הגש בקשה לפני ה-16 בנובמבר 2021 כדי ליהנות מ-150 דולר ארה"ב הנחה על עמלת התוכנית. השתמש בקוד SMU150EBTA במהלך התשלום. מה התוכנית הזו תעשה עבורך? לאחר סיום מוצלח של התוכנית, המשתתפים יוכלו: צור והטמיע אסטרטגיות עסקיות הממנפות את מדעי הנתונים. קבל החלטות מונעות נתונים כדי לפתור בעיות עסקיות באמצעות תובנות נתונים. הדגימו כיצד ניתן לשלב ניתוחים עם ניסויים כדי לקבל המלצות מבוססות נתונים לצמיחה עסקית. הסבר את האתגרים והסיכונים העיקריים בפרויקטים של מדעי נתונים. הערך את אסטרטגיית הנתונים של הארגון והמליץ על דרכים להשיג יתרון תחרותי בר קיימא. נתח צרכים ארגוניים והניע שיפור עסקי באמצעות מגמות עתידיות במדעי הנתונים. מודולי תוכנית התוכנית כוללת 8 מודולים. כל מודול מובל על ידי מומחה סגל SMU עם ניסיון בשטח ספציפי לנושאים של מדעי הנתונים וניתוח הנתונים הנידונים. מודול 1: מינוף נתונים בתור יתרון תחרותי למד את הטרמינולוגיות המרכזיות של מדעי הנתונים, רמות שונות של ניתוח נתונים ומשמעותן לקבלת החלטות, תכונות נתונים ותובנות להשגת יתרון תחרותי בר קיימא, ואת היישומים של ניתוח נתונים ותפקידו ביצירת הזדמנויות עסקיות חדשות. מודול 2: ניתוח נתונים בפעולה גלה את הגישה האנליטית המתאימה לפתרון בעיה עסקית, בין אם הארגון שלך מונע נתונים, מגמות בנתונים וקבלת תובנות קשורות לשיפור הביצועים העסקיים, ההשפעה שיש לאסטרטגיות הרב-ערוצים של ארגון על המכירות, וכיצד לזהות נתונים/תובנות מתאימות. מודול 3: סטטיסטיקה בסיסית לניתוח נתונים השג הבנה מעמיקה יותר של השוואה בין מערכי נתונים עצמאיים כדי לקבל תובנות, וכיצד ליישם קבלת החלטות אסטרטגיות באמצעות הטכניקות האמורות. מודול 4: ניתוח חזוי למד את היסודות של רגרסיה כדי לנתח את החוזק/השפעה של משתנים, כיצד לחזות השפעת משתנים באמצעות התאמה אופטימלית של מודל והשפעות רגרסיה, כיצד לבנות מודל רגרסיה לוגיסטי כדי לבדוק ולחזות תוצאות צפויות וכיצד ליישם ניתוח חזוי לארגון אירועים לקדם כוחות ולהתמודד עם איומים. מודול 5: ניסויי שטח וסיבתיות חקור מתאם וסיבתיות ומשמעותם לשיפור הביצועים העסקיים, ניסויים בבעיות עסקיות כדי להסיק מסקנות אפקטיביות; בדיקת שודדים רב-משתנים, A/B ורב-זרועות; ואת האפקטיביות של שימוש בתכנון ניסיוני כדי לקבל המלצות מבוססות נתונים לצמיחה עסקית. מודול 6: מודלים של למידת מכונה לניתוח נתונים בנה את הידע שלך על למידת מכונה ותפקידה בהנעת פרודוקטיביות ארגונית, כיצד ניתן ליישם אלגוריתמים של למידת מכונה כדי להשיג דיוק אנליטי אופטימלי, היבטי בניית התוכניות של רשתות עצביות ולמידה עמוקה, וכיצד ניתן לשלב אנליטיקה עם ניסויים כדי לייצר אפקטיביות אסטרטגיות