English   Danish

2023/2024  BA-BMAKO6004U  Digital datadrevet forretningsudvikling

English Title
Digital data-driven business model development

Kursusinformation
Sprog Dansk
Kursets ECTS 7,5 ECTS
Type Obligatorisk
Niveau Bachelor
Varighed Et quarter
Starttidspunkt Tredje quarter
Tidspunkt Skemaet bliver offentliggjort på calendar.cbs.dk
Studienævn
Studienævnet for HA i erhvervsøkonomi og markeds- og kulturanalyse
Kursusansvarlig
  • Anna-Bertha Heeris Christensen - Institut for Afsætningsøkonomi (AØ)
  • Constant Pieters - Institut for Afsætningsøkonomi (AØ)
Primære fagområder
  • Markedsføring/Marketing
  • Statistik og kvantitative metoder/Statistics and quantitative methods
  • Strategi/Strategy
Undervisningsformer
  • Tilstedeværelsesundervisning
Sidst opdateret den 04-12-2023

Relevante links
Læringsmål
Kurset integrerer 1) praktik og teori, 2) dataevaluering og analysekundskaber og 3) ledelsesmæssige marketing anbefalinger. Kurset er centreret omkring faktiske virksomhedsproblemer med udgangspunkt i deres business model. Når kurset er afsluttet, bør de studerende være i stand til at:
  • Udvikle et virksomhedsproblem og forskningsspørgsmål med udgangspunkt i et specifikt virksomhedsproblem og kunne placere dette i en relevant business model
  • Identificere og evaluere digital data der er relevant for et givent business problem samt forskningsspørgsmål
  • Udarbejde en valid analyse af digital data for at besvare et givent business problem samt forskningsspørgsmål
  • Udlede konkrete og applikable ledelsesmæssige anbefalinger, der er baseret på resultater fra analyser af digital data og placere dem korrekt i en business model
  • Præsentere et skriftligt forskningsprojekt som benytter digital data og følger akademiske standarder
Prøve/delprøver
Digital datadrevet forretningsudvikling:
Prøvens ECTS 7,5
Prøveform Skriftligt produkt udarbejdet hjemme
Individuel eller gruppeprøve Gruppeprøve
Bemærk studieordningens bestemmelser om krav om individualisering af opgavebesvarelsen.
Antal personer i gruppen 4-5
Omfang af skriftligt produkt Max. 15 sider
Opgavetype Projektrapport
Udlevering af opgave Opgaven stilles i undervisningen
Varighed Skriftligt produkt afleveres på en fastsat dato og tidspunkt.
Bedømmelsesform 7-trins-skala
Bedømmer(e) En eksaminator
Eksamensperiode Sommer
Syge-/omprøve
Samme prøveform som ved ordinær prøve
Ved en syge-/omprøve skal den studerende lave et nyt projekt der tager udgangspunkt i en ny problemstilling, og søger at undersøge nye forskningsspørgsmål med afsæt i digital data der danner ramme for en ny dataanalyse. Projektet skal tage udgangspunkt i samme case virksomhed som ved den ordinære eksamen. Eksamen skal afleveres i samme gruppe, i en del af den samme gruppe eller individuelt. Eksamen skal have samme omfang som den ordinære eksamen dvs. 15 normalsider.
Beskrivelse af eksamensforløbet

De studerende arbejder på eksamen i undervisningsforløbet i form af case arbejde og dataanalyse. De studerende skal aflevere det skriftlige produkt når kurset er slut. Eksamen skal som udgangspunkt skrives på dansk, men kan også skrives på engelsk.
Kursets indhold, forløb og pædagogik

At kunne forstå og behandle digital data, som ofte er komplekse og i store dataset, og som agenter har adgang til både internt fra organisationer og fra eksterne kilder, kræver en række kundskaber som dette kursus demonstrerer og udvikler hos den studerende. Disse data kan give vigtige markeds- og kundeindsigter som, når de er justeret i forhold til en virksomheds business model, kan generere signifikante komparative fordele.  

