課程結構

決策分析博士(DDA) 課程設有三大主要範疇:

1
四個教學核心單元;
2
至少四個教學選修單元;
3
兩個專業及研究單元。

核心單元

四個教學核心單元

這個單元介紹了應用統計方法在資料科學中的綜合性運用。它為學生提供必要的知識,以便更深入理解課程中其他單元所呈現的內容。主題包括探索性資料分析、資料視覺化、機率、離散與連續機率分配、點估計與信賴區間估計、假設檢定以及迴歸分析。

這個單元旨在向學生展示處理大數據的程式設計技巧,包括如何從多種來源取得資料,以及如何以具說服力且資訊豐富的方式進行資料視覺化。學生將學習大數據的特性、生態系統、框架,以及相關的倫理議題,並掌握以程式方式處理資料的方法,重點涵蓋資料來源連接、資料前處理流程、探索性資料分析、資料視覺化與資料報告。課程同時提供實作機會,使學生能親身體驗資料準備、探索、分析與視覺化的程式設計過程。

這個單元旨在引導學生認識決策分析研究方法的基本概念與技術,特別著重於量化研究。課程採用循序漸進且強調實作的方式,協助學生在決策情境中理解、應用並詮釋資料。透過實例演練、小組討論與互動活動,學生將學習如何提出研究問題、蒐集與分析資料、運用統計方法,以及有效地呈現研究成果。此外,本單元亦探討與量化研究相關的倫理考量。

質性研究是一種重要的方法,能夠讓研究者深入探討複雜的現象,理解個人的主觀經驗,並揭示社會與文化實踐背後的意涵。本單元以清晰且實用的方式,向學生介紹質性研究的基本原理。課程提供循序漸進的指引,協助學生理解、蒐集與分析質性資料,同時也涵蓋質性研究中所涉及的倫理考量。

兩個專業及研究單元

本單元包含一系列專業和研究活動,包括專業講座系列、研究研討會/工作坊以及研究/企業參觀。這些活動圍繞著特定主題展開,旨在為學生提供決策分析方面的高級知識,並提升其專業/研究技能。此外,本單元還包括學生報告和考察/實地考察。學生需以專業的方式向同學和教授展示其研究成果,包括論文進展和考察結果。這種環境不僅有利於分享實務經驗,也使學生有機會與來自不同領域的優秀人才建立聯繫。本單元為期一年,採用及格/不及格的評分制度。

本單元主要以獨立研究為主,學生可在單元協調員(決策科學學院教授)的指導下進行經批准的研究計畫。學生需整合在決策分析領域所掌握的知識與技能,並撰寫博士論文。論文的原創性應體現在以下三個方面:(i) 發現新的事實或理論;(ii) 展示創新性和/或批判性思維;(iii) 識別該領域內的實際問題並進行深入研究,旨在發現新的理解,最終提出新的解決方案。此外,學生還需以專業的方式向論文答辯委員會進行研究成果的展示和答辯。學生在準備論文和答辯時應參考論文指南。

本單元採用及格/不及格的評分制度。論文答辯委員會將評估論文品質和答辯情況,以確定學生是否順利通過本單元。

選修單元

至少4個教學選修單元(選擇至少兩個集群, 每一集群選擇至少一個單元)

數據分析集群

這個單元旨在為學生提供數據分析技術,以解決風險管理中的實際問題。學生將學習一套用於數據可視化的統計工具,並應用數據分析技術,例如分類、關聯規則、聚類分析和降維,來分析現實生活中的問題,以及討論與數據使用相關的倫理問題。本科學生需要有效地合作完成一個團隊項目。

這個單元探討商業和金融時間序列的方法論及其應用。主題包括分析時間序列的統計工具、平穩和非平穩時間序列的模型、季節性、預測技術、異方差性、ARCH和GARCH模型,以及多變量時間序列。

