Public and Private Sectors” at Inn University and for other PhD programmes within Business Administration.

Programme structure and content

The programme consists of four compulsory subjects that provide students with a strong foundation in Business Administration. Strategy and Leadership, and Marketing Theory are two subjects that teach the basics of management while Economics of Organizations and Management Accounting and Control teach the basics of economics.

In accordance with Universities Norway (UHR) – Economics and Administration’s recommendations for two-year master’s degree programmes, this programme offers both comprehensive and in-depth knowledge, consisting of a specialization within Business Analytics.

Major subjects, which are compulsory in the programme, consist of 37.5 ECTS, and compulsory method subjects consist of 15 ECTS. Major subjects, which are electives, consist of 15 ECTS. Minor subjects, which are compulsory, consist of 15 ECTS, and minor subjects, which are electives, consists of 7.5 ECTS. All subjects consist of 7.5 ECTS. The master’s thesis within Business Analytics will account for 30 ECTS.

(8)

Course name ECTS C/E *) ECTS per term

T1(S) T2(F) T3(S) T4(F)

Master in Business Administration, majoring in Business Analytics

Economics of Organizations 7.5 C 7.5

Management Accounting and Control 7.5 C 7.5

Strategy and Leadership 7.5 C 7.5

Marketing Theory 7.5 C 7.5

Data Protection and Ethics 7.5 C 7.5

Applied Data Analytics (Descriptive) 7.5 C 7.5

Economics of Business and Innovation 7.5 C 7.5

Business Performance (Prescriptive) 7.5 C 7.5

Business Forecasting (Predictive) 7.5 E 7.5

Financing Innovative Ventures 7.5 E 7.5

Financial Modelling 7.5 E 7.5

Behavioural Analytics 7.5 E 7.5

Master’s Thesis 30 C 30

*) C – Compulsory course, E – Elective course Sum: 30 30 30 30

(9)

Subject overview

Economics of Organizations

Learning outcomes

Knowledge

Upon completion of the course, the student will have:

 profound knowledge on theories on how economical transactions can be coordinated through markets, organisations and networks,

 profound knowledge on economic theories that explain business’ boarders, and why some financial transactions are in a market while others are within the business,

 profound knowledge on how organisational economics can explain competitive advantages based on the business’ resources, and how businesses can co-create, change and expand through relations and

 an overview of the history of organisational economics and its theoretical contribution to strategic and financial management.

Skills

Upon completion of the course, the student can:

 apply and relate critical organisational economics and research results within this field and

 structure and formulate academic arguments on organisation and management, and suggest solutions to practical and theoretical problems based on independent analysis.

General competence

 identify ethical issues and discuss corporate social responsibility in relation to the financial organisation.

Course content

The following topics are covered.

 Neoclassical theory

 Transaction costs, bounded rationality and opportunism

 Vertical integration, risk diversification, incentives, contracts and trust

 Resource based theories and dynamic capabilities

 Behavioural economic theory

 Agent theory

 Actor/player- network theory

 Institutional theory

 Inter-organisational theory

 Economic organisation, ethical issues and social responsibility

(10)

Management Accounting and Control

Learning outcomes

Knowledge

 profound knowledge on traditional approaches to management accounting and control,

 profound knowledge in the criticism of traditional management models,

 profound knowledge on the transition from traditional management accounting to innovative models on management, control and performance measurement,

 profound knowledge on the theoretical foundation and properties in economic and business management,

 profound knowledge about the connection between management models and strategies for implementation and

 the skills to discuss and analyse developments from traditional management accounting to business management.

Skills

 relate critically to theories in management accounting and

 analyse basic preconditions in management accounting and control in relation to the needs in business’ current situations.

General competence

 identify ethical issues within management accounting and control and

 communicate how management models can contribute to business’ strategic implementation.

Course content

 Traditional approaches to management accounting and control

 The criticism against traditional economic management models

 Overview of the latest models for economic and business management

 The need for holistic perspectives in management accounting as a foundation for developing business management

 Performance measurement

 Business management and management philosophy

 Management control as part of business management

 Business management, organisational structure and strategy implementation

 Digitalisation, management and control

(11)

Strategy and Leadership

Learning outcomes

Knowledge

 profound knowledge of the term “strategy” and key elements within strategic management,

 profound knowledge of the basic premise for an organisation to create endorsement for business’ fundamental ambitions and visions,

 advanced knowledge on how each business and its network can identify, develop and utilize the resources that we distribute strategically,

 profound knowledge of the board, head management and other stakeholders’ roles in strategic development and

 knowledge of the perspectives on strategy as an academic field.

