Faglig innhold

Kurset bygger på konsepter og teknikker fra flere felt, inkludert forretningsdrift, ledelse, økonomi, sosiologi, informatikk og filosofi. Studentene skal kunne ha et bredt perspektiv på reelle problemer i arbeidslivet og se utfordringer som en helhet, ved å ta hensyn til ulike perspektiver, samt å se hvordan ulike deler passer sammen. Studentene skal bli i stand til å foreslå, designe og utvikle datadrevne løsninger som støtter opp om disse problemene.

Gjennom hele emnet vil vi bruke avanserte dataanalyseplattformer som støtter datarensing, utforskning, visualisering og predikeringer (f.eks. Tableau, PowerBI, KNIME, DataRobot). Studentene vil lære om statistiske konsepter og dataanalyseteknikker, og hvordan dette kan muliggjøre bedre beslutninger. Du vil også bruke Generative KI-verktøy (f.eks. chatGPT Copilot) for å utvikle ulike deler av oppgavene (f.eks. idédugnad, forretningsforståelse, analyse). Studentene skal få utdypende kunnskap om gitte verktøy og hvordan de fungerer, ved å koble verktøybruken til spesifikke problem. Emnet har et fokus på å finne nye og relevante problemer som skal løses, samtidig som man også får ideer til utforming av kreative løsninger på eksisterende problemer, ved bruk av eksisterende datasett.

Emnet gir studentene et systematisk grunnlag for å adressere endring i en digital virksomhet, og det bidrar til å bygge bro mellom digital transformasjon og digital bærekraft slik at man oppnår felles nytte som påvirker samfunnet som helhet. I emnet vil vi diskutere økosystemer for analyse av store datamengder (big data analytics ecosystems) og strategier for digital transformasjon som medfører forretnings- og samfunnsmessige endring. Sistnevnte vil være knyttet til eksempler fra den virkelige verden, ved bruk av case-studier.

Læringsutbytte

Etter å ha gjennomført emnet skal følgende samlede læringsutbytter være oppnådd:

Kunnskaper

Studentene skal:

• Ha kunnskaper om grunnleggende prinsipper innen dataanalyse og oversikt over konsepter og prinsipper relatert til dette på høyt nivå.
• Ha kunnskaper om hvordan dataanalyse kan fremme vellykkede digitale transformasjoner.
• Kunne bygge videre på hvordan generative KI-teknologier kan drive digitale transformasjoner ved å automatisere oppgaver og generere innsikt, samt arbeide med eksempler fra den virkelige verden som ser på hvordan generative KI-drevne transformasjoner foregår i ulike bransjer.

Ferdigheter

Studentene skal:

• Kunne analysere, visualisere og kommunisere rundt funn fra store datasett ved bruk av moderne plattformer og verktøy som bidrar til forbedrede prediksjoner.
• Kunne evaluere og vurdere forretningsmessige problemer, samt komme fram til og utvikle datadrevne forretningsmodeller, strategier og løsninger.
• Kunne utnytt generativ KI for å simulere forretningsscenarier, forutsi utfall eller lage nye dataløsninger skreddersydd for spesifikke forretningsbehov.

Generell kompetanse

Studentene skal:

• Kunne fremme dataanalytisk tenkning og forklare hvordan man kan hente ut kunnskap fra ulike typer data.
• Ha en overordnet forståelse for forskjellige datanalyseverktøy som vil bidra til mer effektiv kommunikasjon mellom ledelse, teknikere/utviklere og datavitenskapsteam.
• Kunne diskutere hvorfor og hvordan endringen i den digitale tidsalder og endringene i forhold til datatilgjengelighet kan transformere både arbeidslivet og samfunnet for øvrig.

Læringsformer og aktiviteter

Læringsaktivitetene er en blanding av forelesninger og studentaktiv læring med bruk av relevante IKT-verktøy. Videre legges det opp til gruppearbeid som inkluderer prosjektbaserte obligatoriske øvinger og presentasjoner.

Obligatoriske aktiviteter

• Øvinger

Spesielle vilkår

Anbefalte forkunnskaper

Grunnleggende kunnskap innen digitalisering og digital transformasjon.

Forkunnskapskrav

Emnet har studierettskrav, og er forbeholdt studenter tatt opp til Master i Digital Transformasjon.

Kursmateriell

Pensumlitteratur fastsettes ved kursstart. Aktuelle forskningsartikler og bøker kan være:

• Provost, F., & Fawcett, T. (2013). Data Science for Business: What you need to know about data mining and data-analytic thinking. " O'Reilly Media, Inc.". http://www.data-science-for-biz.com
• Kitchin, R. (2014). The Data Revolution: Big Data, Open Data, Data Infrastructures & their Consequences. Sage, 208