Analytics for Cross‐functional Excellence 

Name of the Faculty: Ananth Krishnamurthy 
 
Designation: Professor 
 
Teaching Area: Decision Sciences 
(such as Finance & Accounting; Marketing; 
Production & Operations Management; Strategy) 
 
This course may be offered to:
(PG Programmes / Doctoral Programme) 
http://www.iimb.ernet.in/programmes   Open to PGPEM 
   
Credits (No. of hours):
(3 credits=30 classroom hours; 1.5 credits‐15  3 credits 
classroom hours; session=90 minutes)  
   
Term / Quarter: October 
(Starting April /June /September/December) PGPEM (Quarter 7) 
   
Course Type:  
(Core or Elective) Elective Course 
 
Offered as:    
(Regular Course: staggered across the term or Regular Course 
                       Workshop1 Course: 3‐5 
continuous days) 
Are there any financial  None 
implications to this course, apart 
from the allocated budget?
Please mention the no. of sessions allocated to each faculty, if multiple 
faculty are teaching in this course. 
 
Additional information required Please provide one‐page profiles of all external faculty members teaching 
in this course, along with their address and contact numbers.   
 

   

 
1
 Workshop course: Please provide reasons as to why the course is being offered in workshop mode and why it cannot be offered 
as a regular course (that is spread over 10 weeks). As an institution, IIMB prefers courses offered in the regular mode, since it 
results in better learning experience for the students and avoids overlapping of courses. 

Degree Granting Programmes: Template for proposing new course outlines_v2019_Internal  
Course Summary 
There main objective of the course is to understand the application of analytics tools for cross functional 
decision  problems  in  business.  Often,  key  problems  in  business,  involve  decisions  that  cut  across 
functional boundaries (finance, sales, marketing, operations, procurement, etc). Effective decision making 
and  efficient  execution  of  solutions  can  be  challenging  in  these  settings.  The  goal  of  this  course  is  to 
empower  you  with  analytics  tools  that  can  serve  as  the  orchestrator  of  cross  functional  excellence. 
Analytics can provide managers the ability to cut through biases and prejudices that might exist within 
functions and provide clarity of problem and solutions to drive true business excellence.  
 
The course will build on the basic principles underlying operations management, marketing, strategy, and 
finance,  acquired  through  core  courses  in  the  curriculum.  It  will  illustrate  how  decisions  science 
methodologies can be used to break down barriers to cross‐functional excellence. The course is divided 
into multiple modules that each illustrate an application of analytics in cross functional decision making. 
The choice of analytics tools would depend on the business problem, but the goal of providing clarity in 
problem  and  solution  remain  pervasive.  By  providing  some  depth  into  each  application,  as  well  as  a 
breadth of applications, the course will attempt to equip you with the knowledge as well as the confidence 
to apply analytics in your professional environment.  
 
Pre‐requisites  
 Introductory knowledge of decision sciences (core courses in the PGPEM, EPGP and PGP curriculum) 
 
Learning Objectives / Outcomes 
The course is designed with the following specific objectives and learning outcomes: 
1. Equip students with analytics tools necessary for driving cross functional excellence 
2. Apply analytics tools to obtain solutions to cross functional decision problems in business 
 
Pedagogy 
Each module within the course will emphasize the application of analytics in solving business problems 
that have cross functional impact. Case studies and industry implementations will be a key component of 
each module. Within each module, we will use the case studies and industry implementations to: 
 Identify when the use of analytics will be effective and essential 
 Evaluate the choice of appropriate analytics relevant to the business problem  
 Discuss the details of the analytics techniques and their implementation 
 Explore their applications in other business settings 
 
Textbook 
 Instructor supplied course packet with cases and slides 
 
Readings for Reference  
 Business Analytics: The Science of Data ‐ Driven Decision Making by U Dinesh Kumar, Wiley, 2017. 
 Principles of Pricing: An Analytical Approach by Rakesh V. Vohra, Lakshman Krishnamurthi, Cambridge 
University Press, 2012. 
 
 

Degree Granting Programmes: Template for proposing new course outlines_v2019_Internal  
Course Evaluation & Grading Pattern 
Assessment  will have an individual and team component. Team  component will involve a  project  that 
involves  application  of  concepts  covered  in  class.  Individual  component  will  comprise  of  two  in‐class 
quizzes, and a final exam. The final exam will be open notes. Class participation is based on my evaluation 
of a student’s contribution to class discussions.  
 
 Team Assignments (12%, 13%):   25% 
 Quizzes (3x25%):      75% 
 

Session‐wise plan 
Analytics for Cross‐functional Excellence
Session No. Module Topic Readings
1 Optimizing Sales and Operations Plans  American Automobiles Limited: Production 
2 (Linear and Goal Programming) Planning (Case)
Module 1
3 Mathematical Programming Based Sales and 
4 Operations Planning at Vestel Electronics (case)
5 Chris Lee's Investment Plan (Case); Portfolio 
Risk and Return in Financial Portfolios 
6 Module 2 Optimization at Merill Lynch (case)
(Nonlinear optimization and Regression)
7
8 Strategy Decisions and Financial Risks  Licensing at Merck (Case); Investment Decisions 
9 Module 3 (Decision analysis and simulation) at Guidance Software (Case)
10
11 Collaborative Development of New  Protein Purification Inc (Case); Samsung's 
12 Products (Probabilistic models and  European Innovation Team (Case)
Module 4
13 Reinforcement learning)
14
15 Customer Service vs Efficiency in  Amazon.com: Conquering Grocery's Last Mile; 
16 Module 5 Staffing (Queuing models and Pricing) Design of a “Last Mile” Transportation System
17
18 Aligning Procurement and Marketing  Outsourcing, Near‐sourcing, and Supply Chain 
19 Module 6 Campaigns (Regression and Simulation) Flexibility in the Apparel Industry (Case); Strategic 
20 Sourcing at Whirlpool China (Case)
 

Profile(s) of adjunct faculty teaching in the course, if any: 
Not applicable 

Degree Granting Programmes: Template for proposing new course outlines_v2019_Internal