Skills

 relate critical to internal and external factors that affect the strategic outcome in developing an overall and detailed coherent strategy for the business,

 apply instruments to defend the best possible market and competition positions for the business and can strategize the design of management systems to implement sub strategies and

 understand the importance of methodical and analytical approaches to strategic questions within a business culture.

General competence

 convey problems from ethics, attitudes and social responsibilities to design the foundation for a culture of reflection where these attitudes are debated and tested against practical challenges in the business,

 know the principles to convey the business strategy internally to the employees and externally to the stakeholders that, in a broad sense, creates the conditions for the business operations,

 understand the necessity of developing a safe culture in the organisation and its

consequences, such as converting disagreements and constructive arguments on strategic choices to a foundation for rethinking and innovative processes,

 refer to and display the complex combination of knowledge, skills, attitudes and abilities to act which is needed in management on all levels in comprehensive strategic developing processes in the organisation and

 display the prerequisites to turn thoughts about the most important challenges from the business into action, and can implement strategy and development processes within the business.

(12)

Course content

 Theoretical development perspectives on strategy as an academic field

 Strategic processes – different perspectives

 Digital influence on strategic processes

 The business’ market and competition position

 Generic competition strategies

 Competitor and environmental analyses

 Scenario development and analysis

 Network theories and network strategies—collaboration or competition?

 Internal analysis and recourse-based theory

 Development of structure, business culture and competence which support the business’

goals

 Efficiency goals, incentive systems, measurement parameters, rewards on individual and group levels

 Social responsibilities and normative and empirical ethics

(13)

Marketing Theory

Learning outcomes

Knowledge

 profound knowledge on the background and perquisition of marketing theory,

 profound knowledge on how the understanding, theories and dominant thinking within marketing has changed over time and on the current standing of marketing,

 profound knowledge on how the business’ market functions, and how customer behaviour is affected by market orientation, network and relations,

 the ability to contribute to systematically and scientifically increasing knowledge on the business marketing function and

 profound knowledge about the market and how social challenges and conditions the business faces affects the development within marketing.

Skills

 critically analyse and relate to the description of marketing functions, theoretical positions and challenges in the research literature,

 analyse existing marketing theory and interpret and apply this in the independent work of practical and theoretical problem solving and

 identify and conduct activities that increase the business value.

General competence

 critically reflect on the importance of marketing for businesses and society and

 convey knowledge on marketing conditions in writing.

Course content

 Market philosophy and the dominating market perspectives

 Markets, market surroundings and business conditions

 Customer behaviour

 Market strategy and the organisation of the marketing

 Market orientation and results

 Relations and network

(14)

Data protection and Ethics

Learning outcomes

Knowledge

 identify the risk of collecting and using data,

 identify and define special categories of personal data (formerly known as “sensitive data”),

 relate issues on using data to the relevant regulations that are in force and

 understand how to secure data in relation to regulations and ethical considerations.

Skills

 employ data in analysis within the current regulations and ethical standards,

 differentiate between different types of data,

 design analysis using data such that it is in line with desired ethical standards and within regulations and

 assess the risk of using data.

General competence

 question the use of data and methods in various businesses and organizations,

 compose suggestions for securing data in their collection, analysis and presentation,

 propose changes in businesses and organizations to improve data security

 manage data within relevant regulations and desired ethical standards.

Course content

This course provides students with a solid foundation within data protection and ethics. The following topics are covered.

 Classifications of data

 The relevant regulations

 Ethical considerations when applying data

 Combining data and the effect on classification, application and security

 Data security

(15)

Applied Data Analytics

Learning outcomes

Knowledge

 describe the process of gathering and sampling data from various data sources,

 define data types and structures and explain their uses in data analysis,

 define conditional statements and loops and explain their use in data analysis,

 interpret selected descriptive statistics and data visualizations,

 explain elements of algorithmic thinking and

 discuss key findings from research on the relation between business/data analytics and business value.

Skills

 access and collect local and web-based data,

 create and manipulate data sets and shape them for further analyses,

 analyse the prepared data using descriptive statistics, visualizations, regression models and various business intelligence tools for data analysis and

 summarize key insights from data analyses into user-friendly reports.

General competence

 plan and manage data analytics projects which involve the topics covered in the course and

 recommend computing tools and techniques for efficient implementation of such projects.

Course content

This course provides students with a solid foundation within applied data analytics and programming. The following topics are covered.

