Vyjádření hodnotitele pro vnitřní hodnocení
studijního programu
Identifikace hodnoceného studijního programu
Název N-MSME Matematické a statistické metody v ekonomii
Typ N: Navazující magisterský
Profil Akademický
Forma Prezenční
Jazyk Český jazyk
Fakulta ECON: Ekonomicko-správní fakulta
Hodnotitel
Jméno, příjmení, titul Petra, Kummerova, Ing
I. Vymezení a vnitřní struktura studijního programu
(Podklady/Data: Charakteristika studijního programu)
Cílem této sekce je zejména posoudit konzistentní a logickou strukturu studijního programu. Věnujte pozornost
souladu cílů studia s uplatněním absolventa a výstupy z učení, studijním plánům a jejich struktuře. Odpovídají
předpokládané kompetence absolventů realitě a požadavkům pracovního trhu apod.? V komentářích je možné
vyjádřit doporučení, kam by se studijní program mohl dále rozvíjet, nebo se vyjádřit k celkovému vývoji a
změnám za poslední období.
1. Má studijní program jasně a srozumitelně vymezenou charakteristiku studijního programu?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
Komentář:
Ano, studijní program má velice srozumitelně vymezenou charakteristiku vzhledem k profilujícím
předmětům. Jedná se o kombinaci datové analýzy na příkladech z ekonomie s převazujícím zaměřením
na makroekonomii. Nicméně, získané dovednosti lze uplatnit i jinde na datově-analytickém trhu práce.
V souladu s uspokojením poptávky trhu práce, resp. datově-analytického trhu práce, by se charakteristika
programu dala rozšířit i na aplikace z jiných segmentů ekonomie a příbuzných témat. Pokud to kapacity
dovolí, bylo by zajímavé tyto oblasti do programu rovněž zakomponovat. V sebehodnotící zprávě již byla
zmínka o podobném záměru, především z oblasti kvantitativních financi.
2. Jsou výstupy z učení1 přesvědčivě, konkrétně a srozumitelně formulované vzhledem k cílům
studia a předpokládanému uplatnění absolventa?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
3. Tvoří struktura předmětů v jednotlivých studijních plánech studijního programu, smysluplný celek,
který umožňuje studentům osvojení stanovených výstupů z učení?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
1
Výstupy z učení představují konkrétní odborné znalosti, dovednosti a obecné způsobilosti, které by si absolvent měl
v průběhu studia ve studijním programu osvojit. Zachycují minimální standard a musí být měřitelné.
Z mého pohledu by bylo zajímavé zvážit následující oblasti, které bych zařadila mezi nejčastější klienty z
datově-analytické sféry:
- mikroekonomii (projekty jako personalizace cenových nabídek, optimalizace výroby a logistiky,
apod.)
- kvantitativní finance (predikce na burzovních trzích)
- marketing (personalizace kampani, jejich kanálů apod.).
Komentář:
Ano, z mého pohledu, v porovnaní s jinými obory jsou cíle velice prakticky orientované a věřím v jejich
široké uplatnění v reálném profesním životě.
Pokud bychom chtěli jít ještě dále a pokrýt celé spektrum profesních dovednosti a zvýšit tak ještě vice
hodnotu absolventa na trhu práce, mohli bychom zvážit zahrnuti i následujících výstupů z učení:
- „schopnost praktické aplikace v nejčastěji používaných SW nástrojích“
- „schopnost interpretace výsledků nejen technicky zdatnému, ale i laickému publiku“.
Obojí se zda byt součástí vyučovaných předmětů a je v praxi téměř vždy vyžadováno.
Komentář:
Ano, profilující předměty tvoří uceleny blok pro osvojeni makroekonomie, mikroekonomie a praktických
matematických aplikaci (Ekonometrie, Bayesianska Analýza, Makroekonomické modelovaní) v kombinaci
s reálnou implementaci (Základy MATLABu jako samostatný předmět i jako nastroj ve výše uvedených
predmetech).
Velice se mi líbí návrh výměny bloku jazyka II za blok programovacího jazya. Hlavním datovým jazykem
je angličtina a potažmo programovací jazyky. Např. Rovněž v evropské centrální instituci, jakou je ECB
(Evropská Centrální Banka) jako jazyk zcela postačí AJ, jenž je zde oficiálním jazykem.
4. Prostor pro doplňující komentáře, postřehy a doporučení.
Programovací blok namísto jazyka II. by kromě zmíněných oblasti (práce s databázemi a API,
implementace s GitHubem) mohl dále pokrývat také; “model deployment” – jak implementovat model jako
API, co dalšího je dobré vědět při implementaci modelu?, dále pak „model improvements & maintenance“
– jako například versioning in kubernetes/docker. Společnosti čím dal častěji kladou požadavky na E2E
(end-to-end) model implementaci na samotné datové analytiky / vědce.
