SMU MSBA Spring modA 就讀體驗

1. Applied Predictive Modeling
   這堂課應該是MSBA第二重要的課吧，第一是 APA，APM 就是 APA 的進階版，教的是各種更深入的模型，從最開始的 BG 模型到 BB BGBB NBD HCNB EG ENT WB model 等等，各式各樣可以應用在不同商業情境的模型，是一堂對接下來進入業界可以真的運用到的模型，比如可以用 BB 模型針對直效行銷投放電子郵件廣告預測每一個區段實際回復率，或是透過 NBD 模型預估戶外廣告一周或四周會達到多少 Reach 或 frequency，一般在業界建模的時候可以透過這種機率模型或是機器學習模型來製作，機率模型比較麻煩的是要評估目標、分析資料的情況、是連續還是離散事件等等。
   如果模型表現不好可以重新回來檢查假設是否有誤，這種方式雖然麻煩但也比較穩固；機器學習模型好處是幾乎可以套用到所有情況，只需要分析問題是 classification 還是 regression 就可以，以及區分是 supervised 或 unsupervised，缺點是有時候模型解果出來不知該如何解釋結果，因為背後複雜的運算方式是很難解釋的，這些 ML 模型通常都有一些現成的 library 可供使用，自然也容易忽視背後的運作原理，所以我認為如果有足夠的統計知識，其實可以試試自己建機率模型，因為這種模型是最清楚 透過自己建立的假設建立的，如果有問題都能透過檢查假設修改模型，假設以後對機器學習模型有更深入的研究可以再加入 ML 優化。

2.Advance Decision Modeling
這堂課是上學期 Decision model 的進階課，也就是 excel 操作的進階版，學了很多在非線性模型以及 non-smooth 模型底下運用規劃求解的演化或 GRG 方式求解的 case，印象蠻深的一種應用就是計算到退休之前的個人消費支出狀況，計算在哪一歲退休才能讓接下來退休人生有資產可用，以及計算貿易人員那種旅程路線最能節省公司旅費成本，還有計算最大工廠最多能減少多少排放以達到排放標準等等，其實現在很多企業都還是再用 excel 進行分析，如果企業內部資料量沒有那麼多，透過簡單的 excel 就能處理很多事情，Python R 當然也很好用，但不像 excel 那樣已經有很多建好的功能可以直接套用。

3.Business Intelligence
BI幾乎是現在企業都有導入的吧，實做企業 extract 提取 transpose 轉置 loading 載入的過程，了解如何分析一個商業問題提取企業不同部門的資料，比如想了解某項商品去年以及今年的銷量多少以及列出員工的分別業績如何還有哪個品項銷量最好之類的，這時候可能要從員工 產品 日期表中提取資料做 sql nesting 查詢等等，還有透過 powerBI 查詢及製作報表，透過visual studio 的擴充功能進行 etl 等步驟，是一堂很實用的課。