Forecast og anvendt statistik

Læringsforløbet fokuserer på forecasting som en proces i forsyningskæden. Det bliver med afsæt i beskrivende statistik, now-casting med økonomiske indikatorer og grundlæggende Machine Learning modeller. Den studerende vil være i stand til at forstå og analysere data for now-casting, opstille og validere forecasting resultater på baggrund af kvantitative metoder inden grundlæggende Machine Lear-ning. Forstå og kunne anvende sandsynlighedsfordelinger i forbindelse med fore-casting og opsætning af produktionsplaner og forecasting af efterspørgsel.

• Teorien og de mest anvendte modeller indenfor forecast
• Ledelsesbeslutninger, som danner baggrund for forecast
• Færdigheder, der er nødvendige for at forstå og forholde sig kritisk til teoretiske tilgange og diskutere og vælge mellem forskellige mulige forecast-strategier
• Grundlæggende beskrivende statistik
• Væsentlige sandsynlighedsfordelinger
• Kvantitative metoder og analyser
• Brugen af Excel i statistiske funktioner • Demonstrere et grundlæggende kendskab til teorier og modeller, der anvendes til forecast
• Vise evne til at vurdere styrker og svagheder ved forecast-teorier og modeller i en given forretningssituation
• Udarbejde og præsentere ledelsen for en velbegrundet analyse af mulige forecast-optimeringer udfra given information og et sæt teorier
• Udarbejde statistiske analyser
• Foretage hypoteseafprøvning
• Beskrive, analysere og fortolke data ved hjælp af Excel • Vælge de bedste forecast-modeller og anbefale, hvordan man måler forecast-nøjagtighed
• Identificere, analysere og evaluere forskellige forecast-teknikker præsenteret i fagets modeller, teorier og begreber
• Udarbejde et forecast-system baseret på virksomhedens forretningsmæssige situation
• Forstå statistiske metoders sammenhæng, når man bruger statistisk bereg-ningssoftware til bearbejdning
• Anvende grundlæggende færdigheder samt mellemsvære til avancerede funktioner til at styre og revidere talrapporter
• Udarbejde og håndtere diagrammer og arbejde med forskellige former for grafik

På Cphbusiness arbejder vi med den læringstilgang, at erhvervskompetencer udvikles bedst ved, at uddannelsens studieaktiviteter sætter praksis og konkrete problemstillinger i centrum for læringen. Og at det er arbejdet med at skabe værdi i praksis, der driver motivationen og engagementet hos de studerende.
Cphbusiness tager derfor udgangspunkt i en uddannelsesmodel, der fokuserer på:
At facilitere et motiverende og engagerende læringsmiljø baseret på praksis
At omsætte og formidle relevant viden fra forskning og erhverv i en konkret praksis
At understøtte de studerendes aktive deltagelse og studieintensitet gennem relevante studieaktiviteter
At inddrage de studerendes viden og erhvervserfaring som en ressource, så de studerende er medskabere af læring
At understøtte læring gennem løbende dialog og en fælles feedbackkultur
At der kan arbejdes fleksibelt og med inddragelse af digitale læringsaktiviteter, der fokuserer på at udnytte vores ressourcer og forbedre de studerendes læringsudbytte, uafhængig af tid og sted.
Der er flere forskellige undervisnings- og arbejdsformer på Cphbusiness, der understøtter den studerendes læring. Eksempelvis forelæsninger, casearbejde, mindre opgaver, praktiske og teoretiske øvelser, mundtlige oplæg, hjemmearbejde, ekskursioner og lignende.

Undervisningen er tilrettelagt i et eller flere læringsflows per semester.

Formålet med arbejdsformerne er, at de studerende tilegner sig viden, færdigheder og kompetencer inden for uddannelsens fagområder, og at den studerende endvidere anvender disse i overensstemmelse med uddannelsens mål for læringsudbytte.