Komentář:
Zvážila bych zařazení některých z následujících témat do profilujících či povinně volitelných předmětů.
1. Programovací jazyk – zvážila bych nahrazení MATLABu za python & R
• Z mojí zkušenosti je MATLAB v posledních letech nahrazován open source nástroji jako
python, R.
• V soukromé sféře již téměř 100% převládá python, R. Rovněž v centrálním bankovnictví
pozoruji přechod k open source (například u ECB – Evropská Centrální Banka také
přechod k python, R).
• Předpokládám, že tento trend bude i nadále pokračovat. Mezi hlavni důvody bych
zařadila; volně přístupné kódy na GitHub, jednoduchou integraci s nástroji na strojové
učení (např. Tensorflow, PyTorch), širší spektrum uchazečů.
• Z vlastní zkušenosti vidím v posledních letech dále převládat python nad R. A až dále za
nimi MATLAB. Který má stále svoje uplatnění v některých sférách (optimalizace,
Bioinformatika).
• JIZ PLANOVANE ZMENY: Všimla jsem si, ze přidaní těchto jazyků je již plánováno (ať
již jako samostatné bloky nebo například v rámci předmětu Bayesianska Analýza).
2. Více umělé inteligence a strojového učení
• Z mojí zkušenosti se v současnosti ve většině případů v praxi kombinuje lidská
zkušenost oblastního experta se strojovým učením.
• Mohlo by se jednat o doplněk k ucelenému obrazu současných uplatňovaných metod.
V profilujících předmětech je již Ekonometrie, Bayesianska Analýza, Makroekonomické
modelování. Strojové učení v aplikaci na ekonomických problémech by mohlo být
zajímavým dodatkem.
3. Prezentace pro business audience / netechnické publikum
• I v ekonomii je někdy potřeba prezentovat výsledky méně technicky zdatnému publiku
(např. spotřebitelům, občanům, obchodnímu vedení apod.)
• Hodí se ovládat tzv. "Data translation skills", aby naše závěry byly správně pochopeny.
• Mezi tyto dovednosti můžeme zařadit – schopnost správně komunikovat naše výsledky,
vizuálně zobrazit výsledky, apod.
• JIZ PLANOVANE ZMENY: Analýza a vizualizace ekonomických dat - Od podzimu 2021.
II. Výuka, učení a hodnocení
(Podklady/Data: Charakteristika studijního programu, Charakteristiky předmětů,
výsledky předmětové ankety)
Cílem této sekce je především posoudit vhodnost používaných výukových metod s ohledem na stanovené cíle
studia a výstupy z učení. Zaměřuje se i na vhodné nastavení praxe a praktické výuky, státní závěrečné
zkoušky nebo aktuálnosti literatury a jiných studijních opor. V komentářích je možné vyjádřit doporučení, kam
by se studijní program mohl dále rozvíjet.
5. Používá studijní program vzhledem k cílům studia a profilu absolventa adekvátní výukové
metody?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
6. Jsou studijní literatura a jiné studijní materiály soudobé a relevantní vzhledem k cílům studia a
profilu absolventa?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
7. Má studijní program vhodně nastavený poměr teoretické a praktické výuky (u studijních programů
vedoucích k výkonu regulované profese se tento poměr řídí platnou legislativou)?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
Komentář:
Myslím, že ano. Je úžasné vidět, jak ve většině předmětů dochází k reálné aplikaci (za použiti SW jako
MATLAB apod.) na reálných příkladech (často ve spolupráci s profesním světem studentů). Ideálně bych
toto zařadila do všech předmětů, kde to jen trochu jde. Z mého pohledu je reálná aplikace většiny
vyučované látky jeden z největších přínosů programu.
Dále bych vyzdvihla zejména partnerství s ČNB a OGResearch ve výuce dodávající provázanost s
reálnými potřebami trhu práce.
Rovněž povazuji za velice inspirativní softwarově neutrální přístup ke zpracováni ilustrativních příkladů ve
vybraných předmětech.
Komentář:
Jelikož je datová analytika / věda rychle se vyvíjející oblastí, zvážila bych možnost ještě dále obohatit o
diskuze nad nejnovějšími poznatky na konci každého předmětu. Např. výběrem nejnovějšího
akademického článku či prezentace z konference a diskuzí nad tímto.
Z mé zkušenosti takovýchto zlomových článků vyjde do roka několik a je těžké takto rychle měnit studijní
osnovu. Předmět by tedy mohl být schopen je pokrýt alespoň ve formě diskuzi nad nejnovějšími
poznatky.
