Bedriftsøkonomiske beslutninger

BED4 Bedriftsøkonomiske beslutninger

  • Innhold

    Innhold

    Dette kurset gir en innføring i hvordan mange bedriftsøkonomiske beslutningsproblemer kan analyseres ved hjelp av matematiske modeller og dataverktøy. Eksempler på beslutningsproblemer som vil bli tatt opp er:

    • Hvordan finne optimal produktmiks når ressurstilgangen er begrenset?
    • Hvordan bestemme optimalt valg av leverandører i en anbudsauksjon?
    • Hvordan sette opp en effektiv bemanningsplan når behovet for arbeidskraft varierer over tid?
    • Hvordan sette opp en investeringsplan når tilgangen på kapital er begrenset?
    • Hvordan sette sammen en optimal portefølje av aksjer med ulik avkastning og risiko?
    • Hvordan lage etterspørselsprognoser basert på historiske data?
    • Hvordan utnytte et markedsføringsbudsjett på en effektiv måte?
    • Hvordan utforme en kostnadsoptimal lagerpolitikk, det vil si hvor ofte og hvor mye skal vi fylle på lageret?
    • Hvor mye skal vi bestille av en vare når vi er usikre på hvor stor etterspørselen vil bli?
    • Hvordan bestemme rekkefølge og fordeling av arbeidsoperasjonene langs en produksjonslinje?
    • Hvordan utforme en transportplan for en forsyningskjede?
    • Hvordan velge lokalisering av produksjon og lager i en forsyningskjede?

    Hvilke modeller vi vil bruke i en bestemt beslutningssituasjon avhenger av egenskapene til det problemet vi skal analysere. Felles for alle modellene vi skal se på er at de kan analyseres ved hjelp av dataverktøy, og i dette kurset skal vi bruke Analytic Solver, som er et tillegg til Excel. Vi kommer til å starte med lineære modeller (lineær programmering), som er relativt enkle å beregne. Senere skal vi se på beslutningssituasjoner med enten/eller-beslutninger, som krever bruk av heltallsmodeller, samt ikke-lineære modeller. Vi vil hele tiden legge vekt på tolkning av analyseresultater, samt deres implikasjoner for økonomisk styring og planlegging.

    Et sentralt tema i emnet er håndtering av usikkerhet i beslutningssituasjoner. Vi skal se på hvordan vi kan lage prognoser, samt hvordan simuleringsmodeller kan brukes til å regne på konsekvenser av ulike beslutningsalternativer under usikkerhet. Her kommer vi også inn på hvordan holdning til risiko påvirker valg mellom beslutningsalternativer, for eksempel hvordan vi kan ta hensyn til at en beslutningstaker er risikoavers. Vi skal også se på hvordan vi kan beregne verdien av tilleggsinformasjon når fremtiden er usikker, samt hvordan beslutningstrær kan brukes til å strukturere komplekse beslutningssituasjoner.

  • Læringsutbytte

    Læringsutbytte

    Kunnskap:

    Studentene vet hvordan ulike bedriftsøkonomiske beslutningsproblemer kan analyseres ved hjelp av matematiske modeller og dataverktøy.

     

    Ferdigheter:

