| Onderwijstaal : Nederlands |
| | | Examencontract: niet mogelijk |
|
Volgtijdelijkheid
|
| |
|
Verplichte volgtijdelijkheid op niveau van de opleidingsonderdelen
|
| |
| |
| |
Volgende opleidingsonderdelen dient u ook opgenomen te hebben in uw studieprogramma tot op heden.
|
| |
|
Marketing (1312)
|
6,0 stptn |
| |
|
There is no data for this choice.
Change the language, year or choose another item in the dropdown list if it is available.
| Studierichting | | Studiebelastingsuren | Studiepunten | P2 SBU | P2 SP | 2de Examenkans1 | Tolerantie2 | Eindcijfer3 | |
 | 1ste master handelsingenieur - marketing intelligence | Verplicht | 162 | 6,0 | 162 | 6,0 | Ja | Ja | Numeriek |  |
| 2de masterjaar handelsingenieur in de beleidsinformatica minor Marketing Intelligence | Verplicht | 162 | 6,0 | 162 | 6,0 | Ja | Ja | Numeriek | |
|
| | | Eindcompetenties |
- EC
| De master BI past verworven kennis zelfstandig toe. (Zelfsturing en ondernemingszin) | - EC
| De master BI neemt initiatief en verantwoordelijkheid om bij te dragen aan waardecreatie voor een organisatie. (Zelfsturing en ondernemingszin) | - EC
| De master BI communiceert helder en correct schriftelijk en mondeling, binnen een bedrijfs- en academische context, en indien nodig aangevuld met visuele ondersteuning. (Communiceren) | - EC
| De master BI toont zelfstandigheid bij het opstellen van een onderzoeksplan. (Onderzoeksvaardigheden) | - EC
| De master BI toont zelfstandigheid bij het implementeren van wetenschappelijke onderzoeksmethoden. (Onderzoeksvaardigheden) | - EC
| De master BI toont zelfstandigheid bij het analyseren, interpreteren en evalueren van onderzoeksresultaten en rapporteert hierover. (Onderzoeksvaardigheden) | - EC
| De master BI modelleert, ontwerpt en evalueert oplossingen voor bedrijfseconomische en –informatietechnische problemen ter ondersteuning van de besluitvorming op verschillende niveaus in een complexe context. (Probleemoplossend vermogen) | - EC
| De master BI zet data science en IT in om beslissingsondersteunende systemen te ontwerpen die bruikbare inzichten aanreiken waardoor de kwaliteit van genomen beslissingen verhoogd kan worden. (Opleidingsspecifieke competenties) |
|
| | EC = eindcompetenties DC = deelcompetenties BC = beoordelingscriteria |
|
|
Een uitdaging waar heel wat (marketing) managers vandaag de dag mee te maken hebben, is het creëren van bruikbare inzichten uit de grote hoeveelheid data waarover ze beschikken. Een belangrijke reden hiervoor is een gebrek aan de juiste vaardigheden om data te analyseren en te vertalen in waardevolle inzichten die er voor kunnen zorgen dat een bedrijf klantgerichter en competitiever kan zijn en blijven.
In dit opleidingsonderdeel staat het verwerven van deze cruciale vaardigheden centraal. Naast het verwerven van inzichten in de uitdagingen die data analyse met zich meebrengt, zal vooral aandacht worden besteed aan het verkrijgen van hands-on ervaring in het analyseren van data om de resultaten te vertalen in waardevolle strategische inzichten.
Concrete onderwerpen die aan bod komen zijn onder andere:
- Wat is marketing analytics en hoe draagt het bij aan het goed functioneren van de onderneming
- De juiste balans tussen waarde voor de klant en waarde voor de onderneming
- Onderzoeken wat er om gaat in het hoofd van de klant
- Kwantitatieve analyse voor New Product Development
- Segmentatie-analyse
- Experimenten om marketing acties te evalueren
|
|
|
|
|
|
|
|
|
Hoorcollege ✔
|
|
|
|
Responsiecollege ✔
|
|
|
|
Werkzittingen ✔
|
|
|
|
|
|
|
|
Casestudy ✔
|
|
|
|
Discussies /debat ✔
|
|
|
|
Groepswerk ✔
|
|
|
|
Oefeningen ✔
|
|
|
|
Presentatie ✔
|
|
|
|
Rapport ✔
|
|
|
|
Periode 2 Studiepunten 6,00
| Evaluatievorm | |
|
| Schriftelijke evaluatie tijdens onderwijsperiode | 30 % |
|
| Behoud van deelcijfer in academiejaar | ✔ |
|
| Voorwaarde behoud van deelcijfer in academiejaar | Het deelcijfer wordt enkel behouden voor de tweede examenkans indien de student geslaagd is op deze deelevaluatie. |
|
|
|
|
|
|
|
| Andere: | Peer evaluatie kan een onderdeel zijn van deze evaluatie |
|
|
|
|
|
| Mondelinge evaluatie tijdens onderwijsperiode | 10 % |
|
| Behoud van deelcijfer in academiejaar | ✔ |
|
| Voorwaarde behoud van deelcijfer in academiejaar | Het deelcijfer wordt enkel behouden voor de tweede examenkans indien de student geslaagd is op deze deelevaluatie. |
|
|
|
|
|
|
|
|
|
| Schriftelijk examen | 60 % |
|
| Behoud van deelcijfer in academiejaar | ✔ |
|
| Voorwaarde behoud van deelcijfer in academiejaar | Het deelcijfer wordt enkel behouden voor de tweede examenkans indien de student geslaagd is op deze deelevaluatie. |
|
|
|
|
|
|
|
|
|
|
| Evaluatievoorwaarden (deelname en/of slagen) | ✔ |
|
| Voorwaarden | De student moet voor alle onderdelen van de evaluatie minimaal een tolereerbaar cijfer behalen om als eindresultaat een tolereerbaar cijfer te kunnen behalen. |
|
|
|
| Gevolg | Indien niet op alle delen een tolereerbaar cijfer werd behaald, kan de student voor het eindresultaat een maximale score van 7/20 behalen. |
|
|
|
Tweede examenkans
| Evaluatievorm tweede examenkans verschillend van eerste examenkans | |
|
| Toelichting evaluatievorm | Indien de student niet geslaagd is voor de schriftelijke groepsopdracht (30%), bestaat de tweede examenkans voor dit deel van de evaluatie uit een individuele schriftelijke opdracht.
