Skip to main content

Trinity College Dublin, The University of Dublin

Trinity Menu Trinity Search



You are here Programmes > Masters Programmes > MSc in Business Analytics > Timetable and Modules

Timetable and Modules

Note:  Modules offered each academic year are subject to change. Listed below are the modules and timetable for 2021/2022.


 
 
 
Foundations of Business Analytics Business Decision Optimization Research Project - this project allows students to showcase the knowledge they have gained and enhance their career potential by specialising in a particular area
Data Management & Visualisation Marketing Research and Analytics
Business Data Mining Financial Modelling and Analysis
Business Forecasting Operations Analytics
Strategy for Analytics Social Media Analysis

Ethical and Privacy Issues in Big Data

Big Data and AI in Business

Electives

Module Descriptions

Foundations of Business Analytics (5 ECTS)

This module  will help students develop analytical skills and enhance their statistical  knowledge, allowing them to understand and analyse data and draw  insights that support and determine the way decisions are made in the  context of operations processes and across the supply chain. This module  will draw on the principles of management science and cover topics such  as, describing and summarizing data, statistical inferences, ANOVA,  distributions and sampling

On successful completion of the modules, students should be able to 

  1. Explain the concept of statistical inference 
  2.  Describe how to conduct correct hypothesis testing, ANOVA and  regression  
  3. Interpret the result of hypothesis testing, ANOVA and regression 
  4. Apply the descriptive analytics to solve real business problem

Data Management & Visualisation (5 ECTS)

Within a professional context, this module prepares  students to understand the role and use of database and database  management systems. Students should gain an extensive understanding of  techniques and processes that are essential to developing and managing  databases. The module would also introduce students to communication  of data as a storyboard along with geo‐location data analysis.  In this module, the students will learn database management, data  retrieval and data visualisation technique using Tableau. 

On successful completion of the modules, students should be able to:

   
1. Explain the concept of database management system 
2. Compare different mechanisms to retrieve and store data 
3. Assess and compare key data visualisation techniques 
4. Implement key data visualisation techniques using Tableau 
5.Demonstrate visualization practice to represent large data in a small space and make information coherent 

Business Data Mining (5 ECTS)


This  module is an introductory one on data mining. It introduces the basic  concepts, principles, methods, implementation techniques, and  applications of data mining, with a focus on two major data mining  functions: (1) pattern discovery and (2) cluster analysis. This module would  introduce students to basic sets of supervised and unsupervised data  mining techniques to enable better business decision making. This module  would introduce students to various data mining techniques including  random forest, decision trees, clustering and classification.

On successful completion of the module, students should be able to 
1. Compare unsupervised and supervised data mining techniques 
2. Formulate business situation in terms of data mining problems 
3. Assess the right data mining technique for analysis 
4. Interpret the data mining results for business managers 
5. Use and understand basic programming constructs 

Financial Modelling & Analysis (5 ECTS)
The module introduces students to the meaning of financial numbers and  metrics and the decision‐making processes that involve financial  information. This module is aimed at participants with little or no financial  training or background. This module will enable the students to  understand the financial statements of a business, analyse those  statements and make well‐informed, rational decisions based on their  analysis. The goal of the module is to bring students with no business or  finance background to financial literacy in a business context. 

On successful completion of the module, the student should be able to:   
1. Identify the key financial objectives that influence organisations  
2. Apply investment appraisal techniques and make appropriate  recommendations. 
3. Develop useful models to analyze and solve financial problems. 
4. Use Excel to implement spreadsheet solutions for financial models. 
5. Evaluate decisions made using Excel solutions Exercise  
6. Assess and select appropriate policies based on financial and  strategic analysis 

Operations Analytics (5 ECTS)

This module will introduce students to fundamental concepts of supply  chain management. Students will learn how to apply descriptive,  predictive and prescriptive analytics to support decision making in  operations and supply chain management.  The module on operations  analytics, will focus on how the data can be used to profitably match  supply with demand in various business settings. The module will use  excel as a software tool to introduce various supply chain application  techniques for making business decisions.  

On successful completion of the module, the student should be able to: 
1. Interpret the supply chain business problems in analytical terms 
2. Identify suitable analytics tools for a given operations and supply  chain problem 
3.Apply descriptive, predictive and prescriptive analytics to solve  operations and supply chain problems 
4. Translate analytics result into operations and supply chain  decisions

Social Media Analysis (5 ECTS)
As social networks like Facebook, Twitter, and YouTube continue to play an  important role in mediated communication today, be it at organizational or  individual levels, the volume of data generated by their users increase  phenomenally. Accordingly, searches and processing of social Web data  beyond  the  limiting  level  of  surface  words  are  becoming  increasingly  important to business and governmental bodies, as well as to lay Web  users. Detection of sentiment, emotion, deception, gender, sarcasm, age,  perspective,  topic,  community,  and  personality  are  all  valuable  social  meaning components that promise to be important elements of next  generation search engines. The emerging area of extracting social meaning  from social network data using automated methods is known as Social  Media Intelligence (SMI).  