 Data sources and data types

 Data organization and descriptive statistics

 Data visualization

 Probability and statistical interference

 Linear regression

 Business intelligence tools for data analysis

(16)

Economics of Business and Innovation

Learning outcomes

Knowledge

 describe the theories and empirical methods for analyzing business innovation,

 explain the economics of different stages of innovation processes from basic research to commercialization,

 recognize firms’ considerations and trade-offs in innovation investment decisions, including responsible innovation issues,

 describe and identify the relationships between characteristics of sectors and products (e.g., firm concentration, value chain organization, product differentiation, etc.) and innovation incentives and behavior,

 discuss the role of innovation and policies in sustainable development, including global climate and environmental challenges and

 review the most important findings from research of some topics from the course.

Skills

 analyse the innovation processes and decide whether they are risky investment projects,

 investigate the relationships between market structure characteristics and innovation,

 estimate and interpret relationships between firms’ economic performance in terms of productivity, profitability and innovation using econometric techniques on real data,

 formulate economic and financial advice for the management of a firm’s innovation processes and

 formulate advice for policy makers and the public sector in designing regulations and instruments that can influence R&D, innovation and productivity of firms, irrespective of whether they were initially intended for these very purposes or were designed primarily for other purposes.

General competence

 manage innovative possesses based on state-of-the-art theories and methods and

 use analytical tools for firms making decisions on investments in innovation or when they significantly change their business

Course content

 Microeconomics of technical change

 Market failure (public goods, externalities, asymmetric information, etc.)

 Monopoly power and intellectual property rights

 Innovation and productivity growth

 Innovation and profitability

 Innovation and sustainability

 Agglomeration economies

 Geography of innovation

 The diffusion of new technology

 Energy and natural resource markets

(17)

Business Performance

Learning outcomes

Knowledge

 describe the factors used to measure the performance of a business,

 distinguish between different tools and methods used in analyzing data,

 discuss the properties of different methods in relation to the data available,

 report the results from performance analysis and

 describe relevant actions that should be taken in a business to improve the performance.

Skills

 identify relevant data to perform analysis,

 define determinants and/or environmental variables to capture heterogeneity,

 conduct productivity and efficiency analyses using parametric or non-parametric methods,

 use indices in measuring business’ performances,

 perform different types of benchmarking analysis and

 interpret the results from business performance analysis.

General competence

 design and conduct a proper analysis to measure business performance relevant for the current situation,

 assess the results from the performance analysis to recommend suitable actions to improve performance and

 propose changes in business’ operations to improve performance.

Course content

 Collecting, adjusting and using data

 Identifying the main inputs and outputs

 The use of determinants to describe changes and differences in business performance

 The use of environmental variables to describe heterogeneity between firms

 Efficiency analysis using both parametric and non-parametric methods

 Optimization methods

 Productivity analysis and the use of indices

 Benchmarking

(18)

Business Forecasting

Learning outcomes

Knowledge

 discuss the importance and potential business value of accurate forecasts within a range of industries,

 describe the key findings from recent research on the accuracy of various forecasting techniques and combinations of techniques,

 identify various time series components from visual inspection and descriptive and modelling outputs,

 describe how the various forecasting techniques generate predictions and how accuracy can be assessed and

 review the most important findings from research within some topics of the course.

Skills

 analyse time series data and its various components using the techniques covered in the course,

 evaluate the performance of various forecasting techniques by calculating a range of accuracy measures,

 classify categorical outcomes,

 evaluate the classification accuracy using confusion matrix,

 perform data reduction using principal component analysis,

 estimate forecasts using machine learning techniques and

 estimate and calculate forecasts based on combinations of individual techniques.

General competence

 plan and manage forecasting projects which involve the topics covered in the course,

 recommend forecasting techniques that are suited to a range of business applications and

 report general findings from the comparison of forecasting techniques on specific business problems.

Course content

 The business value of forecasting

 Time series components (trend, seasonality, cycles and random movements)

 Loss functions and forecast accuracy

 Moving averages, exponential smoothing and regression-based forecasting methods

 Causal forecasting methods

 Principal component analysis

 Statistical-/ machine learning methods

 Forecast combinations and forecast optimality

(19)

Financing Innovative Ventures

Learning outcomes

Knowledge

 explain the guiding principles for financial decision making for new ventures,

 review the important elements of financing innovative start-ups and small businesses,

 describe the most important sources in the financing of new ventures,

 describe the basic principles of new venture valuation,

 discuss how to develop an integrated innovative business strategy and account for uncertainty and dynamic aspects and

 demonstrate the influences of risk and uncertainty on new venture success and investment performance.

Skills

 forecast revenues for a new venture and, subsequently, cash flows from operations,

 use simulation in business planning under uncertainty,

 use decision trees and analyze real options in strategic planning,

 estimate how much money a venture needs and at what point in time and

 value a new venture using several approaches and identify the pros and cons of each.

