商業類在線科研項目

集思未來小組科研項目每個課題都經歷數百小時研發打磨，嚴選英美名校導師，課題全科覆蓋，針對中國學生研發設計，與海內外優秀青年一起協作完成項目，鍛煉個人領導力與團隊協作能力，批判性思維，學術科研能力，集思未來將從從學術規劃、匹配導師、選題、開題、到科研成果產出全程跟蹤，保障教學質量提高。

本期將為大家精選金融商科類之商業類小組科研項目，課時均為7周在線小組科研+5周論文指導，滾動開班，具體課題更多詳細資料可登記留言，由課程顧問老師發送。

一、傳媒與商業分析專題：基于社交媒體和新文娛的商業策略研究與分析---洞察漫威帝國和萬達收購傳奇影業背后的商業操盤

導師：紐約大學 New York University (NYU)正教授&項目主任

項目介紹：

本項目旨在為學生提供一個理解娛樂、媒體和技術行業及其交叉點的框架。本項目涵蓋娛樂界主要領域的近期活動，包括:電影、家庭錄像、電視、有線電視、OTT、社交媒體、出版和音樂。我們將探討影響這些行業的廣泛趨勢:數字化、全球化、受眾碎片化和貨幣化模式的轉變。我們還將著眼于在這個不斷發展的領域中成功(或失敗)的策略和模式。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 意向修讀傳媒專業、市場營銷專業，商業分析專業的學生，以及對上述專業感興趣的學生

二、商業分析專題：基于Python的商業分析研究與實踐【大學組】

導師：南加州大學 (USC)正教授

項目介紹：

機器學習是使用統計建模算法來解決大型數據集的實際定量問題。機器學習在整個科學和商業中被廣泛使用，用于研究和實際解決常見或不尋常的商業問題。 本項目將帶領學生學習監督學習與無監督學習、過度擬合、訓練數據、測試數據、驗證數據、線性回歸和邏輯回歸、決策樹算法、提升樹算法、隨機森林、神經網絡、支持向量機、聚類、維度詛咒、特征選擇、正則化、主成分分析、擬合優度度量、數據準備、缺失值填充、異常值、特征工程、分類變量編碼、模糊匹配等機器學習基礎知識及數據挖掘經典算法，項目結束時提交項目報告，進行成果展示。

適合年級 (Grade): 大學生及以上

適合專業 (Major): 對商業分析、商業統計、數據科學、數據處理、機器學習、深度學習、信息安全等專業和課題感興趣，相關專業或希望在相關領域深入學習的學生具備Python基礎知識，數學邏輯良好的學生優先

　　三、市場營銷課題：顧客不再是上帝——解密客戶“消費沖動”背后的行為認知和剖析商家“消費洗腦”策略的心理認知研究

導師：帝國理工學院 Imperial College London (IC)終身教授

項目介紹：

該項目將會帶引學生探索消費行為學和消費心理學在當代市場營銷策略下的應用與研究。導師將會著重剖析消費者在執行消費行為背后深層次的心理學邏輯和思維。該項目將會從多維度出發，闡述消費行為在不同階段的具象研究，其中包括：a消費者在初期的購物信息收集階段;b 消費者對獲得的信息價值評估并且將判斷結果應用于決定;c 消費者將判斷和決定最終演變成消費行為，完成消費。

該項目最大的特色在于市場營銷和心理學行為學的交叉研究，為商科管理的學生提供了強有力的心理學交叉學科支持。同時，導師還會充分利用現實企業的案例和模擬訓練給學生提供充足的實踐機會，學生在項目結束時，將提交項目報告，進行成果展示。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 市場營銷、消費心理學、消費行為學、戰略營銷、品牌管理、傳播學、MBA等專業或希望修讀相關專業的學生

