National Sun Yat-sen University 108Academic year1st Semester Course syllabus
中文名稱 Course name(Chinese)
商務數據分析
課號 Course Code
BM678
英文名稱 Course name(English)
BUSINESS ANALYTICS
課程類別 Type of the course
講授類
必選修 Required/Selected
選修
系所 Dept./faculty
企業管理學系企業管理碩士班
授課教師 Instructor
卓雍然
學分 Credit
3
因應嚴重特殊傳染性肺炎(武漢肺炎)，倘若後續需實施遠距授課，授課方式調整如下：
尚未建立傳染性肺炎(武漢肺炎)授課方式調整
因應嚴重特殊傳染性肺炎(武漢肺炎)，倘若後續需實施遠距授課，評分方式調整如下：
尚未建立傳染性肺炎(武漢肺炎)課程評分方式﹝評分標準及比例﹞
課程大綱 Course syllabus
本課程教學大綱已提供完整英文資訊（本選項僅供統計使用，未提供完整英文資訊者，得免勾記）【Provide information of course syllabus in English.(This is for statistical use only. For those who do not provide information of course syllabus in English, do not check this field.)】
【課程網頁】 https://bap.cm.nsysu.edu.tw/?page_id=1558 本課程是【智慧創新跨域人才培育計畫 (https://bap.cm.nsysu.edu.tw/?page_id=1638)】之下三個微學程的第一個共同課程，這個計畫不限系所招收對智慧創新有興趣，願意投入大量時間學習程式設計和商業數據分析的同學，中山大學所有系所大三以上的在校生都可以參加；對於沒寫過程式的同學，在這一個課程之中妳將學會在R語言的環境之下實際操作各種分析方法，並依據分析的結果來做商業決策；對於資工、資管科系的同學，你將學會如何將你的資訊專長應用到財務會計、人力資源、產品規劃 、定價與競爭等等，這一些公司層級的策略管理活動上面，讓你有更多的機會從機房走進辦公室，從系統管理員晉升為高階經理人。這一個課程同時也為： 。 商業大數據分析 (https://bap.cm.nsysu.edu.tw/?page_id=1552)， 。 數位行銷與電子商務 (https://bap.cm.nsysu.edu.tw/?page_id=1554) 和 。 金融科技與服務創新 (https://bap.cm.nsysu.edu.tw/?page_id=1556) 這三個微學程奠定基礎，為學習大數據、雲端運算、機器學習和人工智慧這一些先進技術和它們的商業應用做好準備。 【課程大綱】 PART-I 程式語言與機率統計 PROGRAMMING & STATISTICS + R語言與基本程式設計 Intro. R Language . 。 R語言簡介 Intro. R & RStudio . 。 資料整理與資料探索 Data Manipulation & Exploration . 。 資料視覺化 Data Visualization . 。 基礎機率與統計 Probability & Statistics . 。 機率概論 Fundamental Probability + 推論統計與模型 Inferential Statistics & Model . 。 尺度縮減與集群分析 Dimension & Cluster . 。 線性回歸與邏輯式回歸 Linear & Logistics Regression . PART-II 商業數據分析實務 BUSINESS ANALYTICS PRACTICES + 商業數據分析方法的基本應用 . 。 資料探索 Exploratory Data Analysis . 。 預測數量 Regression & Predicting Numeric Outcome . 。 預測類別(機率) Classification & Predicting Probability . 。 市場區隔 Clustering Analysis, Market Segmentation + 電子商務資料案例 CASE: eCommerce Dataset . 。 關聯式資料集 Relational Data set . 。 時間與空間資料 Spatial Temporal Data . 。 產品、目錄與廠商資料 Products, Catalog & Suppliers . 。 物流績效資料 Delivery Matrices . 。 顧客評價與評論 Customer Rating & Reviews + 顧客價值管理資料案例 CASE: Market Simulation & Marketing Plan . 。 交易紀錄 Transaction Log . 。 經營狀況分析 Trend & Cross Analysis . 。 顧客分群與標籤 Segmentation, Clustering & Tagging . 。 群組特徵、群間流量 Group Characteristics & Group Dynamics . 。 預測回購機率與營收貢獻 Re-Purchase Prob. & Exp. Revenue . 。 計算顧客終生價值 . 。 從預測到決策 Prediction vs. Decision . 。 假設與模擬 Assumption and Simulation . 。 設定行銷標的 Target Customers & Marketing Objectives . 。 設計行銷工具 Marketing Instrument Design (with Assumption) . 。 市場模擬 Marketing Simulation . 。 預估績效 Performance Evaluation 【選修條件】 這是一個內容份量相當重的課程，每一週上課之前妳需要先做課前預習(YouTube預習影片或Readings)，聽完指定的線上課程單元，每一單元上完課都會有好幾份程式要寫，隨著課程的進度會有一系列的線上測驗和認證，妳常會需要在助教時間到教室來跟大家一起討論才能完成，期中、期末的小組專案作業的份量也會很重，整個學期妳需要跟不同系所的同學(我們會強制跨系所分組)分工合作、互補專長、互助學習，才會有好的成績；取決於妳原來對程式語言和機率統計的熟悉程度，平均每一週妳會需要預留9到12個小時(含上課)的時間在這個課程裡面，所以雖然我們沒有【限修條件】，我們希望妳詳細考慮過妳的時間安排之後再來選修。No Pain, No Gain! 不論妳原來的背景和基礎，只要妳付出足夠多的時間，妳就能夠在這一系列課程之中學會程式設計、機率統計、大數據、雲端運算、人工智慧以及它們的商業實務應用，增加妳在數位社會之中的價值、提高妳在就業市場的競爭力。 Capitalizing the business school’s Big Data Computation Platform, in this course we teach: (1) R Language Basics, (2) Data Visualization and Exploration, (3) Basic Statistics Methods, (4) High-Level Application R-Packages, and (5) Optimization & Strategic Planning. Besides business analysis, this course also prepares the students for advanced technical courses related to big data, machine learning and artificial intelligence.