這個單元深入探討模擬技術及其在風險管理中的應用。課程首先概述了模擬的定義和歷史背景,並強調其在有效管理風險中的重要性。透過這單元,學生將了解隨機變數的生成,包括偽隨機數、離散及連續隨機變數和隨機向量,以及詳細探討模擬數據的統計分析,包括樣本均值和方差、置信區間的構建,以及自助抽樣法技術的應用。為了進一步提高模擬數據的準確性,課程深入研究方差減少技術,如控制變量法、對偶變數法、條件減少方差和分層抽樣。最後,課程將探討模擬在風險管理中的其他應用,包括評估奇異期權和開發保險風險模型。

這個單元介紹了數據分析中線性和非線性模型的各種進階方法,並討論其背後的數學原理及其當代的實際應用。主要主題包括主成分分析、多項式迴歸、光譜迴歸、核迴歸、邏輯迴歸、貝葉斯分類器、分類與迴歸樹、EM算法和MM算法。課程中將教授利用統計軟件應用這些進階數據分析工具。

本科涵蓋數據管理的理論和系統。除了使用關係數據庫的傳統數據管理概念外,大數據還具有傳統數據庫無法處理的大量非結構性數據。本科的重點是滿足大數據需求的計算技術,包括分佈式存儲﹑數據庫即服務範式和NoSQL。本科也會使用最先進的系統(例如MongoDB)對學生進行實務技能培訓。

本科研究網頁和移動服務等大數據應用程序在安全性和隱私性方面的新興趨勢和問題。大數據分析可以對企業和社會帶來好處,但大數據分析亦涉及收集敏感甚至機密的個人數據。如果處理不當,可能對個人﹑企業和社會造成毀滅性後果。因此,本科將著重於識別此類大數據應用程序中的安全性和隱私問題以及挑戰。本科將探索用於實施安全性和保護隱私的現有方法和可用工具,並使學生能夠評估解決安全或隱私問題的方案。

本單元為學生提供機器學習方法和演算法,用於解決實際問題。所選主題包括監督學習、無監督學習、整合學習、核方法、單元評估以及機器學習高級主題。學生還需有效地進行團隊合作以完成專案。

本單元旨在為學生提供深度學習的理論知識和實踐技能,使其能夠開發用於各種應用的現代神經網路。課程將介紹最佳化、反向傳播、正規化、模型訓練與驗證、過度擬合、深度神經網路等理論和概念。此外,本單元還將使學生掌握運用深度神經網路解決日常決策問題的技能。

本單元旨在讓學生了解資料科學(DS)前沿研究領域的最新趨勢。它著重於透過教授現代資料科學研究中使用的新方法來拓寬學生的知識面。課程採用實際案例進行講解。學生將學習數據分析的計算和數值技能及技巧。課程主題根據單元協調員的專業知識和興趣而定。

供應鏈分析叢集群

本單元旨在介紹與營運管理相關的知識、技能和技巧。具體而言,本單元著重探討營運管理領域的一些當代議題,旨在為學生提供營運職能對企業成功至關重要的最新視角。

本單元旨在使學生掌握分析框架、方法和工具的理解和基礎知識,以便在全球範圍內制定、實施和評估管理關鍵供應鏈運營和物流活動(包括採購、倉儲和運輸)的有效策略和戰術。

本課程整合了全面的貨運物流管理和貨物運輸相關的法律知識。課程重點介紹貨物運輸的技術、運營和監管方面的內容,並培養學生在貨運管理中製定定價、成本核算和運營等戰略決策的管理技能。課程也將探討影響運輸物流各個面向及主要利害關係人的最新趨勢、政策和技術。

策略採購管理 (SPM) 是企業在瞬息萬變的市場環境中追求競爭力和繁榮發展的基石。它作為一種商業策略,指導企業的競爭力以及相關供應鏈的績效。因此,全面掌握並執行和管理各項 SPM 活動(例如供應尋源和外包、供應鏈整合、供應鏈成本核算以及合約管理和控制)的員工,將成為企業寶貴且不可替代的資產。

本單元旨在為學生提供 SPM 的先進概念和技術。學生將學習 SPM 的最新知識和技能,為成為採購專業人員做好準備,並在組織中發揮關鍵作用,負責基於營運和供應鏈管理的整體視角製定策略採購決策。

