Bachelor - Datalogi-økonomi - Københavns Universitet

Der stilles krav om matematik på A-niveau og engelsk på B-niveau.

Uddannelsen i datalogi-økonomi er en tværfaglig uddannelse, som kombinerer ekspertise indenfor anvendt matematik, statistik, datalogi og økonomi med henblik på at de færdige bachelorer skal kunne arbejde i krydsfeltet mellem teknologi og økonomi. Uddannelsen vil give et solidt fundament både i den økonomiske og datalogiske faglighed, og være baseret på solid forskningsdækning, hvilket er sikret ved forankringen på Datalogisk Institut (DIKU) og Institut for Økonomi (ECON) ved Københavns Universitet samt samarbejdet med Institut for Fødevare- og Resourceøkonomi (IFRO) ved Københavns Universitet. Fagsammensætningen gør, at uddannelsen er direkte adgangsgivende både til kandidatuddannelser i økonomi (cand.polit., cand.oecon.agro.) og datalogi (cand.scient.). Uddannelsen er baseret på et stærkt matematisk fundament, som det også er tilfældet for bacheloruddannelserne i datalogi og økonomi.

Formålet med uddannelsen er at bidrage væsentligt til den markante erhvervsmæssige efterspørgsel af dimittender med datalogiske og økonomiske kompetencer og specifikt til efterspørgslen efter dimittender med færdigheder indenfor krydsfeltet mellem datalogi og økonomi.

Nedenfor følger kompetenceprofilen for uddannelsen 
Viden:
Forskningsbaseret viden om teori, metode og praksis indenfor (1) matematik/statistik, (2) datalogi og (3) økonomi
Have forståelse for og kunne reflektere over teori, metode og praksis indenfor (1) matematik/statistik, (2) datalogi og (3) økonomi
Bredt kendskab til økonomiske modeller og deres sammenhænge
Viden om strukturering, lagring, behandling og fortolkning af data
Viden om programdesign, algoritmer og datastrukturer
Færdigheder:
Anvende matematisk formelsprog i økonomiske modeller
Omsætte matematisk formelsprog til effektive og hensigtsmæssige datalogiske løsninger
Kombinere matematiske og datalogiske færdigheder til at udvikle effektive løsninger af realistiske økonomiske eller statistiske modeller
Formidle uddannelsens elementer indenfor matematik/statistik, datalogi og økonomi til både fagfæller og ikke-specialister
Programmere indenfor forskellige programmeringsparadigmer
Selvstændigt opstille og udføre egne analyser ved hjælp af empiriske metoder indenfor såvel makro- som mikroøkonomi.
Afgøre korrektheden og relevansen af logiske, matematiske og statistiske argumenter
Vurdere algoritmers korrekthed, effektivitet og hensigtsmæssighed.

Kompetencer:
Håndtere komplekse og udviklingsorienterede situationer
Indgå selvstændigt i fagligt og tværfagligt samarbejde med en forskningsbaseret tilgang
Identificere egne læringsbehov og strukturere egen læring
Opdele større problemer i mindre, lettere tilgængelige delproblemer
Vælge mellem mulighederne, men indenfor begrænsningerne, i fagenes forskellige metodevalg 

Uddannelsen er bygget op omkring kernefagene indenfor datalogi og økonomi. Omfanget af valgfrie kurser er på 30 ECTS, mens den resterende del af kurserne er obligatoriske. Opbygningen prioriterer balance i uddannelsen, således, at de studerende kontinuerligt oplever at være tilknyttet fagligheder indenfor både datalogi og økonomi. De valgfrie kurser er alle placerede i blok 1 og 2 på 3. år for derved at tilgodese mobilitetsvinduet. Et kassogram for uddannelsens opbygning ses nedenfor

Kassogrammet følger blokstrukturen og læses top-down (år efter år) og fra venstre til højre i det indeværende år. I det følgende beskrives kort de obligatoriske kursuselementer:

Programmering og problemløsning (15 ECTS).
Kurset giver de studerende en introduktion til programmering og til hvordan problemløsning struktureres ved hjælp af et program. Der gennemgås grundlæggende koncepter og terminologi indenfor programmering. Der undervises i funktionelle, imperative og objektorienterede programmeringsparadigmer.