Indien de student niet geslaagd is voor de mondeling groepsopdracht (10%), bestaat de tweede examenkans voor dit deel van de evaluatie uit een individuele schriftelijke opdracht. |
|
|
|
|
|
| Begincompetenties |
| |
De student dient bekend te zijn (i.e., begrijpen en kunnen toepassen) met het testen van statistische hypotheses (nulhypothese, alternatieve hypothese, betrouwbaarheidsintervallen, p-waarden), beschrijvende statistiek, univariate statistiek, en (meer)voudige regressie. Verder is het belangrijk dat de student beschikt over een basiskennis marketing en onderzoeksmethoden (onderzoeksvraag formuleren, verschil kwalitatief-kwantitatief onderzoek, steekproeven).
- De student heeft een goede marketing basiskennis
- De student is bekend met beschrijvende en univariate statistiek en kan deze kennis toepassen in de praktijk
- De student is bekend met de basisprincipes van meervoudige regressie analyse
- De student is bekend met de basisprincipes van kwantitatieve onderzoeksmethoden
|
|
|
| Eerder aangekochte verplichte handboeken |
| |
[Multivariate Data Analysis],[Hair, J.F., Black, W.C., Anderson, R.E., and Babin, B.J.],[laatste editie],[Pearson Education Limited.],[9781292021904],[dit boek wordt ook gebruikt bij het verplichte HI-vak "Bedrijfseconomische toepassingen van multivariate data analyse"] |
|
|
| Verplicht studiemateriaal |
| |
Studiemateriaal ter beschikking gesteld via Blackboard. |
|
|
|
|
|
| 2de masterjaar handelsingenieur optie Marketing Intelligence | Keuze | 162 | 6,0 | 162 | 6,0 | Ja | Ja | Numeriek | |
|
| | | Eindcompetenties |
- EC
| De master HI past verworven kennis zelfstandig toe. (Zelfsturing en ondernemingszin) | - EC
| De master HI neemt initiatief en verantwoordelijkheid om bij te dragen aan waardecreatie voor een organisatie. (Zelfsturing en ondernemingszin) | - EC
| De master HI communiceert helder en correct schriftelijk en mondeling, binnen een bedrijfs- en academische context, en indien nodig aangevuld met visuele ondersteuning. (Communiceren) | - EC
| De master HI toont zelfstandigheid bij het implementeren van wetenschappelijke onderzoeksmethoden. (Onderzoeksvaardigheden) | - EC
| De master HI toont zelfstandigheid bij het analyseren, interpreteren en evalueren van onderzoeksresultaten en rapporteert hierover. (Onderzoeksvaardigheden) | - EC
| De master HI modelleert, ontwerpt en evalueert oplossingen voor bedrijfseconomische en –technische problemen ter ondersteuning van de besluitvorming op verschillende niveaus in een complexe context. (Probleemoplossend vermogen) | - EC
| De master HI gebruikt ICT-toepassingen en basis programmeervaardigheden om bedrijfseconomische en –technische data te vertalen naar bedrijfsrelevante informatie. (Opleidingsspecifieke competenties) |
|
| | EC = eindcompetenties DC = deelcompetenties BC = beoordelingscriteria |
|
|
Een uitdaging waar heel wat (marketing) managers vandaag de dag mee te maken hebben, is het creëren van bruikbare inzichten uit de grote hoeveelheid data waarover ze beschikken. Het hebben van de juiste vaardigheden om data te analyseren en te vertalen in waardevolle inzichten zorgen ervoor dat een bedrijf klantgerichter en competitiever kan zijn en blijven.
