回到课堂:斯坦福MBA核心课程—数据与决策

在这个新的专题中,我们将带你走进课堂,体验一门门令人难忘的斯坦福大学商学院课程。

在一个数据分析对几乎所有行业都至关重要的时代,Benkard的课旨在让学生牢牢掌握评估业绩和建立预测模型所需的工具和方法,为决策提供信息。

“15到20年前,当我们试图教授这些东西时,人们认为,’我不需要知道如何做这些。我将雇用其他人来做’。我认为今天没有人相信这一点,”Benkard说。”如果你自己从未运行过一个机器学习模型,你就不能说了解它。”

所有一年级的MBA学生都要学习某种版本的《数据与决策》。大约四分之三的学生选择基础课程,其余的学生则选择加速或高级课程。在五年前Benkard将基础课程重新设计为 “反转教室 “课堂教学模式—学生们通过在线模块学习大部分材料,包括详细描述从如何使用R软件到假设检验的复杂性视频。课堂时间用于回答问题,并让学生大量练习使用数据库。

在期中的一堂课上,Benkard使用了《魔球》(《Moneyball》)一书中的例子: 魔球理论(Moneyball)是一种彻底改变棒球运动的数据魔法,在迈克尔·刘易斯的同名书中得到了普及。有一次课上有学生问到 “上垒率 “指的是什么?实际上,学生们了解比赛并不重要,他们需要明白的是奥克兰A队的管理层为什么能够,以及如何在击球手上垒的频率和球队得分之间找到了一种明确而令人信服的关系。

Benkard在不同时间指定了几名同学,测试他们的理解,例如,建立一个具有95%置信度的模型需要什么?在其他课中,学生们研究CEO薪酬和股票表现之间的关系,如何预测房价?以及哪些因素会影响电影评级?学生们有45分钟时间来加载数据,进行回归分析,并得出结果。Benkard说:”每天他们都在处理不同的数据库和一系列不同的问题。”当这门课结束时,学生们已经做了30次左右的练习,这赋予他们新的能力,因为现在他们知道如何去做了。

“在上这门课之前,我对回归分析的了解有限,”24岁的MBA一年级学生Walter Winslow说,”在商业背景下重新学习回归分析对我来说是非常有价值的。它使我在数据和分析方面更加全面,也使我在未来工作中成为能够实时应用所学知识的,更好的团队成员。”

该课程有整整一半的时间是学习回归分析。”我认为回归分析是我们想教会学生的东西,其余的内容是辅助我们达到课程目标,”Benkard说,”机器学习中有很多花哨的名字,听起来很吸引人,但它们实际上只是不同的回归模型。”

Benkard教授在5年前重新设计了《数据与决策》这门课,他说:“如果你自己从未运行过一个机器学习模型,你就不能说了解它。”

在课程结束时,学生将掌握新的技能包和更丰富的词汇—系数、散点图和置信区间。黑匣子的神秘感慢慢地褪去。Benkard说:”我们希望学生了解大数据的可能性,但也要明白限制是什么,如何聪明地做,如何识别做得不好的情况。它可能看起来像魔术,但并不是。”