　　四、心理學課題：商業“種草”到購物“癮性”背后的消費心理學和行為學研究

導師：帝國理工學院 Imperial College London (IC)終身教授

項目介紹：

該項目將會帶引學生探索消費行為學和消費心理學在當代商業市場下的應用與研究。導師將會著重剖析消費者在執行消費行為背后深層次的心理學邏輯和思維。該項目將會從多維度出發，闡述消費行為在不同階段的心理學和行為學的具象研究，其中包括：a消費者在初期的購物信息收集階段;b 消費者對獲得的信息價值評估并且將判斷結果應用于決定;c 消費者將判斷和決定最終演變成消費行為，完成消費。

該項目最大的特色在于市場營銷和心理學行為學的交叉研究，為心理學的學生提供了強有力的商業交叉學科支持。同時，導師還會充分利用現實企業的案例和模擬訓練給學生提供充足的實踐機會，學生在項目結束時，將提交項目報告，進行成果展示。

適合專業 (Major): 心理學、消費心理學、消費行為學、傳播學、市場營銷、商業管理等專業或希望修讀相關專業的學生

　　五、商業分析課題：如何從不確定的數據中獲得真知灼見?大數據統計與建模在商業智能分析及戰略評估中的應用研究

導師：約翰霍普金斯大學 Johns Hopkins University (JHU)教授

項目介紹：

項目內容為商業分析核心知識與技能，包括統計分析、概率分布、決策分析、抽樣分布、置信區間、假設檢驗、回歸模型等。其中，概率模型側重不確定性和風險處理;統計分析側重數據呈現以及如何通過數據獲取有用信息和有效推論;優化模型和決策分析側重運用數據進行決策。學生將在項目中運用Excel或Mintab進行商業數據分析，在項目結束時提交報告，進行成果展示。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 商業分析、商業統計、商業分析與風險管理、統計學，應用數學等專業或者希望修讀相關專業的學生;學生需具備金融學基礎

　　六、經濟學課題：勞動與組織經濟學視角下的企業發展---洞察瑞幸造假和蘋果背后的公司管理與組織架構研究

導師：麻省理工學院 (MIT)高級教職&研究學者

項目介紹：

本項目旨在向學生介紹組織經濟學和勞動經濟在企業構架管理中的研究。我們將通過討論組織架構設計、勞動激勵沖突和薪資合同等關鍵方面來切入要點。同時，我們將研究高層管理人員的勞動市場和相關的勞動經濟學在其中的作用，并研究公司吸引和保留關鍵員工的策略。這部分項目的主要學習目標之一是了解公司如何使用激勵補償制度，并通過研究大型公司 CEO 級別的高管薪資結構來探索相關的管理方式。

本項目也將重點分析績效評估——現代企業管理的核心之一。我們將學習基準測試、相對績效評估以及公司如何衡量績效等相關問題。課程將闡述委托代理模型、逆向選擇和最優合同等基本管理理論并將其與實踐經驗相結合，將要求學生閱讀和研究來自世界著名公司的治理和高管薪酬報告，從中探索現代公司在不同經濟環境下的管理方法。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 經濟學、組織經濟學、勞動經濟學、企業管理、人力資源和商業分析等專業或希望修讀相關專業的學生;具備經濟學、管理學基礎知識的學生優先

　　七、國際學術會議論文輔導-文商方向

項目介紹：

通過本項目的學習，學生不僅可以學習到國際學術會議論文的選題和定題方法，還可以累積相關領域基礎知識及研究方法。掌握常用的學術文獻檢索方法及下載方法，熟悉常用數據庫和文獻閱讀分析方法。重點學習論文中Abstract; Introduction; Method; Conclusion; Reference等部分寫作方法和構思邏輯，全面提升自己的科研學術水平，完成國際學術會議論文獨立撰寫，并參與論文投稿、修改及發表過程。