In dit opleidingsonderdeel staat het verwerven van deze cruciale vaardigheden centraal. Naast het verwerven van inzichten in de uitdagingen die data analyse met zich meebrengt, zal vooral aandacht worden besteed aan het verkrijgen van hands-on ervaring in het analyseren van data om de resultaten te vertalen in waardevolle strategische inzichten.
Concrete onderwerpen die aan bod komen zijn:
- Wat is marketing analytics en hoe draagt het bij aan het goed functioneren van de onderneming
- De juiste balans tussen waarde voor de klant en waarde voor de onderneming
- Importance-performance analyse
- Kwantitatieve analyse voor New Product Development
- Segmentatie-analyse
- Experimenten om marketing acties te evalueren
|
|
|
|
|
|
|
|
|
Hoorcollege ✔
|
|
|
|
Responsiecollege ✔
|
|
|
|
Werkzittingen ✔
|
|
|
|
|
|
|
|
Casestudy ✔
|
|
|
|
Discussies /debat ✔
|
|
|
|
Groepswerk ✔
|
|
|
|
Oefeningen ✔
|
|
|
|
Presentatie ✔
|
|
|
|
Rapport ✔
|
|
|
|
Periode 2 Studiepunten 6,00
| Evaluatievorm | |
|
| Schriftelijke evaluatie tijdens onderwijsperiode | 30 % |
|
| Behoud van deelcijfer in academiejaar | ✔ |
|
| Voorwaarde behoud van deelcijfer in academiejaar | Het deelcijfer wordt enkel behouden voor de tweede examenkans indien de student geslaagd is op deze deelevaluatie. |
|
|
|
|
|
|
|
| Andere: | Peer evaluatie kan een onderdeel zijn van deze evaluatie |
|
|
|
|
|
| Mondelinge evaluatie tijdens onderwijsperiode | 10 % |
|
| Behoud van deelcijfer in academiejaar | ✔ |
|
| Voorwaarde behoud van deelcijfer in academiejaar | Het deelcijfer wordt enkel behouden voor de tweede examenkans indien de student geslaagd is op deze deelevaluatie. |
|
|
|
|
|
|
|
|
|
| Schriftelijk examen | 60 % |
|
| Behoud van deelcijfer in academiejaar | ✔ |
|
| Voorwaarde behoud van deelcijfer in academiejaar | Het deelcijfer wordt enkel behouden voor de tweede examenkans indien de student geslaagd is op deze deelevaluatie. |
|
|
|
|
|
|
|
|
|
|
| Evaluatievoorwaarden (deelname en/of slagen) | ✔ |
|
| Voorwaarden | De student moet voor alle onderdelen van de evaluatie minimaal een tolereerbaar cijfer behalen om als eindresultaat een tolereerbaar cijfer te kunnen behalen. |
|
|
|
| Gevolg | Indien niet op alle delen een tolereerbaar cijfer werd behaald, kan de student voor het eindresultaat een maximale score van 7/20 behalen. |
|
|
|
Tweede examenkans
| Evaluatievorm tweede examenkans verschillend van eerste examenkans | |
|
| Toelichting evaluatievorm | Indien de student niet geslaagd is voor de schriftelijke groepsopdracht (30%), bestaat de tweede examenkans voor dit deel van de evaluatie uit een individuele schriftelijke opdracht.
Indien de student niet geslaagd is voor de mondeling groepsopdracht (10%), bestaat de tweede examenkans voor dit deel van de evaluatie uit een individuele schriftelijke opdracht. |
|
|
|
|
|
| Begincompetenties |
| |
De student dient bekend te zijn (i.e., begrijpen en kunnen toepassen) met het testen van statistische hypotheses (nulhypothese, alternatieve hypothese, betrouwbaarheidsintervallen, p-waarden), beschrijvende statistiek, univariate statistiek, en (meer)voudige regressie. Verder is het belangrijk dat de student beschikt over een basiskennis marketing en onderzoeksmethoden (onderzoeksvraag formuleren, verschil kwalitatief-kwantitatief onderzoek, steekproeven).
- De student heeft een goede marketing basiskennis
- De student is bekend met beschrijvende en univariate statistiek en kan deze kennis toepassen in de praktijk
- De student is bekend met de basisprincipes van meervoudige regressie analyse
- De student is bekend met de basisprincipes van kwantitatieve onderzoeksmethoden
|
|
|
| Eerder aangekochte verplichte handboeken |
| |
[Multivariate Data Analysis],[Hair, J.F., Black, W.C., Anderson, R.E., and Babin, B.J.],[laatste editie],[Pearson Education Limited.],[9781292021904],[dit boek wordt ook gebruikt bij het verplichte HI-vak "Bedrijfseconomische toepassingen van multivariate data analyse"] |
|
|
| Verplicht studiemateriaal |
| |
Studiemateriaal ter beschikking gesteld via Blackboard. |
|
|
|
|
|
1 examenregeling art.1.3, lid 4. |
| 2 examenregeling art.4.7, lid 2. |
3 examenregeling art.2.2, lid 3.
|
| Legende |
| SBU : studiebelastingsuren | SP : studiepunten | N : Nederlands | E : Engels |
|