| 授業名 | Business Analytics (DMP) |
|---|---|
| Course Title | Business Analytics |
| 担当教員 Instructor Name | 笹沼 克信（Katsunobu Sasanuma） |
| コード Couse Code | CLD205_G23T |
| 授業形態 Class Type | 講義 Regular course |
| 授業形式 Class Format | Campus & Live |
| 単位 Credits | 2 |
| 言語 Language | JP |
| 科目区分 Course Category | 発展科目300系 / Advanced & Specialized |
| 学位 Degree | Exed |
| 開講情報 Terms / Location | 2023 GSM Tokyo Fall |
授業の概要 Course Overview
Misson Statementとの関係性 / Connection to our Mission Statement
本科目では、不確実性やビッグデータに対応するための重要なツールとなる、さまざまな分析技術を学びます。また、新しいビジネスの創造に貢献できるイノベーティブなリーダーの育成を目指します。
This course teaches various analytic techniques, which will be a key tool to deal with uncertainty and big data. The course also aims to educate innovative leaders who can contribute to the creation of new business.
授業の目的（意義） / Importance of this course
この科目では、公式の導出ではなく、重要な分析手法の概念の理解に重点を置いています。アクティブラーニングによる授業を通して、重要な概念を理解する能力と、様々な分析手法の実務的な知識を身に付けることができます。また、クラスメートと協力し、グループディスカッションを行います。
The course emphasizes the understanding of the concepts of important analytical techniques, not the derivations of formulas. Through active learning teaching in this course, students will develop an ability to understand key concepts and working knowledge of various analytic techniques. Students also cooperate with their classmates and discuss their ideas in groups.
到達目標 / Achievement Goal
この科目を受講する生徒は、システムのパフォーマンスを定量的に分析する技術を学び、その本質的な考え方を理解します。また、意思決定における様々なトレードオフに対して的確に判断を行い、企業/組織を効率的に運用する能力を身に付けることができます。
Students taking this course will acquire an ability to analyze performance of systems quantitatively, gain insights into performance characteristics, recognize various trade-offs in operational decisions, and apply concepts and analytical methods to firms/organizations to improve their operational performances.
本授業の該当ラーニングゴール Learning Goals
*本学の教育ミッションを具現化する形で設定されています。
LG1 Critical Thinking
LG3 Ethical Decision Making
LG4 Effective Communication
LG5 Executive Leadership (EMBA)
LG6 Innovative Leadership (MBA)
LG3 Ethical Decision Making
LG4 Effective Communication
LG5 Executive Leadership (EMBA)
LG6 Innovative Leadership (MBA)
受講後得られる具体的スキルや知識 Learning Outcomes
本科目を履修すると、以下のようなトピックにおける様々な分析技術のキーコンセプトやツールを理解することができます。
1. 確率・統計の基本概念とツール
2. 意思決定理論
3. 最適化
4. 統計的制御理論
5. Pythonプログラミング
6. 機械学習アルゴリズム
1. 確率・統計の基本概念とツール
2. 意思決定理論
3. 最適化
4. 統計的制御理論
5. Pythonプログラミング
6. 機械学習アルゴリズム
Upon successful completion of this course, students will understand the key concepts/tools of various analytic techniques on the topics such as
1. Basic Concepts and Tools in Probability and Statistics
2. Decision Theory
3. Optimization
4. Statistical Control Theory
5. Python Programming
6. Machine Learning Algorithms
1. Basic Concepts and Tools in Probability and Statistics
2. Decision Theory
3. Optimization
4. Statistical Control Theory
5. Python Programming
6. Machine Learning Algorithms
SDGsとの関連性 Relevance to Sustainable Development Goals
Goal 4 質の高い教育をみんなに（Quality Education）
教育手法 Teaching Method
| 教育手法 Teaching Method | % of Course Time | |
|---|---|---|
| インプット型 Traditional | 40 % | |
| 参加者中心型 Participant-Centered Learning | ケースメソッド Case Method | 60 % |
| フィールドメソッド Field Method | 0 % | 合計 Total | 100 % |
事前学修と事後学修の内容、レポート、課題に対するフィードバック方法 Pre- and Post-Course Learning, Report, Feedback methods
明らかな解決策が存在しない難問を解く力を身に付けるために、公式は一切覚えないで下さい。公式を使って解くような問題は、すべてAIが答えてくれます。実世界の複雑な問題を解決する際には、問題やツールの本質を理解することが知識よりも重要です。学習やレポート作成に当たっては、正解を見つけることよりも、自分の頭で考えることに重点を置いてください。
授業前に配布されるケースを読み資料を分析し、課題を提出し、ディスカッションの準備を十分にした上で授業に臨んでください。授業の準備に少なくとも3時間程度を費やしてください。
必ずPCを持参してください。（Excel及びGoogle Colabを利用予定。）
フィードバックは授業中、もしくは課題の返却時に行います。
シラバス及びケースは講義の進捗状況を見て、適宜変更する可能性があります。
授業前に配布されるケースを読み資料を分析し、課題を提出し、ディスカッションの準備を十分にした上で授業に臨んでください。授業の準備に少なくとも3時間程度を費やしてください。
必ずPCを持参してください。（Excel及びGoogle Colabを利用予定。）
フィードバックは授業中、もしくは課題の返却時に行います。
シラバス及びケースは講義の進捗状況を見て、適宜変更する可能性があります。
授業スケジュール Course Schedule
第1日（Day1）
意思決定理論●使用するケース
フリーマーク・アビー・ワイナリー（要約版）（HBSケース）第2日（Day2）
最適化理論●使用するケース