課程目標 Objectives
本課程的首要目標是【1】幫助非資訊領域的同學跨越程式語言的進入障礙，我們認為學習程式語言的重點在於實作，所以簡單介紹完R語言之後，我們會 【2】在R語言的環境下幫同學複習基本的機率與統計分析方法，然後我們會使用實際的資料案例，讓同學們 【3】學習如何使用程式語言和機率統計來幫助我們處理重要的商業實務，如：市場區隔、品牌定位、價量關係、定價策略、產品設計、市場競爭等等。在我們正式介紹大數據相關的技術之前，我們計畫透過這一系列的資料案例讓同學們親身【4】體驗程式語言、機率統計和商管知識這三者之間的強大綜效。 1. Introduce R Language. Overcome the entry barrier of programming language with interactive notebooks, web-pages and web-based simulation tools. 2. Prepare the students for advanced analytics courses that involve big-data, ma-chine learning and/or artificial intelligence, e.g., the summer class offered by the college of management. 3. Develop major business analytics skills, including market segmentation, brand positioning, customer value management, revenue management, new product development, product design, product line planning, price discrimination, and competitive/dynamic pricing.
1.課程參與 Class Participation：10% 2.小組作業 Group Assignment：20% 3.個人作業 Individual Assignment：20% 4.期中專案 Midterm Project：20% 5.期末專案 Final Project：30%
參考書/教科書/閱讀文獻 Reference book/ textbook/ documents
〔請遵守智慧財產權觀念，不可非法影印。教師所提供之教材供學生本人自修學習使用,不得散播及做為商業用途〕
No copies for intellectual property rights. Textbooks provided by the instructor used only for self-study, can not broadcast or commercial use
本課程以自製教材為主，原則上不使用教科書，參考書目暫定如下： Primarily use web based course material. Text book is not required. Reference includes: 1. Field, A., Miles, J. & Field, Z. (2012). Discovering Statistics Using R. SAGE Publications Ltd. 2. Kabacoff, R. (2015). R in Action: Data Analysis and Graphics with R. Manning Publications 3. Venkatesan, R., Farris, P., & Wilcox, R. T. (2015). Cutting-edge marketing analytics: real world cases and data sets for hands on learning. Pearson Education. 4. Wickham, H. & Grolemund, G. (2017). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O’Reilly Media.
彈性暨自主學習規劃 Alternative learning periods
本門課程是否有規劃實施學生彈性或自主學習內容（每1學分2小時）
Is any alternative learning periods planned for this course (with each credit corresponding to two hours of activity)?
否：教師需於「每週課程內容及預計進度」填寫18週課程進度（每1學分18小時之正課內容）。 No：The instructor will include an 18-week course plan in the weekly scheduled progress (each credit corresponds to 18 hours of instruction)
是：教師需於「每週課程內容及預計進度」填寫16週課程內容（每1學分16小時之正課內容），並於下列欄位填寫每1學分2小時學生彈性或自主學習內容。 Yes：The instructor will include a 16-week course plan in the weekly scheduled progress (each credit corresponds to 16 hours of instruction);the details of the planned alternative learning periods are provided below (each credit corresponds to two hours of activity).
