在这个数据驱动的世界里，企业通常都想知道，根据数据，什么是 "最佳 "行动方案。例如，制造商需要根据估计的需求量和原材料供应情况，决定生产多少件产品？他们应该自己生产所有产品，还是从第三方购买一些产品来满足需求？描述性分析是分析的一个分支，可以为这些问题提供答案。它用于制定基于数据的决策。规范分析工具箱中最重要的方法是优化。本课程将向学生介绍决策线性优化的基本原理。本课程通过实际案例，教授如何将问题情景转化为数学模型，通过求解获得最佳业务结果。我们将学习识别问题的决策变量、目标函数和约束条件，并使用 Excel 求解器和电子表格来制定和解决优化问题。

商业分析师需要能够为问题开出最佳解决方案。但是，分析课程通常侧重于培训学生如何进行数据分析和可视化，而不是帮助他们弄清如何利用现有数据并将其与正确的数学模型配对以制定解决方案。本课程旨在将数据和模型与制造、供应链、金融、人力资源管理等领域的实际决策场景联系起来。特别是，我们将了解如何使用线性优化（一种规范性分析方法）来制定决策问题，并提供基于数据的最优解决方案。在整个课程中，我们将研究不同行业的应用问题，例如： (a) 金融决策：投资经理应如何创建一个最优投资组合，既能使净收益最大化，又不会在各种投资中承担过多风险？ (b) 生产决策：考虑到预计的需求、原材料供应和运输成本，不同厂址的最佳产品生产量是多少？ (c) 人力资源决策：在一个规划期内，需要招聘或解雇多少工人，才能在满足公司运营需求的同时最大限度地降低成本？ (c) 生产：在原材料供应和客户需求的情况下，应生产何种利润最大化的产品组合？ 我们将学习如何将这些问题表述为数学模型，并使用 Excel 电子表格加以解决。

本课程主要面向对学习模拟技术解决商业问题感兴趣的三、四年级本科生或研究生。

课程将向您介绍日常和复杂的商业问题，由于商业环境中存在的不确定性，这些问题没有唯一正确的答案。 通过模拟建模，我们可以探索各种结果，保护个人或企业利益，避免不必要的结果。 我们可以利用概率和逐步思考的概念来模拟不确定性。 渐进式思维使我们能够将问题分解成更小的组成部分，探索相关事件之间的依赖关系，并使我们能够专注于问题中容易因未来不确定性而发生变化的方面。 本课程将向您介绍先进的 Excel 技术，以建立和执行仿真模型。 课程中学到的许多 Excel 技术在仿真建模之外也非常有用。 我们将学习蒙特卡罗仿真技术和离散事件仿真技术，前者主要关注总体结果，而后者则可能关注相关事件之间的中间依赖关系。 本课程将向您介绍仿真建模中的几个实际问题，这些问题通常不会在教科书中涉及。 课程中会使用一些运行示例来演示概念，并提供具体的建模示例。 学完这门课程后，学生将能够开发相当高级的仿真模型，以探索相当广泛的商业环境和结果。