Introduktion til Økonomi (7,5 ECTS).
Kurset introducerer “økonomisk tænkning” og giver de studerende en grundlæggende forståelse for den økonomiske faglighed, dækkende basal økonomisk mikro- og makroteori. Mikro-delen omfatter grundlæggende forbrugerteori og virksomhedsteori samt emner som økonomisk markedsligevægt og efficiens under såkaldt “perfekte” omstændigheder. Makro-delen introducerer de studerende til makroøkonomisk data samt basal kortsigts-makroteori om pengeforhold og inflation samt makromodeller for lukkede og åbne økonomier.
 
Matematisk analyse (MAT 1) (7,5 ECTS).
Kurset introducerer de studerende til grundlæggende elementer i matematisk analyse såsom differentiation og integration samt matematisk sprog og argumentation. Kurset introducerer endvidere optimeringsbegrebet, som der bygges på i de efterfølgende økonomifag.

Diskret matematik og formelle sprog (MAT 2) (7.5 ECTS).
Kurset giver en introduktion til diskret matematik og formelle sprog. Den matematiske del af kurset fokuserer på den matematisk metode og matematiske værktøjer, som bruges i løsningen af datalogiske problemstillinger. Emner der dækkes inkluderer logik, elementær talteori og tælleproblemer, mængder og relationer, samt funktioner. Fokus i delen omkring formelle sprog omhandler systematisk beskrivelse og analyse af formelle sprog og grammatikker, herunder områder som regulære sprog og tilstandsmaskiner.

Lineær algebra (MAT 3) (7.5 ECTS).
Kurset dækker grundlæggende lineær algebra med fokus på ligningsløsning, Gauss-elimination, matrixregning, baser for vektorrum, ortogonalitet, determinant, egenværdier, komplekse tal og diagonalisering. Anvendelsesmuligheder indenfor datalogien fremhæves løbende. De studerende introduceres til at implementere diverse algoritmer og metoder i et programmeringssprog som for eksempel C# eller lignende.

Statistik og sandsynlighedsregning (7,5 ECTS).
Kurset omhandler sandsynlighedsteori og statistik, dækkende centrale emner som sandsynligheder, stokastiske variabler, fordelinger og transformationer af stokastiske variable. De studerende introduceres endvidere til hvordan man beskriver stokastiske variabler ved deres fordelinger. Kurset gennemgår endvidere vigtige asymptotiske resultater, der senere anvendes til dataanalyse i økonometrikurserne. Der fokuseres eksplicit på håndtering og analyse af data samt implementering af statistiske metoder. Der anvendes et matrix programmeringssprog for at skabe en en-til-en sammenhæng mellem teori og en praktisk implementering og brug af teorien. Teoretiske resultater vil i vid udstrækning illustreres ved brug af Monte Carlo simulationer.

Mikro 1 (7,5 ECTS).
Kurset bygger videre på mikrodelen af kurset Introduktion til Økonomi. Hvor Introduktion til Økonomi behandlede ligevægt og efficiens under perfekte omstændigheder, vil Mikro 1 behandle betydningen af markedsfejl og markedsimperfektioner såsom afvigelser fra fuldkommen konkurrence, eksternaliteter og offentlige goder samt asymmetrisk information og mulighederne for at rette op på markedsfejl ved økonomisk politik. Kurset introducerer endvidere de studerende til en mere avanceret beslutningsteori end behandlet i Introduktion til Økonomi, herunder teorier vedrørende intertemporal optimering, beslutninger under usikkerhed, herunder von Neumann-Morgenstern risikopræferencer, der leder til basal finansiel økonomi om blandt andet risikable aktiver. Endelig introduceres de studerende til en basal teori om ligevægt og efficiens med mange varer og økonomiske aktører behandles, hvilket leder frem til anvendelse af numeriske løsningsmetoder for relativt komplekse generelle ligevægtsmodeller, dækkende markeder for brugte biler, for huse og lignende.