8. Je státní závěrečná zkouška vhodně nastavena vzhledem ke stanoveným cílům studia a
výstupům z učení studijního programu?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
9. Odpovídá systém spolupráce s praxí charakteru studijního programu a počtu studentů ve
studijním programu?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři) ☐ Není relevantní
10. Využívá studijní program dostatečně potenciál pro spolupráci s možnými budoucími
zaměstnavateli jeho absolventů?
☐ Ano ☒ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
Komentář:
Ano – viz komentář u otázky číslo 5.
Komentář:
Ano. Dále si myslím, že je vskutku obdivuhodné, jak moc jsou studijní program, jeho osnova, státní
závěrečná práce i zkouška, provázané se skutečným uplatněním na trhu práce.
Mimo jiné bych vyzdvihla, že závěrečné práce jsou často založeny na reálném problému skutečného
zaměstnavatele. Z mojí zkušenosti by toto mohlo být ještě vice podpořeno různými partnerstvími se
soukromým sektorem. Většina firem nemá zájem podpořit „pouze“ závěrečnou práci. Nicméně, mnoho
firem přijímá studenty v posledních ročnících studia na několika měsíční stáže. A v rámci této stáže je
často možnost na přiděleném projektu napsat i závěrečnou práci.
Komentář:
Ano – myslím, že spolupráce s ČNB a OGResearch pokrývá hlavni oblast uplatnění absolventů pro
makroekonomické modelování.
Pokud by byl program rozšířen o další oblasti datové analýzy (např. mikroekonomie, finanční
modelování, marketing, apod. viz komentář u otázky číslo 1), bylo by vhodné rovněž spektrum
spolupráce rozšířit o další subjekty.
Komentář:
Myslím, že v rámci makroekonomického modelování ano. Nicméně, věřím, že potenciál studijního
programu je větší a přesahuje makroekonomické modelování, viz. komentář u otázek 1 a 9.
11. Prostor pro doplňující komentáře, postřehy a doporučení.
I v porovnání s jinými existujícími programy na Masarykově Univerzitě (např. z FI nebo PřF), zde vidím
potenciál pro rozšíření aplikací na další oblasti ekonomie a financi a zasazení do jednotného celku pod
MSME.
Komentář:
Část III
Personální zabezpečení
(Podklady/Data: Podklady k personálnímu zabezpečení z IS MU)
Hlavním cílem je posoudit kvalitu personálního zajištění studijního programu vzhledem k jeho typu, počtu
studentů a zaměření. Jedním z ukazatelů je současně také tvůrčí činnost uskutečňovaná akademickými
pracovníky hodnoceného studijního programu, kde se posuzuje především kvalita, relevantnost a rozložení
tvůrčích výstupů napříč akademickými pracovníky vzhledem k typu a charakteru studijního programu za
posledních 5 let. V komentářích je možné vyjádřit doporučení, kam by se studijní program mohl dále rozvíjet.
12. Je studijní program dostatečně personálně zabezpečen s ohledem na strukturu akademických
pracovníků dle počtu a věku?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
13. Je počet studentů na akademického pracovníka nastaven vhodně pro zajištění kvalitní výuky ve
studijním programu?
☐ Ano ☒ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
14. Prostor pro doplňující komentáře, postřehy a doporučení.
Komentář:
Komentář:
Počet studentů na jednoho vedoucího státní závěrečné práce by mohl být nižší. Nicméně, ze
sebehodnotící zprávy vyplývá, že i přes větší vytíženost některých vedoucích nedochází k poklesu kvality
prací.
Další moznosti by mohlo být zvážení větší spolupráce se soukromým sektorem. Kde by mohla být práce
vedena společně akademickým pracovníkem a soukromým pracovníkem v odpovídající pozici.
(Je mi známo, že vedení pouze pracovníkem ze soukromého sektoru se nemusí setkat s úspěchem
vzhledem k nižší provázanosti s akademickým sektorem a požadavkům na formát).
Komentář:
Část IV
Internacionalizace
(Podklady/Data: Manažerská data)
Hlavním cílem je posouzení mezinárodního rozměru programu (tzn. mobilit, nabídky kurzů vyučovaných
v cizím jazyce apod.) s ohledem na typ a zaměření studijního programu. V komentářích je možné vyjádřit
doporučení, kam by se studijní program mohl dále rozvíjet.
15. Odpovídá mezinárodní spolupráce (zahraniční pobyty, předměty vyučované zahraničními
vyučujícími, zapojení do mezinárodních výzkumných projektů apod.) charakteru studijního
programu a počtu studentů?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
16. Odpovídá míra internacionalizace (využívání cizojazyčné literatury, předměty v cizích jazycích,
povinné aktivity studia v cizích jazycích, prostor pro mobilitu ve studijním plánu, výuka cizích
jazyků, zahraniční vyučující podílející se na výuce) typu a zaměření studijního programu?
