Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Modelowanie analityczne w prognozowaniu rozwoju
Koordynator przedmiotu:
dr hab. inż. Grzeszczyk Tadeusz prof.PW
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Inżynieria Zarządzania
Grupa przedmiotów:
Specjalność: Innowatyka i Zarządzanie rozwojem
Kod przedmiotu:
-
Semestr nominalny:
3 / rok ak. 2019/2020
Liczba punktów ECTS:
2
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
2 ECTS 20h laboratorium + 20h zapoznanie się z literaturą + 20h przygotowanie do zajęć i dyskusji = 60h
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
0,8 ECTS 20h laboratorium =20h
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
2 ECTS 20h laboratorium + 20h zapoznanie się z literaturą + 20h przygotowanie do zajęć i dyskusji = 60h
Formy zajęć i ich wymiar w semestrze:
  • Wykład0h
  • Ćwiczenia0h
  • Laboratorium20h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Podstawy MS Excel
Limit liczby studentów:
- od 25 osób do limitu miejsc w sali laboratoryjnej (ćwiczenia)
Cel przedmiotu:
Celem przedmiotu jest przekazanie studentom teoretycznej wiedzy dotyczącej metod modelowania analitycznego w prognozowaniu rozwoju przedsiębiorstw i praktycznych umiejętności rozwiązywania wybranych problemów obliczeniowych.
Treści kształcenia:
Laboratorium: 1. Wprowadzenie, prezentacja celu i programu przedmiotu. 2. Modelowanie analityczne i prognozowanie w zarządzaniu rozwojem przedsiębiorstwa. 3. Budowanie modeli biznesowych przedsiębiorstwa. Bazowanie na ta-belach danych. Analiza scenariuszowa. Analiza ‘co-jeśli’ oraz analiza odwrotna ‘co-jeśli’. 4. Przykładowe obliczenia przy wykorzystaniu modeli: amortyzacja środków trwałych, depozyty i kredyty, szacowanie środków finansowych pochodzących z kredytu bankowego na cele rozwojowe, wyznaczanie rat kredytu, szacowanie wartości bieżącej i przyszłej. 5. Wycena aktywów – szacowanie współczynników beta w modelu jednoindeksowym. Analiza portfelowa inwestycji. Wyznaczanie stopy zwrotu z inwestycji w zależności od zaakceptowanego ryzyka. Model Sharpe'a. 6. Modele badań operacyjnych – prognozowanie rozwoju i optymalizacja produkcji w celu pełnego oraz racjonalnego wykorzystania posiadanych zdolności produkcyjnych, analiza rachunku zysków i strat w po-wiązaniu ze strukturą i kosztem produkcji, zadania transportowe. 7. Prognozowanie sprzedaży przedsiębiorstwa przy określonych ograniczeniach. Zastosowanie funkcji Excela oraz wybranego programu z sieciami neuronowymi. 8. Prognozowanie wydatków na reklamę przedsiębiorstwa. Planowanie obsady personalnej. Różne zastosowania diagramu Pareto-Lorenza. 9. Modele logiczne, regresyjne i ekonometryczne w ewaluacji projektów rozwojowych. Prognozowanie innowacji i technologii. 10. Podsumowanie przedmiotu i końcowe zaliczenia.
Metody oceny:
Laboratorium: 1. Ocena formatywna: wynika z aktywności studentów podczas zajęć, przedstawiania prezentacji oraz uczestnictwa w dyskusjach związanych z projektami studentów. 2. Ocena sumatywna: wynika z liczby przedstawionych prezentacji projektów oraz ich wartości merytorycznej.
Egzamin:
nie
Literatura:
Obowiązkowa: 1. DaimJisun T., Phan K., 2017 Research and Development Management. Technology Journey through Analysis, Forecasting and Decision Making, Springer. 2. Dittmann P., Szabela-Pasierbińska E., Dittmann I., Szpulak A. 2009 Prognozowanie w zarządzaniu przedsiębiorstwem. Kraków: Wolters Kluwer 3. Jackson M., Staunton M. 2004) Zaawansowane modele finansowe z wykorzystaniem Excela i VBA, Helion, Gliwice. 4. Szapiro T. 2000, Decyzje menedżerskie z Excelem, Warszawa: Polskie Wydawnictwo Ekonomiczne Uzupełniająca: 1. Antoch J., Jureckova J., Maciak M., Pesta M., 2015 Analytical Methods in Statistics, AMISTAT: Workshop on Analytical Meth-ods in Statistics, Springer. 2. Hingley P., Nicolas M. 2006 Forecasting Innovations. Methods for Predicting Numbers of Patent Filings, Springer. 3. Prędki A. 2017 Narzędzia analityczne w naukach ekonomicznych: Wybrane zastosowania, Kraków: Wydawnictwo UE
Witryna www przedmiotu:
www.olaf.wz.pw.edu.pl
Uwagi:
Warunkami zaliczenia przedmiotu są: aktywne uczestnictwo w zajęciach laboratoryjnych, przedstawienie prezentacji w uzgodnionym ter-minie i pozytywna ocena co najmniej jednego projektu.

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt I2_W01
w pogłębionym stopniu teorie naukowe właściwe dla nauk o zarządzaniu oraz kierunki ich rozwoju, a także zaawansowaną metodologię badań ze szczególnym uwzględnieniem analityki biznesowej oraz zarządzania projektami
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt I2_W07
główne trendy rozwojowe w zakresie nauk o zarządzaniu
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - umiejętności

Efekt I2_U01
identyfikować, interpretować i wyjaśniać złożone zjawiska i procesy społeczne oraz relacje między nimi z wykorzystaniem wiedzy z zakresu zarządzania
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt I2_U06
analizować, prognozować i modelować złożone procesy społeczne z wykorzystaniem zaawansowanych metod i narzędzi z zakresu zarządzania, w tym narzędzi IT
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Efekt I2_K01
krytycznej oceny odbieranych treści
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt I2_K02
uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz konieczności samokształcenia się przez całe życie
Weryfikacja: Ocena projektów i prezentacji
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe: