Δομή & Φιλοσοφία

    Έχουν ληφθεί υπόψη αρκετοί παράγοντες για τη διαμόρφωση του περιεχομένου του προγράμματος:

    • υπάρχοντα προγράμματα στον τομέα της επιχειρησιακής ανάλυσης (business analytics) και της επιστήμης δεδομένων (data science) σε σχολές διοίκησης επιχειρήσεων και τμήματα μηχανικών/επιστήμης υπολογιστών σε γνωστά πανεπιστήμια παγκοσμίως,

    • προτάσεις και εισηγήσεις των μελών της συμβουλευτικής επιτροπής του προγράμματος, η οποία αποτελείται από πανεπιστημιακούς καθηγητές και επαγγελματίες του κλάδου στις ΗΠΑ και την Ασία,

    • αξιολογήσεις, σχόλια και ανατροφοδότηση από τους συμμετέχοντες στα σεμινάρια και τα προγράμματα εξειδίκευσης του ΟΠΑ (AUEB) στη Μεγάλη Δεδομένα (Big Data) και την Επιχειρησιακή Ανάλυση (Business Analytics) κατά τα τελευταία δύο χρόνια.

    Συνοπτικά, το πρόγραμμα καλύπτει σε βάθος θεωρητικές έννοιες σχετικά με τις επιχειρήσεις, τη στατιστική και τη διαχείριση δεδομένων, αναγνωρίζοντας παράλληλα τη σημασία της πρακτικής εκπαίδευσης σε συστήματα και εργαλεία. Επιπλέον, έχει δοθεί ιδιαίτερη προσοχή στην “απαίτηση εύρους”: την έκθεση των συμμετεχόντων σε εφαρμογές αναλυτικής σε διαφορετικά πεδία και τομείς. Το αποτέλεσμα είναι ένα ισορροπημένο πρόγραμμα μεταξύ θεωρίας και πράξης. Οι θεωρητικές έννοιες αντιστοιχούν στο 50% του προγράμματος, τα συστήματα και εργαλεία στο 25% και η “απαίτηση εύρους” σε ένα ακόμη 25%.

    Οι θεωρητικές έννοιες κατανέμονται σε τέσσερις ευρείες θεματικές περιοχές:

    • Επιχειρηματικό Περιβάλλον και Διαδικασίες (Πληροφοριακά Συστήματα & Διαχείριση Επιχειρησιακών Διαδικασιών, Καινοτομία και Επιχειρηματικότητα, Επιχειρηματικά και Ζητήματα Ιδιωτικότητας στην Ανάλυση Δεδομένων)

    • Στατιστική (Στατιστική για Επιχειρησιακή Ανάλυση Ι, Στατιστική για Επιχειρησιακή Ανάλυση ΙΙ, Προχωρημένα Θέματα στη Στατιστική)

    • Διαχείριση Δεδομένων (Διαχείριση Δεδομένων & Επιχειρησιακή Ευφυΐα, Συστήματα Μεγάλων Δεδομένων, Προχωρημένα Θέματα στη Μηχανική Δεδομένων)

    • Βελτιστοποίηση και Ανακάλυψη Γνώσης (Βελτιστοποίηση Μεγάλης Κλίμακας, Εξόρυξη Μεγάλων Συνόλων Δεδομένων, Ανάλυση Κοινωνικών Δικτύων)

    Η πρακτική εκπαίδευση σε συστήματα και εργαλεία περιλαμβάνει τις ακόλουθες πλατφόρμες: SAS, R, Hadoop και συναφή έργα, Spark, MongoDB, Redis, Neo4j, Python (προκαταρκτικά).

    Τέλος, θα παρουσιαστούν μελέτες περίπτωσης στους τομείς των οικονομικών, του μάρκετινγκ, της υγείας, της ενέργειας, των ανθρώπινων πόρων, των μεταφορών και της αναλυτικής εφοδιαστικής αλυσίδας.