Økonometri I (7,5 ECTS).
Kurset omhandler den lineære regressionsmodel og kausal analyse for tværsnits- og panel data. Kurset vil give en dybere forståelse af lineær regression, instrumentvariable og treatment effects metoder. De studerende vil i kurset blive introduceret til virkelige datasæt, og en stor del af undervisningen og opgaverne vil derfor være computerbaserede. De studerende trænes i selvstændigt at opstille regressionsmodeller, fortolke koefficienter og sammenligne forskellige typer af identificerende variation. Derudover trænes de studerende i at tænke over empirisk forskningsdesign og at kunne tænke kritisk over forskellen på korrelation og kausalitet.

Numeriske metoder (7,5 ECTS).
I dette kursus introduceres de studerende til at implementere matematiske problemer på en computer ved brug af de metoder fra numerisk analyse og anvendt matematik, som typisk anvendes i økonomiske modeller. Kurset dækker de mest grundlæggende numeriske metoder for N-dimensionale Euklidiske vektorrum, herunder iterative metoder til løsning af lineære og ikke-lineære ligningssystemer, numerisk optimering, approksimation af funktioner, interpolationsmetoder, numerisk integration, differentiering og Monte Carlo metoder. Ligeledes dækkes metoder til løsning af dynamiske problemer, herunder finite difference metoder, projektionsmetoder og numerisk dynamisk programmering. Der fokuseres specifikt på hvordan numeriske metoder bruges i økonomiske modeller og økonometriske analyser. De studerende forventes at implementere et udvalg af de gennemgåede numeriske metoder i et lavniveau programmeringssprog som C. 

Makro 1 (7,5 ECTS).
Kurset indfører makroøkonomisk empiri og teori overvejende for det lange sigt. Kurset prioriterer empiri og databehandling (byggende på metoderne fra Statistik og Sandsynlighedsregning samt Økonometri 1) ved, at numeriske løsningsmetoder indgår. De studerende introduceres til empiri og stiliserede makroøkonomiske fakta for det lange sigt (vækst, velstand og strukturel arbejdsløshed) og for det korte sigt (konjunkturbevægelser og cyklisk arbejdsløshed). Den afledte teoretiske sondring mellem makroteori for det lange og det korte sigt præsenteres og diskuteres. De studerende introduces til de mest basale makroteoretiske vækstmodeller i diskret og kontinuert tid, for lukkede og åbne økonomier, inkluderende henholdsvis humankapital og naturressourcer.
Endvidere omhandles vækstmodeller byggende på intertemporal optimering af eksempelvis opsparing og anvendelser heraf. Der arbejdes i kurset med numeriske løsningsmetoder, da en række af de introducerede modeller generelt ikke kan løses analytisk.

High performance computing (7.5 ECTS).
Kurset introducerer de studerende til emner som computerarkitektur og netværk, hukommelsesarkitektur, task-parallelisme og samtidighed, samt til massivt data-paralleliserede arkitekturer. Der vil være fokus på effektiv data-processering (big data) og effektive beregninger (big compute). Kurset introducerer de studerende til at implementere effektive versioner af en række af de tidligere introducerede numeriske algoritmer.

Økonometri II (7,5 ECTS).
Kurset omhandler ikke-lineære statistiske metoder og dækker mere avancerede empiriske metoder såsom maximum likelihood og generalized method of moments, men også ikke-parametriske metoder og machine learning metoder. Fælles for metoderne er, at de indebærer en kompliceret løsning af et optimeringsproblem, der kun kan løses numerisk. Kurset vil dels fokusere på implementering og programmering af metoderne dels på at introducere de studerende til anvendelser på virkelige datasæt. Anvendelserne vil i høj grad bygge på optimering og de værktøjer, de studerende er blevet introduceret til i kurset Numeriske metoder.