課時安排 (Duration): 4周寫作方法班課輔導+1v1定制化指導

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 法學、心理學、人類學、社會學、教育學、公共關系、經濟學、新聞傳播學、政治科學、歷史學、考古學、語言學、哲學 、國際經濟學、勞動經濟學、金融、貨幣和銀行業務、公共財政、政治經濟、法律與經濟、環境經濟學、發展經濟學、生態經濟學、金融經濟學、法證經濟學、信息經濟學、制度經濟學、國際經濟學、勞動經濟學、管理經濟學、數理經濟學、貨幣經濟學、資源經濟學、零售經濟學、交通經濟學、福利經濟學、商業理論、當代商業研究、創業精神、組織行為、公司治理、投資、保險、風險管理、項目管理、財務報告、會計、管理信息系統、營銷、廣告、銷售管理、消費者行為、人力資源管理、全面質量管理、供應鏈管理、工程管理、組織規劃方向或相關方向;

希望繼續學術深造;且成績優異、道德品質好，在校期間未受過紀律處分，身心健康，能順利完成在線學習任務;

語言要求：托福 80、或雅思 6.0、大學英語四級 500、或大學六級 470;過資格審核和學術審核。

　　八、工程與項目管理課題：數字化決策模型的搭建---基于數據驅動的工程管理決策支持方法研究

導師：南加州大學 (USC)正教授

項目介紹：

在突發疫情的催化下，越來越多的企業開始放棄過去一味追求高增長狀態下以經驗為主導的管理方式，轉變為以數據為主導的精細化管理。企業對優化供應鏈和生產效率、降低成本的需求開始上升，而滿足企業供應鏈，生產優化以及工程管理需求則需要分析決策技術的支持。本課程便旨在研究如何利用數據驅動運營決策與應用。

在本課程中將學習項目管理以及數據分析的基礎知識，增強管理洞察力和直覺，并建立企業決策的意識。

課程內容包括 (i) 了解企業環境和運營問題的結構; (ii) 運營管理相關原理分析以及應用; (iii) 相關計算方法及工具。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 對工程管理、運籌學、項目管理、管理學等專業方向感興趣的學生;具備基本統計分析(如線性回歸)的學生優先

　　九、統計分析專題：時間序列與動態統計建模在商業分析與量化預測中的應用研究

導師：麻省理工學院 (MIT)終身教職

項目介紹：

本項目將向學生介紹時間序列分析的基本方法和模型，以及在經濟學、金融學和公共衛生領域的應用。利用多階段指數平滑，重要的趨勢和季節性模型得到了更好的發展和應用。項目中介紹了用于固定時間序列(自回歸、移動平均線)的 Box-Jenkins 模型，包括估計、順序選擇和預測方法。學生們將從互聯網上收集現實世界的時間序列數據，并使用項目中涵蓋的方法進行分析。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 數學、商業管理、數據建模、統計計量等專業或希望修讀相關專業的學生;學生需具備隨機變量、概率論等相關知識并熟練掌握R語言。

　　十、市場營銷專題：消費者行為及消費者心理探究

導師：紐約大學 New York University (NYU)教授

項目介紹：

本項目通過讓學生了解球迷的觀點、態度、喜好，甚至對他們喜愛的球隊的成功和失敗的反應，來深入了解體育迷作為一種特殊消費類別的各個方面。項目從建立體育服務業產品和服務的典型消費者行為之間的區別開始。通過對粉絲心理學、社會學和神經科學的研究來深入研究粉絲科學，并根據查閱有關社會群體動力學和人類對社區的內在動力理論的相關學術文獻，項目還將探討球迷的心理框架。學生將學習球迷行為和他們的經濟動機，以及對體育經濟學、定價模型、營銷傳播活動、票務包裝等的影響。學生將通過案例研究將他們的學習付諸實踐，在案例研究中，學生將根據本項目的理解為運動隊開發新的產品。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 消費者行為學、市場營銷、粉絲經濟學、消費者心理學、社會學等專業或希望修讀相關專業的學生;具備經濟學、心理學基礎知識的學生優先