DHL Supply Chain （IVEYケース）第3日（Day3）
統計的品質管理●使用するケース
Six Sigma Quality at Flyrock Tires（Kelloggケース）第4日（Day4）
Pythonプログラミング、機械学習アルゴリズム●使用するケース
GROW：人工知能を用いて人間知能をスクリーニングする（HBSケース）成績評価方法 Evaluation Criteria
*成績は下記該当項目を基に決定されます。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
挙手発言（40％のWeight）：発言回数だけでなく、発言内容についても考慮します。
ミニクイズ（30％のWeight）：授業で学んだ基本事項及びケースについて、理解できているかどうかを確認するためのミニクイズを出します。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
| 講師用内規準拠 Method of Assessment | Weights |
|---|---|
| コールドコール Cold Call | 0 % |
| 授業内での挙手発言 Class Contribution | 40 % |
| クラス貢献度合計 Class Contribution Total | 40 % |
| 予習レポート Preparation Report | 30 % |
| 小テスト Quizzes / Tests | 30 % |
| シミュレーション成績 Simulation | 0 % |
| ケース試験 Case Exam | 0 % |
| 最終レポート Final Report | 0 % |
| 期末試験 Final Exam | 0 % |
| 参加者による相互評価 Peer Assessment | 0 % |
| 合計 Total | 100 % |
評価の留意事項 Notes on Evaluation Criteria
予習レポート（30％のWeight）：予習レポートのGoogle Classroomへの提出が必要です。挙手発言（40％のWeight）：発言回数だけでなく、発言内容についても考慮します。
ミニクイズ（30％のWeight）：授業で学んだ基本事項及びケースについて、理解できているかどうかを確認するためのミニクイズを出します。
教科書 Textbook
- 配布資料
参考文献・資料 Additional Readings and Resource
(1) 河本薫 データ分析・AIを実務に活かす データドリブン思考 ダイヤモンド社 (2022) ISBN-13: 978-4478115114
(2) 山田祥寛 独習Python 翔泳社 (2020) ISBN-13: 978-4798163642
(3) 赤石雅典 Pythonで儲かるAIをつくる 日経BP（2020）ISBN-13: 978-4296106967
その他、中央情報センター（図書館）の蔵書を積極的に活用してください。
(2) 山田祥寛 独習Python 翔泳社 (2020) ISBN-13: 978-4798163642
(3) 赤石雅典 Pythonで儲かるAIをつくる 日経BP（2020）ISBN-13: 978-4296106967
その他、中央情報センター（図書館）の蔵書を積極的に活用してください。
授業調査に対するコメント Comment on Course Evaluation
初年度担当科目。皆さんの理解度に応じて授業内容と進み具合を調整します。
担当教員のプロフィール About the Instructor
東京大学教養学部基礎科学科卒業後、東京大学大学院理学系研究科相関理化学修了（物性物理学専攻）。東芝研究開発センター（研究員）、アルメック（コンサルタント）を経てハーバード大学とマサチューセッツ工科大学において修士課程（公共政策及びオペレーションズリサーチ専攻）を修了した後、カーネギーメロン大学においてPh.D.取得（オペレーションズマネージメント専攻）。その後ニューヨーク州立大学ストーニーブルック校アシスタントプロフェッサーを経て、現職。現在、名古屋商科大学経営学部教授、及び東北大学大学院経済学研究科客員教授。専門は確率モデル、待ち行列理論、在庫管理、交通システム、データアナリティクス等。これまでオペレーションズリサーチ、オペレーションズマネージメント、ビジネスアナリティクス等の各授業を担当し、研究成果は国際学会及び国際ジャーナルに発表されている。
Katsunobu Sasanuma is a professor at NUCB, Nagoya University of Commerce and Business. He also holds a visiting professor position at the Graduate School of Economics and Management at Tohoku University. Prior to joining the faculty at NUCB, Dr. Sasanuma was an assistant professor at College of Business at Stony Brook University, State University of New York.
His research areas include stochastic modeling, queueing theory, inventory management, transportation systems, and data analytics. He possesses an interdisciplinary background with a decade of accumulated consulting, business, and engineering experience including an R&D work at Toshiba focusing on LEDs and laser diodes. He has taught classes in Operations Research/Operations Management/Business Analytics. His work has been presented at various conferences and has appeared in professional journals.
BA and MS, University of Tokyo (1990 and 1992, resp.)
MPA, Harvard University (2005)
MS in Operations Research and Technlogy&Policy, MIT (2009)
PhD in Public Policy and Management (Operations Management), Carnegie Mellon University (2015)
Refereed Articles
- (2024) Evaluating the Effectiveness of Recommendation Engines on Customer Experience Across Product Categories. International Journal of Technology and Human Interaction (IJTHI) 1548-3908
- (2022) A marginal analysis framework to incorporate the externality effect of ordering perishables. Operations Research Perspectives (Elsevier) 9(100230): 2214-7160
- (2022) Controlling arrival and service rates to reduce sensitivity of queueing systems with customer abandonment. Results in Control and Optimization (Elsevier) 6(100089): 2666-7207
- (2022) An opaque selling scheme to reduce shortage and wastage in perishable inventory systems. Operations Research Perspectives (Elsevier) 9(100220): 2214-7160
- (2021) Evaluating the Dynamic Impact of Theater Performances and Sports Events on Parking Demand in Downtown Pittsburgh. Smart Cities 4(4): 2624-6511