Spécialisation L'analyse au service de la prise de décision

Dans ce monde dominé par les données, les entreprises cherchent souvent à savoir quelle est la "meilleure" ligne de conduite, compte tenu des données. Par exemple, les fabricants doivent décider du nombre d'unités d'un produit à produire en fonction de la demande estimée et de la disponibilité des matières premières Doivent-ils fabriquer tous les produits en interne ou en acheter certains à un tiers pour répondre à la demande ? L'analyse prescriptive est la branche de l'analyse qui peut fournir des réponses à ces questions. Elle est utilisée pour prescrire des décisions basées sur des données. La méthode la plus importante dans la boîte à outils de l'analyse prescriptive est l'optimisation. Ce cours présente aux étudiants les principes de base de l'optimisation linéaire pour la prise de décision. À l'aide d'exemples pratiques, ce cours enseigne comment convertir un scénario de problème en un modèle mathématique qui peut être résolu pour obtenir le meilleur résultat commercial. Nous apprendrons à identifier les variables de décision, la fonction objective et les contraintes d'un problème, et à les utiliser pour formuler et résoudre un problème d'optimisation à l'aide d'un solveur Excel et d'une feuille de calcul.

Les analystes commerciaux doivent être en mesure de prescrire des solutions optimales aux problèmes. Mais les cours d'analyse se concentrent souvent sur la formation des étudiants à l'analyse et à la visualisation des données, sans les aider à comprendre comment prendre les données disponibles et les associer au bon modèle mathématique pour formuler une solution. Ce cours est conçu pour relier les données et les modèles à des scénarios de prise de décision dans le monde réel, dans les domaines de la fabrication, de la chaîne d'approvisionnement, de la finance, de la gestion des ressources humaines, etc. En particulier, nous comprenons comment l'optimisation linéaire - une méthode analytique prescriptive - peut être utilisée pour formuler des problèmes de décision et fournir des solutions optimales basées sur des données. Tout au long de ce cours, nous travaillerons sur des problèmes appliqués à différentes industries, tels que : (a) Décisions financières : Comment un gestionnaire d'investissement devrait-il créer un portefeuille optimal qui maximise les rendements nets tout en ne prenant pas trop de risques à travers différents investissements ? (b) Décisions de production : Compte tenu de la demande prévue, de l'offre de matières premières et des coûts de transport, quel serait le volume optimal de produits à fabriquer dans différentes usines ? (c) Décisions en matière de ressources humaines : Combien de travailleurs faut-il embaucher ou licencier sur un horizon de planification pour minimiser les coûts tout en répondant aux besoins opérationnels d'une entreprise ? (c) Fabrication : Quelle serait la gamme de produits à produire pour maximiser le profit, compte tenu de la disponibilité des matières premières et de la demande des clients ? Nous apprendrons à formuler ces problèmes sous forme de modèles mathématiques et à les résoudre à l'aide de la feuille de calcul Excel.

Ce cours s'adresse principalement aux étudiants de troisième et quatrième année de licence ou aux étudiants de troisième cycle intéressés par l'apprentissage des techniques de simulation pour résoudre des problèmes d'entreprise.

Le cours vous présentera des problèmes commerciaux quotidiens et complexes qui n'ont pas de réponse correcte unique en raison des incertitudes qui existent dans les environnements commerciaux. La modélisation de simulation nous permet d'explorer différents résultats et de protéger les intérêts personnels ou professionnels contre des résultats non désirés. Nous pouvons modéliser les incertitudes en utilisant les concepts de probabilité et de raisonnement par étapes. Le raisonnement par étapes nous permet de décomposer le problème en éléments plus petits, d'explorer les dépendances entre les événements liés et de nous concentrer sur les aspects du problème qui sont susceptibles de changer en raison d'incertitudes futures. Le cours vous présentera des techniques Excel avancées pour modéliser et exécuter des modèles de simulation. De nombreuses techniques Excel apprises dans le cours seront utiles au-delà de la modélisation de simulation. Nous apprendrons à la fois les techniques de simulation de Monte Carlo, où le résultat global est d'un intérêt primordial, et la simulation d'événements discrets, où les dépendances intermédiaires entre des événements liés peuvent être intéressantes. Le cours vous présentera plusieurs aspects pratiques de la modélisation de simulation qui ne sont généralement pas abordés dans les manuels. Le cours utilise quelques exemples courants tout au long du cours pour démontrer les concepts et fournir des exemples concrets de modélisation. Après avoir suivi le cours, l'étudiant sera en mesure de développer des modèles de simulation relativement avancés pour explorer un large éventail d'environnements et de résultats commerciaux.