هدف این دوره آشنایی شما با انواع مسائل قابل حل با روش‌های علم مدیریت و مدل‌سازی آن‌ها در اکسل است. ما در این دوره، از مبانی طراحی صفحه گسترده شروع کرده و به تدریج به مدل‌سازی بهینه‌سازی ریاضی گسترده‌تر می‌پردازیم. بسیاری از شرکت‌های هواپیمایی، بانک‌ها و شرکت‌های فناوری بدون مهارت‌ها و تکنیک‌های ارائه‌شده در این دوره، قادر به فعالیت به شیوه‌ی کنونی نخواهند بود. در بخش اول، با معرفی یک مثال نسبتا ساده از یک مدل ریاضی آغاز می‌کنیم که در ادامه‌ی دوره، به عنوان سکویی برای توسعه‌ی کاربردهای پیچیده‌تر مورد استفاده قرار خواهد گرفت. بسیاری از مسائلی که در سخنرانی‌های ویدیویی مطرح می‌شود، از کتاب «تحلیل کسب‌وکار: تحلیل داده و تصمیم‌گیری» اثر آلبرایت و وینستون (چاپخانه Cengage Learning، ۲۰۱۴) با شماره‌ی استاندارد بین‌المللی کتاب (شابک) ۱۳-۹۷۸-۱۲۸۵۹۶۵۵۲۳ اقتباس شده است.

اکنون آماده‌ایم تا پیچیدگی بیشتری را به مدل‌های صفحه‌گسترده خود وارد کنیم. از آنجایی که سطح آشنایی همه افراد با اکسل متفاوت است، ما به مرور برخی از توابع و ویژگی‌های پایه‌ای به همراه تکنیک‌های پیشرفته‌تر خواهیم پرداخت. این بخش، بخش بیشتری از فرآیند مدل‌سازی را پوشش می‌دهد و شامل برخی از توابع و ابزارهای اکسل می‌شود که شاید کمتر شناخته‌شده‌اند، اما به‌ویژه مفید هستند. با این حال، به خاطر داشته باشید که هدف این دوره، آموزش «نحوه کار با اکسل» نیست. بلکه تمرکز و هدف این است که از این ویژگی‌ها برای به دست آوردن یک درک عمیق از مسائل واقعی کسب‌وکار استفاده کنیم.

در این بخش، از مفهوم مدل‌سازی به منظور برآورد روابط بین متغیرها، از طریق برازش منحنی (curve fitting) یا تحلیل رگرسیون، برای حل مسائل واقعی کسب‌وکار استفاده می‌شود. انواع مختلفی از منحنی‌های رگرسیون معرفی می‌گردند و تحلیل ریاضی برای انتخاب بهترین منحنی جهت دفاع از مدل ارائه می‌شود. این رویکرد نه تنها سبب درک تکنیک‌های مدل‌سازی می‌شود بلکه پشتوانه منطقی انتخاب مدل مناسب را نیز برای ما روشن می‌سازد.

در این بخش، ما شما را با بهینه‌سازی با استفاده از صفحه‌ گسترده آشنا می‌کنیم که یکی از قدرتمندترین و انعطاف‌پذیرترین روش‌های تحلیل کمی است. نوع خاصی از بهینه‌سازی که در اینجا معرفی می‌شود برنامه‌ریزی خطی است که در انواع سازمان‌ها برای حل طیف وسیعی از مسائل به کار می‌رود. همان‌طور که در مثال‌های ارائه‌شده در این دوره مشاهده خواهید کرد، برنامه‌ریزی خطی در مسائل مربوط به برنامه‌ریزی نیروی کار، مدیریت موجودی، تبلیغات، امور مالی، حمل‌ونقل، نیروی انسانی و بسیاری موارد دیگر کاربرد دارد. هدف این بخش، معرفی عناصر پایه‌ای برنامه‌ریزی خطی، انواع مسائلی که می‌توان با آن حل کرد و نحوه مدل‌سازی یک مسئله برنامه‌ریزی خطی در اکسل است.

این ماژول، با تمرکز بر مسائل حمل‌ونقل و انتساب، نمونه‌های بیشتری از مسائل قابل مدل‌سازی با برنامه‌ریزی خطی (LP) ارائه می‌دهد. مسئله‌ی حمل‌ونقل پایه‌ای به دنبال یافتن بهترین (معمولاً کم‌هزینه‌ترین) روش توزیع کالا از منابعی همچون کارخانه‌ها به مقصد نهایی مانند فروشگاه‌های خرده فروشی است. در مسئله‌ی انتساب، هدف یافتن بهترین (معمولاً کم‌هزینه‌ترین) روش برای اختصاص افراد یا تجهیزات به پروژه‌ها یا کارها به صورت یک‌به‌یک است. با استفاده از حل‌گر (Solver)، از ساختار خاص این مسائل LP برای یافتن راه‌حل‌های بهینه برای مشکلات پیچیده کسب‌وکار به شیوه‌ای کارآمد بهره خواهیم برد.

این ماژول زیرمجموعه دیگری از مدل‌های مهم برنامه‌ریزی خطی ریاضی را ارائه می‌کند که زمانی به وجود می‌آیند که برخی از فرض‌های اولیه‌ی یک مدل LP کم و بیش محدودکننده‌تر شوند. برای مثال، محدود کردن متغیرهای تصمیم‌گیری به اعداد صحیح منجر به فرآیند برنامه‌ریزی integer می‌شود. محدود کردن متغیرهای تصمیم‌گیری به ۰ یا ۱ منجر به برنامه‌ریزی دودویی می‌شود. در نهایت، خواهیم دید که چگونه مهارت‌های این دوره را می‌توان برای حل مسائل پیچیده‌تری که شامل مدل‌های غیرخطی هستند، به کار برد.