    Studentene

    • kan formulere beslutningsproblemer matematisk og implementere modellene ved hjelp av dataverktøy.
    • kan grafisk løse og gjøre følsomhetsanalyse for et LP-problem med to beslutningsvariabler.
    • kan anvende resultater fra sensitivitetsrapporter for LP-problemer, blant annet skyggepriser og slakkverdier, i økonomiske analyser.
    • kan bruke heltallsvariabler til å modellere ulike diskrete valg, for eksempel enten/eller-beslutninger.
    • kjenner til beregningsmessige problemer knyttet til analyse av heltallsmodeller og ikke-lineære modeller.
    • kan avgjøre når det er nødvendig å bruke heltallsmodeller eller ikke-lineære modeller.
    • kjenner til og kan bruke grunnleggende modeller for beregning av prognoser, herunder modeller som tar hensyn til trend og sesongvariasjoner.
    • kan bruke simuleringsmodeller til å kvantifisere konsekvenser av beslutninger under usikkerhet.
    • kan beregne og forstå konfidensintervaller for estimater fra simuleringsmodeller.
    • kjenner til de mest sentrale beslutningskriterier for analyse av beslutningssituasjoner med usikkerhet, herunder modeller som tar hensyn til ulike typer risikoholdning.
    • kan anvende beslutningstrær til å analysere enkle beslutningsproblemer med forventet verdi som beslutningskriterium.
    • forstår og kan beregne verdien av perfekt/imperfekt informasjon med utgangspunkt i forventet verdi som beslutningskriterium.

     

    Ferdigheter:

    Studentene

    • kan formulere beslutningsproblemer matematisk og implementerer modellene ved hjelp av dataverktøy.
    • kan løse grafisk og gjør følsomhetsanalyse for LP-problem med to beslutningsvariabler.
    • kan anvende resultater fra sensitivitetsrapporter for LP-problemer, blant annet skyggepriser og slakkverdier, i økonomiske analyser.
    • kan bruke heltallsvariabler til å modellere ulike diskrete valg, for eksempel enten/eller-beslutninger.
    • kjenner til beregningsmessige problemer knyttet til analyse av heltallsmodeller og ikke-lineære modeller.
    • kan avgjøre når det er nødvendig å bruke heltallsmodeller eller ikke-lineære modeller.
    • kjenner til og bruker grunnleggende modeller for beregning av prognoser, herunder modeller som tar hensyn til trend og sesongvariasjoner.
    • kan bruke simuleringsmodeller til å kvantifisere konsekvenser av beslutninger under usikkerhet.
    • kan beregne og forstår konfidensintervaller for estimater fra simuleringsmodeller.
    • kjenner til de mest sentrale beslutningskriterier for analyse av beslutningssituasjoner med usikkerhet, herunder modeller som tar hensyn til ulike typer risikoholdning.
    • kan anvende beslutningstrær til å analysere enkle beslutningsproblemer med forventet verdi som beslutningskriterium.
    • forstår og kan beregne verdien av perfekt/imperfekt informasjon med utgangspunkt i forventet verdi som beslutningskriterium.

     

    Generell kompetanse:

    Studentene kan kommunisere med eksperter om modellering og analyse av bedriftsøkonomiske beslutningsproblemer.

  • Undervisningsopplegg

    Undervisningsopplegg

    Det meste av læringen i emnet vil skje gjennom regneøvinger, der studentene jobber i små grupper, og der studentassistenter og/eller forelesere vil være til stede for å diskutere og svare på spørsmål når det er nødvendig. Generell teori som vil være nyttig i regneøvingene vil bli introdusert i plenumsforelesningene.

  • Anbefalte forkunnskaper

    Anbefalte forkunnskaper

    Alle obligatoriske emner 1.-4. semester, spesielt BED.

  • Krav til kursgodkjenning

    Krav til kursgodkjenning

    Godkjent 3 case-innleveringer.

  • Vurderingsform

    Vurderingsform

    4 timers skriftlig skoleeksamen.

  • Karakterskala

    Karakterskala

     A-F 

  • Dataverktøy

    Dataverktøy

    Analytic Solver i Excel.

  • Undervisningssemester

    Undervisningssemester

    Høst. Tilbys høsten 2018

  • Litteratur

    Litteratur

    Ragsdale, C., Spreadsheet Modeling and Decision Analysis: A Practical Introduction to Business Analytics. Cengage Learning. 8th edition, 2018.

Oppsummering

Studiepoeng
7.5
Undervisningsspråk
Norsk
Semester
Høst

Kursansvarlig

Førsteamanuensis Endre Bjørndal og professor Mette Bjørndal, Institutt for foretaksøkonomi