　　十一、國際貿易課題：商業版“奇葩說”--商業和貿易管理中的談判與沖突解決研究

導師：哥倫比亞大學 Columbia University教授

項目介紹：

隨著國際貿易的深化，國際間企業的合作也越來越密切，因此各種層次各種內容的國際談判層出不窮，想要贏得主動權，精湛的談判技巧尤為重要。該項目內容主要包括商業談判技巧和實戰模擬分析，旨在通過實際的國際企業商業貿易中的談判模擬分析和專業的理論研究，為學生提供系統的商業貿易談判邏輯和話術，學生將掌握如何為一場談判做準備，判斷談判雙方利益平衡點，在談判中提升話語說服力，最終能夠熟練運用談判技巧提升談判勝率。學生將在項目結束時自選主題，提交項目報告，進行成果展示。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 希望修讀國際貿易、商業管理、公共關系、領導力管理和MBA等商科專業的學生;希望提高商業談判技巧和能力的學生;有創業想法的學生

　　十二、商業合作與商業交易課題：貿易談判中的價值最大化策略研究---以強強聯合的迪士尼與皮克斯動畫戰略聯盟為例

導師：紐約大學 New York University (NYU)正教授&項目主任

項目介紹：

本項目旨在使學生了解媒體和娛樂領域的交易流程和業務發展，項目將從不同組成部分的角度探討交易過程，重點關注每個參與者如何使價值最大化。學生將學習達成交易的過程：從業務發展到合同條款階段，再到談判過程和合同協議，再到交易執行。學生也將學習如何使內容交易的價值最大化，確定交易過程中的常見問題以及達成解決方案和交易的有效途徑。最后我們還將探討由于COVD-19而產生的交易過程影響以及它是如何變化和發展的。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 適合對于商業談判，企業管理，戰略制定，財務管理，市場等專業感興趣或希望修讀相關專業的學生

　　十三、運籌學專題：阿里、京東、拼多多等大型互聯網公司在數據驅動下的供應鏈管理與運籌決策研究

導師：埃默里大學 Emory University終身教授

項目介紹：

企業如何在運營上具有競爭力? 有些公司通過用穩定的產品創新產品或者更快更便宜的服務使得消費者滿意。這通常是操作運營策略的結果。數字化轉型推動了運營的精準化和數字化。在數字化技術推動下，生產要素更加精細，運營流程、匹配更加準確、恰當，從而產生新的商業范式。

我們會學習數字化是如何顛覆公司競爭和運營的方式。本課程會探討運營如何創造和維持競爭優勢，數據驅動的技術框架，因果推斷、實驗、機器學習等方法，和如何利用數據驅動運營決策與應用。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 管理學、運籌學、供應鏈管理、物流管理、應用數學等專業方向的學生;具備基本統計分析(如線性回歸)的學生優先

　　十四、商業分析專題：數據分析在商業決策制定中的應用

導師：悉尼大學 The University of Sydney終身正教授&項目主任

本項目將主要介紹數據分析和商業智能(BI)相關的熱門技術。本課程的主要目標是使學生具備從大量結構化數據中推斷、可視化和知識挖掘的理論知識與實踐技能。項目中涉及的一些重要主題將包括在線分析處理(OLAP)、數據倉庫、數據可視化和儀表板(Dashboarding)。項目還將概述分析和智能數據分析領域的新興發展，為學生提供使用廣泛使用的BI工具的實踐經驗。學生將自選個性化參考課題，在項目中分析、可視化，并從一個大型的真實世界數據集作出預測，在項目結束時進行成果展示。

適合年級 (Grade): 高中生/大學生

適合專業 (Major): 計算機科學/數據科學/數據庫/商業分析專業或對以上領域感興趣的學生

學生需要具備SQL數據庫背景知識

友情提示：因項目較多展示篇幅有限，如需詳細課題資料或者了解其他專業課題，可登記留言或者聯系老師索取。