La prise de décision managériale

France-icon-256.pngUnited-Kingdom-icon-256.png

Les entreprises produisent régulièrement un grand volume de données sur les profils client, les transactions commerciales, et la performance opérationnelle de différentes unités de production. Comment un manager peut-il utiliser ses données pour améliorer sa prise de décision ? Comment le management transforme-il ses données d’entreprise en actions concrètes ? L’objectif de ce module est d’aider les participants à bâtir des modèles opérationnels à partir de ces données brutes et les appliquer dans la prise de décision managériale.  Plus précisément, nous étudierons comment faire pour éviter que la prise de décision ne soit conditionnée par nos perceptions d’incertitude, de complexité et d’ambiguïté. 

  • Objectives

Ce module est conçu pour développer les connaissances et les aptitudes fondamentales des sciences décisionnelles pour faire face aux enjeux managériaux.  A A travers nos conférences et nos ateliers, nous traiterons tour à tour des concepts de leadership, d’apprentissage organisationnel, d’amélioration des processus d’entreprises et des systèmes d’aide à la décision.  A l’aide des études de cas provenant d’un grand nombre d’industries et de marchés, le module dévoilera les modèles, les outils, les techniques et les réalités de la prise de décision managériale.

  • Learning Outcomes

On successful completion of the course, the students shall be able to :

  • Understand how business analytics can enhance decision making by converting data into actionable insights
  • Apply the models and tools for creating, collecting, codifying and sharing information
  • Provide insights on how to choose and use appropriate  statistical tools based on the challenges  at hand
  • Select and utilize appropriate formats for the presentation and/or analysis of data.
  • Analyze the ethical issues and problems inherent in knowledge management, information sharing, and decision-making
  • Concepts and theories to which students are exposed during the course
  • Abductive, deductive, inductive reasoning
  • Anchoring
  • Data distributions
  • Decision trees
  • Digital storytelling
  • Discrete probablity
  • Hyperbolic Discounting
  • Knowledge bias
  • Logistical regressions
  • Probability

 

Register3.jpg