本課程教授一系列用於實際決策的定量方法,並專注於供應鏈管理問題。涵蓋的方法包括線性規劃、網路模型、非線性規劃、機器學習技術以及模擬建模與評估。課程結束時,學生需要針對選定的供應鏈管理主題,建立一個基於約束或資料驅動的決策支援系統。

本單元旨在為學生提供供應鏈業務流程控制、改進和設計方面的高級概念和技術。

本課程全面介紹專案管理。重點在於如何在資源和時間限制下成功管理各類項目,特別著重於供應鏈相關項目。課程內容涵蓋提案撰寫與規劃、監控與控制、風險管理、績效評估以及專案管理軟體等架構。本課程涵蓋專案管理知識體系(PMBOK)中的許多主題,有助於學生準備CAPM/PMP考試。除了傳統的專案管理方法外,本課程還探討了敏捷專案管理技術,該技術常用於管理IT和供應鏈管理領域中高度不確定的專案。

海量資訊的湧現為利用分析技術獲取供應鏈規劃和控制的關鍵資訊鋪平了道路。資訊科技和數據科學的最新進展促進了數據驅動決策的快速發展。為了順應這一趨勢,本單元著重於高階分析和商業智慧在供應鏈管理中的應用。學生需要運用分析技術、工具和新的資料來源,以便更好地了解供應商並解決供應鏈問題。本單元的主要目標是使學生熟悉供應鏈設計和營運相關的戰術和策略問題,培養解決實際問題的供應鏈分析技能,並教導學生預測分析、描述分析和規範分析等領域的各種方法和工具,以高效管理供需網路。

本單元重點在於資訊技術,特別是企業系統,如何影響採用該技術的組織,並在不斷發展的互聯網驅動型商業環境中實現電子商務創新。從策略角度來看,企業需要關鍵的企業系統來提高其複雜業務流程的效率和效能,並增強其線上影響力。為了充分利用資訊技術並最大限度地發揮其效益,本單元將分析各種類型的企業系統、技術和架構,以及它們對組織內部(包括業務職能領域)和外部環境的影響。本單元也將探討企業系統在電子商務和供應鏈環境中的角色和功能,以及不同的電子商務商業模式。學生還將有機會親身實踐企業系統軟體包(例如 SAP),該軟體包能夠整合和管理企業內的數據,從而成功執行業務運營,更重要的是,能夠將業務運營與客戶和供應商無縫連接起來。透過研討會和小組討論,學生將為各種業務場景配置企業系統單元(例如 MM、SCM、CRM、HRM 和採購),並研究業務報告流程以支援策略決策。

在資訊通信技術快速發展的全球動態營運環境中,數位化供應鏈和資訊流管理的重要性已被廣泛認可。然而,由於系統整合問題,許多組織無法充分利用快速發展的技術優勢。因此,電子物流系統解決方案作為一種整合的智慧方法,能夠促進整個供應鏈中各組織內部及組織間順暢的資訊流動。

本單元旨在為學生提供管理電子物流資訊科技的綜合知識。本單元分為兩部分。首先,回顧和評估新興資訊技術的應用及其優勢,例如行動應用、雲端資料庫和無線射頻識別(RFID)。其次,介紹資訊科技解決方案的設計與開發,以及相關的理論與技術。

本單元旨在使學生了解供應鏈管理(SCM)前沿研究領域的最新趨勢。它著重於透過教授現代SCM研究中使用的新方法來拓寬學生的知識面。課程採用實際案例進行講解。課程主題根據單元協調員的專業知識和興趣而定。

商業分析集群

本單元旨在為學生提供管理會計和成本會計方面的廣泛知識。它重點在於講解如何在商業決策中應用成本會計概念和技術。本單元涵蓋定量和定性方法。此外,本單元還強調會計資訊與管理活動之間的聯繫,例如策略和營運決策、財務規劃和控制、組織設計以及績效評估。本單元旨在培養學生的批判性思維、分析能力和職業道德意識,以輔助其在管理會計領域做出決策。