Algoritmer og datastrukturer (7.5 ECTS).
Formålet med dette klassiske datalogiske kursus er at introducere de studerende til en række algoritmiske paradigmer (herunder del-og-hersk, det grådige princip og dynamisk programmering), samt at introducere en række analyseværktøjer (korrekthed, køretid, pladsbehov). Kurset fokuserer på problemer, der kan løses i polynomiel tid og dækker emner som sorteringsalgoritmer, grafalgoritmer til bestemmelse af korteste veje og mindste udspændende træer, Fibonacci heaps, binære søgetræer, amortiseret analyse, del og hersk, dynamisk programmering, grådige algoritmer, samt korrekthedsbeviser.

Makro 2 (7,5 ECTS).
Kurset behandler makroøkonomisk teori for det korte sigt. De studerende introduceres til nominelle løn- og prisstivheder samt teorier for aggregerede investeringer og forbrug, for pengepolitik og aggregeret efterspørgsel. Der opstilles basale modeller med output og inflation som endogene variable, og teorien for stabiliseringspolitik behandles for lukkede såvel som for åbne økonomier. Modellerne analyseres blandt andet ved stokastisk simulation. Endvidere behandles nominelle og reale prisstivheder mere indgående. Der arbejdes med computerbaserede numeriske løsningsmetoder både via programpakker og ved egen programmering og både for lokale løsninger i lineariserede systemer og for globale løsninger i generelle systemer.

Mikro 2 (7,5 ECTS).
Kurset Mikroøkonomi 2 omhandler spilteori. De studerende introduceres til hvordan økonomiske modeller kan beskrive og analysere situationer, der involverer strategiske interaktioner blandt markedsdeltagere. Kurset vil introducere statiske og dynamiske spil med perfekt og imperfekt information, og der arbejdes med både rene og mixede strategier, og modeller for sekventielle eller simultane spil. Den første del af faget introducerer det teoretiske setup omkring spil i normalform og introducerer Nash ligevægtsbegrebet på en stringent formel måde. Koncepter såsom dominans og eksistens af ligevægt diskuteres. Den anden del af kurset behandler dynamiske spil med komplet information med økonomiske anvendelser. Dernæst vil imperfekt information blive introduceret både i statiske spil og i gentagne spil. Den tredje  del af kurset introducerer en række centrale problemer i mekanismedesign og asymmetrisk information. Her vil det være naturligt at fokusere på optimale valg i auktioner og på design af auktioner. Der inddrages eksempler fra virkeligheden og der vil være fokus på numeriske implementeringer og ikke blot på teoretiske karakteriseringer.

Databaser og informationssystemer (7,5 ECTS).
Dette kursus introducerer de studerende til grundlæggende databasebegreber såsom relationsdatabaser, normalformer og transaktionsbegrebet. Herudover omhandler kurset også systembygning (grundlæggende softwareudvikling), versionsstyring, og praktisk konstruktion af et mindre system (web-system, blockchain, eller lignende). Evalueringsformen vil være baseret på et projektforløb.

Videnskabsteori (7,5 ECTS).
Kurset introducere datalogi-økonomi som tværfagligt felt og i et alment perspektiv. Formålet med kurset er blandt andet at den studerende selv skal kunne diskutere videnskabsteoretiske og etiske spørgsmål, som knytter sig til udvikling og anvendelse af (tvær)faglig viden med relation til anvendt økonomi og datalogi. Kurset introducerer centrale videnskabsteoretiske begreber og problemstillinger, herunder model og virkelighed, hypotese, bekræftelse og falsifikation, paradigme, videnskabelig usikkerhed og kausalitet. Disse begreber anvendes bl.a. til at analysere økonomiens og datalogiens fundamentale antagelser. Samtidig tematiseres de etiske aspekter af økonomisk og datalogisk praksis i lyset af grundlæggende etiske teorier. De studerende introduceres desuden til de grundlæggende principper for god videnskabelig praksis; herunder diskuteres plagiering samt fabrikering og forfalskning af data.