學生彈性或自主學習活動 Alternative learning periods
勾選或填寫規劃內容 Place a check in the appropriate box or provide details
時數 Number of hours
學生分組實作及討論 Group work and discussion
參與課程相關作業、作品、實驗 Participation in course-related assignments, work, or experiments
參與校內外活動（研習營、工作坊、參訪）或競賽 Participation in on- or off-campus activities (e.g., seminars, workshops, and visits) or competitions
課外閱讀 Extracurricular reading
線上數位教材學習 Learning with online digital learning materials
其他（請填寫規劃內容） Other (please provide details)
每週課程內容及預計進度 Weekly scheduled progress
週次
日期
授課內容及主題
Week
Date
Content and topic
1
2019/09/09~2019/09/15
課程簡介：商業分析、機率與程式 Course Intro. - Business Analytics
2
2019/09/16~2019/09/22
R語言和R的工作環境 R Language & RStudio
3
2019/09/23~2019/09/29
簡單資料處理與繪圖 Data Manipulation & Simple Visualization
4
2019/09/30~2019/10/06
資料處理與繪圖套件 Manipulation & Visualization Packages
5
2019/10/07~2019/10/13
機率概論 in R, Fundamental Probability in R
6
2019/10/14~2019/10/20
機率與程式 Probability and Programming
7
2019/10/21~2019/10/27
基礎統計 in R Basic Statistics in R
8
2019/10/28~2019/11/03
基礎機率統計重點整理 Probability, Statistics & Programming
9
2019/11/04~2019/11/10
期中專案競賽 Midterm Project Presentastion
10
2019/11/11~2019/11/17
商業資料分析方法(集群分析) Segmentation & Cluster Analysis
11
2019/11/18~2019/11/24
尺度縮減與集群分析 Dimension Reduction & Exploration
12
2019/11/25~2019/12/01
相關性與線性回歸 Linear Regression
13
2019/12/02~2019/12/08
預測類別與機率：邏輯式回歸 Logistic Regression
14
2019/12/09~2019/12/15
類別模型、預測機率與策略規劃 Classification Models
15
2019/12/16~2019/12/22
分析、預測、模擬、規劃 Prediction vs. Decision
16
2019/12/23~2019/12/29
策略規劃：假設、模擬與優化 Assumption & Simulation
17
2019/12/30~2020/01/05
結論：回顧與前瞻 Business Analytics Conclusion
18
2020/01/06~2020/01/12
期末專案競賽 Final Project Presentation
課業討論時間 Office hours
時段1 Time period 1: 時間 Time：星期一15:00~17:00 地點 Office/Laboratory：依規定免登 時段2 Time period 2： 時間 Time：星期五15:00~17:00 地點 Office/Laboratory：依規定免登
系所學生專業能力/全校學生基本素養與核心能力 basic disciplines and core capabilitics of the dcpartment and the university
系所學生專業能力/全校學生基本素養與核心能力 basic disciplines and core capabilities of the department and the university
課堂活動與評量方式 Class activities and evaluation
本課程欲培養之能力與素養 This course enables students to achieve.
紙筆考試或測驗 Test.
課堂討論︵含個案討論︶ Group discussion (case analysis).
個人書面報告、作業、作品、實驗 Indivisual paper report/ assignment/ work or experiment.
群組書面報告、作業、作品、實驗 Group paper report/ assignment/ work or experiment.
個人口頭報告 Indivisual oral presentation.
群組口頭報告 Group oral presentation.
課程規劃之校外參訪及實習 Off-campus visit and intership.
證照/檢定 License.
參與課程規劃之校內外活動及競賽 Participate in off-campus/ on-campus activities and competitions.
課外閱讀 Outside reading.
※系所學生專業能力 Basic disciplines and core capabilities of the department
溝通能力與團隊合作(Communication ability and team cooperation) 1. Communication ability and team cooperation.
V
V
V
V
V
V
進階管理知識(Advanced knowledge of management) 2. Advanced knowledge of management.
V
V
V
V
V
倫理觀與社會責任實踐(Ethics and social responsibilities) 3. Ethics and social responsibilities.
問題分析與解決能力(Ability of problem analysis and solution) 4. Ability of problem analysis and solution.
V
V
V
V
V
V
V
國際觀與外語能力(Global perspective and foreign language ability) 5. Global perspective and foreign language ability.
※全校學生基本素養與核心能力 Basic disciplines and core capabilities of the university
1.表達與溝通能力。 1. Articulation and communication skills
V
V
V
V
V
V
2.探究與批判思考能力。 2. Inquisitive and critical thinking abilities
V
V
V
V
V
V
3.終身學習能力。 3. Lifelong learning
V
V
V
V
V
V
V
4.倫理與社會責任。 4. Ethnics and social responsibility
5.美感品味。 5. Aesthetic appreciation
6.創造力。 6. Creativity
7.全球視野。 7. Global perspective
8.合作與領導能力。 8. Team work and leadership
V
V
V
V
9.山海胸襟與自然情懷。 9. Broad-mindedness and the embrace of nature