On successful completion of the module, students should be able to 
1.Describe a wide range of social media usage, management, and mining  concepts 
2. Explain the structure of networks and graphs 
3. Apply data mining techniques to social media platforms 
4. Develop intelligence based on emotion and sentiments in online  content 
5. Apply social media marketing, management, and mining methods to  address information needs, questions, and issues.  

Business Forecasting (5 ECTS)
In this module, the students will learn analytics techniques and models  that are used to predict what might happen based on the available data.  This module takes modern approach to analysing large business data sets.  In this module students will build upon the fundamental regression  techniques that they learnt in foundations of business analytics module to  both continuous time series data as well as categorical data that is of high  importance in business contexts

On successful completion of this module, students should be able to:   
1. Demonstrate how to choose and apply different forecasting methods 
2. Select and assess forecasts from different sources 
3. Interpret the result of forecasting and simulation models 
4. Apply the predictive analytics to solve real business problems 

Business Decision Optimization (5 ECTS)
In this module, the students will learn analytics techniques and models  that are used to propose a solution based on the available data. This  module introduces students to the arena of “what‐if” analysis. Comparing  different scenarios and evaluating the best scenario for business is one of  the primary functions of modern business managers. Business decision  optimization module will use simulation and optimization techniques to  enhance the understanding of business decision‐making processes. The  techniques that will be covered include: linear programming, integer  programming, heuristics and multicriteria decision making.  

On successful completion of the module, students should be able to: 
1. Explain the concept of optimisation and multicriteria decision making 
2. Describe how to conduct correct linear programming, integer  programming and heuristics  
3. Interpret the result of linear programming, integer programming and  heuristics models 
4. Apply the prescriptive analytics to solve real business problems

Big Data and AI in Business (5 ECTS)
This module introduces students to some of the emerging topics in field of  business analytics and its implications for businesses. The module would  consist of mix of case studies on latest technologies and introduction to  the underlying technologies. It is not intended to be a deep diving  technical module in big data or AI. The module would prepare the  students to be managers who could understand the implications for these  technologies in business context. This module provides a non‐technical,  highly interactive, and engaging introduction to help kick‐start  professionals in their understanding of these topics. 

On successful completion of the module, students should be able to 
1. Explain the strategic importance of Big Data in businesses 
2. Identify Big data opportunities within the firm 
3. Evaluate potential for AI use in businesses context and its implications 
4. Formulate a big data strategy for firm growth 

Ethical and Privacy Issues in Big Data (5 ECTS)
Business and the business corporation are central elements in the modern  social construct. In this context the question of privacy and ethics in  business data management has become a major feature of the discourse on  the legitimacy of business practice. Rising global legislations like GDPR add  to the regulatory requirements that managers need to navigate while using  data for business practices

On successful completion of the module, students should be able to
1. Compare  and  critique  conceptual  elements  of  major  ethical  discourses.  
2. Design ethical and compliant data management structures 
3.Analyse the range of stakeholders in relation to the functioning of  business and identify their various interests and concerns.  
4.Use ethics as a frame for examining the interrelationship of these  challenges faced by businesses.  

There has been a growing awareness about the networked nature of  businesses amongst managers globally. Combined with the rise of tools and  techniques  about  business  analytics,  modern  managers  need  to  be  equipped  with  tools  and  techniques  to  utilize  the  enormous  datasets  available at their disposal and analyse them in a networked economy  context. The module enables students to understand the business context  of analytics, diagnose business problems and generate business insights.  The module also helps students to understand the impact of network effect  in social media and its business  implications.

On successful completion of the module, students should be able to 
1. Determine how business analytics can generate competitive  advantage for firms 
2. Explain the differences between structured and unstructured data and  the role played by such data in different applications of business  analytics 
3. Explain how firms can overcome the difficulties of adopting business  analytics 
4. Explain how to derive competitive advantage from network effect 
5. Describe the mechanisms to derive maximum benefit of network  effect on social media 

Marketing Research and Analytics (5 ECTS)
In this module, students will learn how to acquire, manage, and analyse  marketing data, as well as how to transform the insights into actions.  Companies need to monitor and adapt their marketing strategies to deal  with changing consumer needs, global realities and dynamic technological  challenges. This module will also provide some applied tools of  descriptive, predictive and predictive analysis to improve marketing  decision making. These tools can be used to analyse data from various  sources, such as survey, CRM, the web, mobile, social media data, etc

On successful completion of the module, student should be able to 
1. Apply descriptive, predictive and prescriptive analytics to solve  marketing problems 
2. Acquire, manage, and analyse marketing data 
3. Define, understand and critically evaluate key marketing concepts and  philosophies  
4.Construct distinct segments within a market and identify and select  optimum target market(s) for companies 

The MSc in Business Analytics Research Project
The research project will allow you to showcase the knowledge you have gained and enhance your career potential by specialising in a particular area.

Return to top of page >>