General competence

 advise and assist start-ups and small businesses that play a key role in innovation and

 compose plans for funding and strategies for entrepreneurs.

Course content

 New venture financing

 Venture capital

 New venture strategy and real options

 Developing business strategy using simulation

 Methods of financial forecasting

 Assessing financial needs

 Foundations of new venture valuation

 Valuation in practice

(20)

Financial Modelling

Learning outcomes

Knowledge

 review the characteristics of a good risk and return model,

 describe and compare models for measuring market risk and return,

 explain the principles of portfolio management,

 review various debt, equity and hybrid financing options available to firms,

 summarize the main financial risk management instruments,

 explain key concepts of the term “structure of interest rates” and

 review the most important findings from research within some topics in the course.

Skills

 use simulations to model unknown multi-variate distributions,

 measure the risk of portfolios using a number of different approaches/measures,

 value a firm and its equity using different valuation methods,

 manage financial risk,

 price futures, options and other derivatives in accordance with the no-arbitrage principle,

 apply Monte Carlo simulation to compute option prices,

 implement trading strategies and

 demonstrate appropriate numeracy skills by doing applied research.

General competence

 advise and assist firms in their financing decisions,

 compose plans for funding and strategies for firms,

 assess, evaluate and apply the key features of different derivative/risk management instruments and

 debate findings from research on financial modelling with peers.

Course content

 Risk portfolio: Theory and risk diversification, CAPM, empirical tests of EMH and CAPM

 Capital structures: Type of financing, optimal financial mix

 Valuation: Principles and practice

 Risk management: Forwards, futures and options

 Modelling volatility and correlation: Implied volatility, realized volatility and correlation, volatility forecasting (ARCH, GARCH, HAR-RV), VaR forecasting (including the use of quantile regression)

(21)

Behavioural Analytics

Learning outcomes

Knowledge

 differentiate between the economic agent/decision maker in standard economics and the economic agent/decision maker within behavioural economics,

 explain how selected behavioural models of decision-making works and differs from the expected utility theory in standard economics,

 give examples of behavioural research evidence from academia and within business, economics and finance and

 summarize and critically assess the main findings of empirical research on behavioural evidence within business, economics and finance.

Skills

 plan a study using an experimental design,

 design and conduct an experimental study (e.g., a survey experiment) aiming to shed light on a causal question,

 analyse quantitative data from experimental designs and/or other data sources reflecting people’s actual preferences, decision processes and choices and

 demonstrate professional reporting and writing skills by preparing a short academic paper of high quality on the topics covered in the course.

General competence

 complete a research project built on the analysis of behavioural evidence,

 debate findings from research on behavioural evidence with peers and

 critically assess the conclusions of prior behavioural research.

Course content

 Introduction: Studying behaviour as it is—and not as it should be—according to standard (i.e., normative) economic theory

 Foundations of behavioural economic analysis: A non-technical review of key concepts (e.g., bounded rationality) and empirical evidence from business, economics and finance

 The logic of experimental designs

 Supervised learning techniques (classification: logistic regression and related techniques)

 Unsupervised learning techniques (factor/cluster analysis and related techniques)

 Text mining and sentiment analysis

 Academic research project which involves data collection, analyses and reporting

(22)

Master Thesis

Learning outcomes

Knowledge

 specialized empirical and theoretical knowledge in an area related to problems under the programme’s main profile,

 advanced knowledge of theoretical and methodological approaches that highlight the student’s chosen problem, which is relevant for the main profile and

 the ability to apply his or her knowledge to new areas within the main profile.

Skills

 analyse and critically evaluate various sources of information and apply these in structured academic arguments, as well as define precise, researchable problems,

 analyse existing theories, methods and interpretations under the main profile,

 apply relevant methods for research and academic development, enabling him or her to carry out studies in accordance with scientific principles,

 carry out an independent, limited research or development project in accordance with ethical guidelines for research and

 reflect on and discuss central theoretical scientific dilemmas.

General competence

 display familiarity with ethical problems and awareness of the requirements for honesty in scientific work,

 complete a comprehensive research and development project, review scientific work and constructively contribute to discussions in a scientific forum and

 communicate the problems and results of the master’s thesis both orally and in writing.

Course content

The master’s thesis is a research report completed at the very end of the programme, and it must comply with ordinary scientific standards. This means that the thesis must be based on a clearly defined hypothesis, and the student is expected to make well-reasoned and independent method selections and be able to identify relevant theories. The thesis topic may address empirical,

theoretical or normative issues related to problems under the programme’s main profile. The topic may be defined by the student or it may be contract-based, either as an individual project or as part of a larger programme. The student is personally responsible for choosing a topic, developing a survey and executing the research.