Uddannelsen består af de fagelementer, der på den ene side tilvejebringer kernekompetencerne i henholdsvis datalogi og økonomi, og på den anden side understøtter de to fags emnemæssige og metodemæssige synergiområder mest muligt. Emnemæssige synergiområder er for eksempel blockchain-baserede løsninger, online auktionssites, big data, samt beregningstunge computerbaserede økonomiske og finansielle modeller. De emnemæssige synergiområder vil kunne udnyttes som omdrejningspunkter i undervisningen. De metodemæssige synergier opstår blandt andet gennem de studerendes programmeringsevner og grundlæggende datalogiforståelse, men også gennem deres evne til at arbejde med matematiske og statistiske modeller numerisk (dvs. på en computer). Som det fremgår oprettes der til uddannelsen et kursus i Numeriske Metoder. Kurset understøtter og udbygger denne metodemæssige synergi og de efterfølgende kurser indenfor områderne mikro-økonomi, makro-økonomi og empiriske metoder kan dermed fokusere undervisningen omkring computersimulationer af komplekse og realistiske modeller for virkeligheden. På den måde sikres det at undervisningen ligger tæt på forskningsfronten i økonomi, som i nyere tid har bevæget sig i stigende grad mod numeriske modeller.  Kurset Numeriske Metoder vil også være en forudsætning for kurset High Performance Computing, der giver de studerende unikke færdigheder til at implementere avancerede beregninger. Kurset Databaser og Informationssystemer tænkes endvidere som et særoprettet kursus, hvor evalueringsformen vil være et projekt, der skal trække i særdeleshed på krydsfeltet mellem datalogi og økonomi. Et eksempel kunne være, at de studerende udvikler en ny online auktionsplatform, med mikroteori bag auktionsformen og en færdigimplementeret mindre softwareløsning. Det sikres herved, at de studerende får kompetencerne til at sætte teorien i spil i en konkret kontekst.

Mobilitetsvinduet på 3. år kan udnyttes til at tone uddannelsen mod forskellige faglige profiler. Udover de kurser der allerede indgår på uddannelsen tilbyder DIKU, ECON og IFRO en lang række kurser på bachelorniveau, der vil kunne være relevante for de studerende. De studerende vil således have mulighed for at dreje uddannelsen mod en mere fundamental datalogiuddannelse eller mod de økonomiske områder. Indenfor de datalogiske områder vil de studerende også have stor valgfrihed således, at de kan specialisere sig, eksempelvis i emner som kunstig intelligens og machine learning, i teori for og implementering af programmeringssprog samt i computersystemer. Indenfor økonomi og statistik har de studerende mulighed for at specialisere sig, eksempelvis i emner som operationsanalyse (IFRO), finansiering, videregående økonometri, makro- eller mikro-økonomi.
Der vil også være mulighed for at de studerende kan vælge kombinationskurser, der eksempelvis dækker dataanalyse og numeriske beregninger indenfor finansiering.  

Bachelorprojektet tiltænkes en særlig rolle i studieforløbet. Her har de studerende muligheden for at tone deres uddannelse mod de emner, der netop interesserer dem, og de vil være forberedte på at anvende de mange færdigheder på et konkret problem. Det vil være oplagt, hvis flere bacheloropgaver indeholder produkter og konkrete softwareløsninger end det for eksempel er tilfældet på økonomistudiet.

Endelig skal det nævnes at der generelt på DIKU arbejdes på et tiltag for at imødekomme innovationsprocesser og entreprenørskab i forbindelse med blandt andet virksomhed startups, som i sammenhængen mellem datalogi og økonomi blandt andet kommer til udtryk i fintech-branchen. Dette tiltag planlægges at implementeres som et valgfrit kursus.