 

Dette kursus dygtiggør de studerende i at arbejde med digital data for at genere værdifulde virksomhedsspecifikke indsigter i faktiske business modeller. Kurset er projektbaseret hvilket muliggør, at de studerende udvikler deres evne til at, 1) identificere et virksomhedsproblem i en faktisk business model, 2) identificere, udlede og behandle digital data for at udvikle relevante indsigter til et givent virksomhedsproblem, og 3) foreslå brugbare anbefalinger der er baseret på disse indsigter og som potentielt kan have indflydelse på ledelsesmæssige marketing beslutninger, og der er relevante i en business model. Det elementære i kurset er, at de studerende udvikler kundskaber til at evaluere kvaliteten og relevansen af digital data i forhold til reelle virksomhedsproblemer. De studerende arbejder derfor med faktiske virksomhedscases og -problemer som fokuserer på et eller flere elementer i virksomhedens business model (f.eks. kundesegmenter, value propositions, marketing kanaler osv.).
Beskrivelse af undervisningsformer
For at muliggøre at de studerende succesfuldt besvarer læringsmålene, er kurset udformet i tre faser:

Fase 1 introducerer virksomhedens business model. Endvidere trænes de studerende her i at udforme virksomhedsproblemer og forskningsspørgsmål baseret på undersøgende læsning og caseanalyse. Endeligt i at redegøre for problemet og forskningsspørgsmålet i forbindelse med en business model canvas analyse.

Fase 2 fokuserer på arbejdet med digital data. Her lærer de studerende at evaluere og vurdere kvaliteten og relevansen af digital data samt at applikere det til virksomhedsproblemet og forskningsspørgsmålene.

Fase 3 fokuserer på at generere ledelsesmæssige marketing anbefalinger baseret på resultaterne fra analysen af den digitale data.

De studerende arbejder gennem hele kurset i grupper på 4-5 personer. Grupperne er allokeret på udvalgte cases der iscenesætter relevante problemstillinger og hvor digital data er tilgængeligt.
Feedback i undervisningen
Øvelsestimerne bruges som mentortimer, hvor underviserne hjælper de studerende i de tre faser. Underviserne giver feedback i forbindelse med gruppearbejde, i præsentationer og i plenum diskussioner.
Studenterarbejdstimer
In-class presence 38 timer
Preparation 100 timer
Groupwork 40 timer
Exam 28 timer
Foreløbig litteratur

Bog (udvalgte kapitler)

 

Osterwalder, Alexander and Yves Pigneur (2010), Business Model Generation: A Handbook for Visionaries, Game Changers, and Challengers. Hoboken, New Jersey: John Wiley & Sons.

 

Artikler

 

Anvari, Farid, Rogier Kievit, Daniël Lakens, Charlotte R. Pennington, Andrew K. Przybylski, Leo Tiokhin, Brenton M. Wiernik, and Amy Orben (2023), "Not All Effects Are Indispensable: Psychological Science Requires Verifiable Lines of Reasoning for Whether an Effect Matters," Perspectives on Psychological Science, 18 (2), 503-07.

 

Boegershausen, Johannes, Hannes Datta, Abhishek Borah, and Andrew T. Stephen (2022), "Fields of Gold: Scraping Web Data for Marketing Insights," Journal of Marketing, 86 (5), 1-20.

 

Dolbec, Pierre-Yann, Fischer, Eileen, & Canniford, Robin. (2021), “Something old, something new: Enabled theory building in qualitative marketing research,” Marketing Theory, 21(4), 443-461.

 

Chapman, Randall G. (1989), "Problem‐Definition in Marketing Research Studies," Journal of Consumer Marketing, 6 (2), 51-56.

 

Golder, Peter N., Marnik Dekimpe, Jake T. An, Harald J. Van Heerde, Darren S. U. Kim, and Joseph W. Alba (2023), "Learning from Data: An Empirics-First Approach to Relevant Knowledge Generation," Journal of Marketing, 87 (3), 319-36.

 

Van Heerde, Harald J., Christine Moorman, C. Page Moreau, and Robert W. Palmatier (2021), "Reality Check: Infusing Ecological Value into Academic Marketing Research," Journal of Marketing, 85 (2), 1-13.
Sidst opdateret den 04-12-2023