☒ Ano ☐ Spíše ano (zdůvodněte v komentáři) ☐ Ne (zdůvodněte v komentáři)
17. Prostor pro doplňující komentáře, postřehy a doporučení.
Komentář:
Ano - V nabídce je velká škála zahraničních partnerských univerzit.
Myslím, že pokud je to jen trochu možné, mohlo by být zajímavé partnerství s University in Rotterdam,
kde publikoval např. Christiaan Heij aspol. knihu „ Econometric Methods with Applications in Business
and Economics“, která by mohla byt považována za „Bible ekonometrie“.
Dále je příjemné vidět na seznamu partnerských univerzit také „University of Milano–Bicocca“. Z této
univerzity je velké množství pracovníků v ECB (Evropská Centrální Banka).
Komentář:
Velka část literatury v datové oblasti je v anglickém jazyce, čemuž odpovídá i literatura v programu
MSME.
Komentář:
Část VI
SWOT analýza a návrh plánu rozvoje studijního programu
Závěr slouží k nástinu doporučení pro budoucí rozvoj studijního programu. Do závěrečného shrnutí lze
zahrnout také další témata, ke kterým se hodnotitel chce vyjádřit a která nebyla pokryta v předchozích částech.
18. Vyjádřete se prosím ke SWOT analýze obsažené v sebehodnoticí zprávě studijního programu.
Jsou ve SWOT analýze náležitě posouzeny silné a slabé stránky a příležitosti a hrozby? Jaké
další silné a slabé stránky, příležitosti či hrozby vidíte ze svého pohledu?
Komentář:
Ano, myslím, že uvedená SWOT analýza popisuje hlavní body ve všech směrech.
Mezi vnitřní silné stránky bych dodala také provázanost teorie s praktickou aplikaci za pomoci datových
nástrojů (např. MATLAB).
Mezi vnitřní slabé stránky bych dodala převazující zaměření na MATLAB na úkor open source nástrojů.
Myslím, že je opravdu výborný nápad nahradit jazyk II. blokem programovacího jazyka. A vidím zde
příležitost pro rozšíření na zmiňovaný open source (python, R).
Souhlasím i se vsemi vnějšími příležitostmi. Vzhledem k pracovnímu trhu očekávám postupný další
narůst zájemců o studium. A vidím příležitost v partnerství s ostatními fakultami pro dodání uceleného
pohledu na ekonomické a finanční modelování. Dále také ještě hlubší spolupráce s absolventy a
soukromým sektorem by mohla zvýšit možnost uplatnění studentů a tedy i zájem nových studentů.
Zvážila bych bližší spolupráci s některou z konzultantských společností (McKinsey & Company, BSG,
KPMG, PwC, Deloitte a Ernst & Young). Tyto společnosti mají oddělení „Management Consulting“,
v rámci něhož dodávají klientům datové analýzy v různých oblastech a sektorech. Vidím zde velký
potenciál uplatnění absolventů MSME. Navíc, tyto společnosti nabírají ročně desítky absolventů a je zde
tedy jistota určitého objemu otevřených pozic za rok. Partnerství by tedy mohlo být zajímavé lákadlo pro
uchazeče MSME.
Ohledně vnějších hrozeb je myslím zajímavá motivace studentu dokončit studium vzhledem k jiným
nabídkám na trhu práce. Ta hrozba zde je, nicméně, nepovažovala bych ji za příliš velkou vzhledem
k obvyklému minimálnímu požadavku dokončeného magisterského studia v profesním uplatnění.
19. Formulujte nejvýše pět konkrétních doporučení pro budoucí uskutečňování a rozvoj studijního
programu.
Doporučení:
1. Rozšíření programu na celou škálu ekonomického a finančního modelování.
• např. na aplikace z mikroekonomie (personalizace cenových nabídek zákazníkům,
optimalizace výroby a logistiky, apod.), kvantitativních financi (predikce na burzovních
trzích) a marketingu (personalizace kampani, jejich kanálů apod.).
• možnost realizace rozšíření programu i skrze větší spolupráci s ostatními fakultami (FI,
PřF)
• (více viz. komentář u otázky číslo 1)
2. Rozšířeni spolupráce s externími entitami pro ještě větší atraktivitu programu a uplatnění
absolventů (více viz. komentář u otázky číslo 18)
3. Nahradit Matlab vice open source nástroji, jako python, R (více viz. komentář u otázky číslo 4)
4. Více umělé inteligence a strojového učení (více viz. komentář u otázky číslo 4)
5. Nahradit jazyk II. blokem programovacího jazyka
20. Prostor pro závěrečný komentář a postřehy nad rámec výše uvedených témat.
Komentář:
Myslím, že studijní program je celkově velice dobře koncipovaný a má velký potenciál, což dokazuje již
tak kvalitním uplatněním absolventů.
Datum a místo zpracování:
19. 5. 2021, Praha