6.1 Understand the applications of prescriptive analytics techniques in combination with reporting and predictive analytics 6.2 Understand the basic concepts of analytical decision modeling 6.3 Understand the concepts of analytical models for selected decision problems, including linear programming and simulation models for decision support 6.4 Describe how spreadsheets can be used for analytical modeling and solutions 6.5 Explain the basic concepts of optimization and when to use them 6.6 Describe how to structure a linear programming model 6.7 Explain what is meant by sensitivity analysis, what-if analysis, and goal seeking 6.8 Understand the concepts and applications of different types of simulation 6.9 Understand potential applications of discrete event simulation

7.1 Learn what Big Data is and how it is changing the world of analytics 7.2 Understand the motivation for and business drivers of Big Data analytics 7.3 Become familiar with the wide range of enabling technologies for Big Data analytics 7.4 Learn about Hadoop, MapReduce, and NoSQL as they relate to Big Data analytics 7.5 Compare and contrast the complementary uses of data warehousing and Big Data technologies 7.6 Become familiar with select Big Data platforms and services 7.7 Understand the need for and appreciate the capabilities of stream analytics 7.8 Learn about the applications of stream analytics

8.1 Explore some of the emerging technologies that may impact analytics, business intelligence (BI), and decision support 8.2 Describe the emerging Internet of Things (IoT) phenomenon, potential applications, and the IoT ecosystem 8.3 Describe the current and future use of cloud computing in business analytics 8.4 Describe how geospatial and location-based analytics are assisting organizations 8.5 Describe the organizational impacts of analytics applications 8.6 List and describe the major ethical and legal issues of analytics implementation 8.7 Identify key characteristics of a successful data science professional

5.1 网络营销概述 5.1.1 网络营销的概念 5.1.2 网络营销的理论基础 5.1.3 网络营销的特点 5.2 网络市场调研 5.3 网络营销工具与方法

4.1 Define data mining as an enabling technology for business analytics 4.2 Understand the objectives and benefits of data mining 4.3 Become familiar with the wide range of applications of data mining 4.4 Learn the standardized data mining processes 4.5 Learn different methods and algorithms of data mining 4.6 Build awareness of the existing data mining software tools 4.7 Understand the privacy issues, pitfalls, and myths of data mining

第13章物流管理方法简介 13.1JIT准时制 13.2QR快速反应 13.3MRP物料需求计划 13.4DRP分销需求计划 13.5LRP物流资源计划

一、背景 1.物流是现代经济中重要组成部分 (中国物资流通协会物流委员会主任、中国物流网首席主持人 王之泰教授) 物流是若干领域经济活动系统的、集成的、一体的 现代概念。它的基本含义可以理解为: “按用户(商品的购买者、需求方、下一道工 序、货主等)要求,将物的实体(商品、货物、原 材料、零配件、半成品等等)从供给地向需要 地转移的过程

一、背景 1. 物流是现代经济中重要组成部分 （中国物资流通协会物流委员会主任、中国物流网首席主持人 王之泰教授） 物流是若干领域经济活动系统的、集成的、一体的 现代概念。它的基本含义可以理解为: “按用户（商品的购买者、需求方、下一道工 序、货主等）要求，将物的实体（商品、货物、原 材料、零配件、半成品等等……）从供给地向需要 地转移的过程

案例：澳大利亚的国民银行 十分重视对客户的管理 每天将所收集的客户数据放到数据仓库中。设定智能分析机制,对客户交易状态进行管理客户状态异常的情况发生,数据仓库会自动做出相关统计

目 录 1学科基础课必修课程 《高等数学 B1》 《高等数学 B2》 《概率论与数理统计 B》 《线性代数》 《微观经济学 A》 《宏观经济学 A》 《政治经济学》 《经济史》 《经济学社会调查》 《计量经济学 A》 2学科基础课选修课程 《学术英语》 《数据库原理与应用 B》 《电子商务与网络营销 B》 《管理信息系统》 《经济写作》 《经济学专业导论》 《经贸英语听力》 《经贸英语口语》 《商务英语写译》 《国际投资学》 《国际税收》 《基础会计学 B》 《基础会计学》 《制度经济学》 《保险学 A》 《金融学》 3专业必修课程 《统计学 A》 《管理学 A》 《国际经济学》 《金融经济学》 《财政学》 《计量统计软件应用》实验 《经济学毕业实习》 《经济学专业实习》 经济学专业《毕业论文 1》 经济学专业《毕业论文 2》 经济学专业认知实习大纲 经济学专业《学年论文 1》 经济学专业《学年论文 2》 4专业选修课程 《金融市场学》 《区域经济学》 《资源与环境经济学》 《中央银行学》 《货币银行学 B》 《投资学 A》 《商务英语函电》 《高级财务管理学 A》 《当代中国经济》 《发展经济学》 《世界政治与经济》 《财务报表分析》 《产业经济学》 《国际贸易实务 B》