עסקיות. מודול 7: טיפול באתגרים וסיכונים מרכזיים בפרויקטים של מדעי נתונים למד את האתגרים העיקריים של פרויקטים בתחום מדעי הנתונים והפתרונות שלהם, מסגרת דלתא ומודל דלתא פלוס, סיכונים ברמת הפרויקט ודוגמאות של פרויקטי מדעי נתונים כושלים, וכיצד לחזות את הצלחת פרויקט הביג דאטה שלך באמצעות טכניקת DATA. מודול 8: מדעי הנתונים והעתיד צלול אל הדרייברים, התוצאות הצפויות ומאפשרי הטכנולוגיה עבור Industry 4.0; המרכיבים להצלחת בינה מלאכותית שניתן למנף לחיזוק היכולות הארגוניות; אתגרים ביישום AI במערכות; וכיצד להעריך את מסע הטרנספורמציה הדיגיטלית של ארגון ולשמור על יתרון תחרותי. חקר מקרה חברת מזג האוויר: יצירת אפליקציות צרכנים הממנפות ביג דאטה האתגר של Iuiga: האם Omni-Channel שווה את זה? 3M עוברת למיקוד לקוח באמצעות מחסן נתונים גלובלי ניסויי פרסום ב-RestaurantGrades חיזוי נטישת לקוחות ב-QWE Inc טרנספורמציה דיגיטלית של קבוצת סרטיס סימולציות הלומדים יקבלו ניסיון מעשי בהפעלת מתודולוגיות שונות לניתוח נתונים וגם גישה חופשית ל-XLSTAT למשך שנה יחד עם תוכנית זו. הדמיית ניתוח נתונים: קבלת החלטות אסטרטגיות סימולציית שיווק דיגיטלי: ייחוס מדיה ב-ExerciseMinder סגל התכנית Sandeep R. Chandukala, Ph.D. פרופסור חבר לשיווק סנדיפ משמש כפרופסור חבר לשיווק. לפני שהצטרף ל-SMU, סנדיפ עבד ב-3M, ולפני כן עבד כעמית סגל ג'וניור בבית הספר לעסקים בקלי באוניברסיטת אינדיאנה. יש לו דוקטורט. בשיווק (עם קטין בסטטיסטיקה) מאוניברסיטת אוהיו סטייט, MS (MAS) תואר שני במנהל עסקים מאוניברסיטת טקסס בדאלאס, ותואר שני (הנדסת מחשבים) מאוניברסיטת מינסוטה. תחומי המחקר של פרופסור חבר צ'נדוקלה קשורים לפיתוח מודלים כמותיים של התנהגות צרכנים תוך שימוש בנתונים תעשייתיים. המחקר שלו מתמקד בעיקר בניתוח קמעונאות. באופן ספציפי, הבנה ומדידה של ההשפעה של מבצעים, פרסום ומוצרים חדשים והצעת גישות חדשות לפילוח שוק באמצעות שיטות Bayesian and Markov Chain Monte Carlo (MCMC). המחקר שלו הופיע ב-Market Science, Journal of Marketing, Journal of Retailing, Marketing Letters, ו-Custom Needs and Solutions. פרופסור חבר צ'נדוקלה זכה במלגת המחקר Lee Kong Chian בשנים 2016-17 וכן היה ברשימת ההוראה של הדיקן להוראה לתארים מתקדמים בשנת 2018. מישל צ'ונג, Ph.D. פרופסור למערכות מידע (חינוך); דיקן עמית, SCIS חינוך מקצועי לתואר שני; מנהל, דוקטור להנדסה פרופסור צ'ונג שירת במגוון מינויים אקדמיים ב-SMU מאז 2005, כולל כמרצה, פרופסור עוזר ופרופסור חבר למערכות מידע. בנוסף לתפקידה הנוכחי כפרופסור למערכות מידע, פרופסור צ'ונג מחזיקה גם בתפקידים אדמיניסטרטיביים ב-SMU, משמשת כדיקן משנה של חינוך מקצועי לתואר שני ב-SIS וכמנהלת דוקטור להנדסה. תחומי העניין המחקריים של פרופסור צ'ונג כוללים ניתוח נתונים והחלטות, מודלים ופדגוגיה של גיליונות אלקטרוניים, וניתוח למידה וכריית טקסט. בשנת 2018, הוענק לה פרס המצוינות בהוראה של SMU - תכניות מקצועיות לתואר שני מטעם מרכז SMU למצוינות הוראה. עבודתו של פרופסור צ'ונג הוצגה במספר מאמרים בכתבי עת, ספרים ופרקי ספרים, כנסים ומאמרים ומאמרי מגזין. עבודתה האחרונה על ההשפעה של הכשרת עמיתים ב-SMU פורסמה על ידי ה-International Journal of Evidence-Based Coaching and Mentoring. מסע למידה בתוכנית 90+ הרצאות וידאו 32 מטלות 10+ דוגמאות תעשייה 6 לוחות דיון 6 מקרי מבחן 2 סימולציות מדוע להירשם למדעי נתונים וניתוח לקבלת החלטות אסטרטגיות? ארגונים ברחבי העולם מעבירים את המיקוד שלהם ליעדים מונעי נתונים וקבלת החלטות. למעשה, International Data Corporation מדווח כי הנתונים ברחבי העולם יגדלו ב-61% ל-175 זטה-בייט עד 2025. אז למה מדעי הנתונים כל כך חשובים? מכיוון שהוא מאפשר לארגונים לעבד ולפרש ביעילות נתונים שניתן להשתמש בהם כדי לקבל החלטות עסקיות מושכלות ולהניע צמיחה, אופטימיזציה וביצועים. בתוכנית המקוונת למדעי נתונים וניתוח עבור החלטות אסטרטגיות - המוצעת על ידי אוניברסיטת סינגפור לניהול - תוכל ללמוד כיצד לעבד ולהבין נתונים שניתן להשתמש בהם כדי לקבל החלטות טובות וחכמות יותר בתוך הארגון שלך. מקור: IDC, 2021 22% היא העלייה הצפויה בתעסוקה של מדעני נתונים עד 2030 - הרבה יותר מהר מהממוצע בכל המקצועות. מקור: הלשכה האמריקאית לסטטיסטיקה של העבודה, 2021 95% של עסקים מציינים את הצורך בניהול נתונים לא מובנים כבעיה עבור העסק שלהם. מקור: Sharespost, 2019 למי מיועדת התוכנית הזו? התוכנית מיועדת הן לאנשי מקצוע טכנולוגיים והן לאנשי מקצוע שאינם טכנולוגיים עם ניסיון עבודה רלוונטי של 6 - 20+ שנים - אין צורך בקידוד; עם זאת, ידע בסיסי באקסל יועיל. תעשיות ופונקציות שיכולות להועיל כוללות: תעשיות: IT, מסחר אלקטרוני, תוכנת מחשב, פיננסים, שיווק ופרסום, בנקאות, ניהול חינוך וייעוץ ניהולי פונקציות: הנדסה, תכנות, טכנולוגיה, ניהול כללי, שיווק, כספים, תפעול ופונקציות משאבי אנוש תוכנית זו מועילה במיוחד לאנשי מקצוע השואפים ל: מעבר לתפקיד ניהול בכיר ממוקד נתונים אסוף מומחיות אנליטית כדי להתמודד עם אחריות גדולה יותר השתמש במודלים חזויים כדי לבנות אסטרטגיות יעילות המטפלות בבעיות מפתח בפעילות העסקית ובאיכות המוצר הפוך למנהיג לצמיחה עסקית בת קיימא חוד החנית בעלות מלאה על משימות עסקיות מפתח והבנת ההשלכות האסטרטגיות הבסיסיות
-