本單元探討當前及新興的貨幣與支付、市場和消費者體驗相關技術,並深入研究金融、監管、銀行、保險和社會包容等關鍵理念、原則和框架。其目標是為學生提供應對這一充滿挑戰的領域所需的洞察力和知識,使學生具備參與這一新興領域的技能,並為他們提供資源和支持,幫助他們塑造自身的金融科技創新和創業項目。

本單元旨在幫助學生深入了解經濟和金融市場的最新發展動態,並培養他們分析全球金融相關議題的能力。課程主題涵蓋廣泛,涉及金融市場學術和專業研究的各個層面,尤其著重探討中國經濟變革帶來的挑戰及其對世界市場的影響,並分析改革中國金融市場的各種策略。透過邀請備受尊敬的金融業領袖和商業專家分享他們對當前市場狀況以及金融機構在塑造未來中所扮演角色的見解,學生可以深入了解影響金融穩定的政策決策和實踐。

本單元著重探討全球環境下組織管理所面臨的挑戰與機會。透過本單元,學生可以全面了解全球化進程及其對當代商業環境的影響。課程內容包括國際管理理論與概念的介紹,以及組織問題批判分析的訓練。學生需積極進行研究,運用所學知識解決全球管理者普遍面臨的組織問題,並有系統地向全班同學展示他們的研究成果和解決方案。

本單元旨在幫助學生探索新興數位科技如何影響傳統行銷實踐。它將深入分析網路經濟中網路使用者的特徵和消費者行為,並著重講解數位行銷環境下行銷策略和戰術所需的知識和技能。

本單元著重於當代策略行銷的全球化特性。其目標是幫助學生理解行銷策略和戰術如何在瞬息萬變的全球市場中與經濟、貿易、社會文化以及政治法律法規等因素相互作用;應對制定、實施和評估跨國行銷策略所面臨的管理挑戰;培養學生進行複雜決策所需的批判性思維和分析能力;並透過團隊合作和其他體驗式學習活動,提升學生的人際交往和溝通能力。

本單元旨在為學生提供管理資訊科技創新所需的高級知識和技能。它探討了新興技術和顛覆性技術對創業型企業成功的重要角色。它培養學生的批判性思維,使其能夠評估和企業在創業環境中採用創新的準備和能力。學生將學習如何從策略角度應用資訊科技創新,從而為企業和市場創造價值。

建議學習計劃

授課部分第一學年第一學期:SDSC 6001、6002,任意兩個選修單元
第一學年第二學期:SDSC 7001、7002,任意兩個選修單元
專業與研究部分第二學年第一學期:SDSC 7003、7004
第二學年第二學期:SDSC 7003、7004
第三學年第一學期:SDSC 7004
第三學年第二學期:SDSC 7004
授課部分第一學年第一學期:SDSC 6001、6002
第一學年第二學期:SDSC 7001、7002
第二學年第一學期:任意兩個選修單元
第二學年第二學期:任意兩個選修單元
專業與研究部分第三學年第一學期:SDSC 7003、7004
第三學年第二學期:SDSC 7003、7004
第四至六學年:SDSC 7004

學分轉換 / 單元免修政策

  1. 學分轉換/單元免修可適用於在本大學或其他認可的高等院校成功完成的同等級單元。
  2. 轉換的學分或免修的單元相關的資格/獎項,一般必須是在入學本大學之前不超過八年內獲得。
  3. 在入學時,轉換的學分或免修的單元的數量上限由課程規定,不得超過在香港恒生大學已錄取的課程要求的50%。即專業博士生必須完成至少50%的課程要求。住宿單元和專業博士論文不允許學分轉換/單元免修。
  4. 轉換的學分將計入畢業要求,但不會計入學生的累積總平均績點 (cGPA) 內。
  5. 每個免修的單元應由相同學分值的單元替代。免修的單元將不計入學生的累積總平均績點 (cGPA) 內。
  6. 學分轉移/單元免修一般會在入學後首學期開始之前處理。申請及相關文件應於入學後首學期開始前兩週提交給研究生院。
  7. 學分轉換/單元免修將由課程主任進行審核和批准。
+852 3963 5605

© 2026 香港恒生大學 版權所有  |  私隱政策