Uddannelsen foreslåes indplaceret på takst 3 svarende til indplaceringen af den eksisterende bacheloruddannelse i datalogi ved København Universitet og IT-universitetes bacheloruddannelse i data science.

Uddannelsen er ny og unik i det danske uddannelseslandskab, og som sådan er der et nationalt beov for uddannelsen. Der er især tre synenergifelter mellem datalogi og økonomi, som er opstået i nyere tid. Alle tre udviser stort potentioale for samfundet, men de indebærer også nye udfordringer. Dimittender fra datalogi-økonomi uddannelsen vil have værktøjer og kompetencer til ikke blot at arbejde indenfor disse felter, men også til at bidrage til udviklingen fremadrettet og sikre, at Danmark kommer til at være med til at udvikle nye værktøjer og sætte dagsordenen fremadrettet.
Det første synergifelt relaterer sig til nye teknologier. En lang række nye digitale systemer formidler interaktioner på individ- og markedsniveau, hvor grænserne mellem den underliggende digitale teknologi og incitamentsstrukturerne smelter sammen. Et par eksempler er Blockchains og andre moderne fintech-produkter, online auktionssystemer saåsom eBay og Google Ads, matching sites for dating og jobs, men også algoritmer til allokering af skolepladser og organer. Økonomisk teori guider forståelsen af det optimale design af incitamentsstrukturerne, der styrer agenternes adfærd i systemerne, mens datalogisk teori giver forståelsen for det teknologiske fundament. Naturligvis vil dimittenderne være interessante for virksomheder, der direkte arbejder indenfor disse emner, men også det offentlige begynder i stigende grad at bruge digitale platforme til eksempelvis licitationer og allokeringsmekanismer.

Det andet synergifelt er opstået på grund af væksten i tilgængelig data. Efterhånden indsamles der data på alle aspekter af hverdagen i forskellige komplekse former, inkluderende, for eksempel, data fra internet-of-things (IoT) devices samt data fra sociale medier. Effektiv håndtering og behandling af de enorme mængder af data kræver en dyb forståelse for datalogiske principper, mens økonometriske metoder giver evnen til at udtrække meningsfuld information. Anvendelsen af data breder sig på tværs af industrier, men langt størstedelen af værdipotentialet er i mange industrier fortsat uudnyttet (se McKinsey Global Institute (2016): “The Age of Analytics: Competing in a Data-driven World”).

Det tredje synergifelt relaterer sig til moderne økonomisk teori. For at kunne svare på de store samfundsmæssige spørgsmål såsom klimaforandringer, urbanisering og optimal beskatning, har økonomer været nødt til at søge mod mere realistiske modeller. Derfor har moderne økonomiske modeller bevæget sig i højere grad væk fra analytiske modeller og imod komplekse men mere realistiske computerbaserede modeller. Her er udfordringerne i højere grad relateret til økonomernes evne til at implementere effektive og korrekte programmer. Desværre benytter traditionelle økonomer alt for ofte ad-hoc beregningsmetoder med dårligt forståede egenskaber, der enten producerer approksimerede løsninger af ukendt kvalitet eller ikke udnytter de beregningsmæssige ressourcer optimalt. Dette problem har hidtil tvunget økonomer til at forenkle deres modeller til et punkt, hvor deres forudsigelser kan være vildledende og mangelfulde. Dette er en af grundene til, at vi kun i begrænset omfang har kunnet udnytte den information der er indeholdt i de enorme datamængder, vi har til rådighed.

Datalogi-økonomer vil have unikke kompetencer i det danske uddannelseslandskab til at beskæftige sig indenfor disse tre felter. Derudover er der generelt et stort samfundsmæssigt behov for både dataloger og økonomer isoleret set. Arbejdsløsheden for begge faggrupper er i Danmark (og måske i verden generelt tæt på at være ikke-eksisterende. Sammen med det øgede fokus på digitalisering samt den omvæltning som de nye teknologiske muligheder bibringer er det berettiget, at undersøge mulighederne for et øget studenteroptag indenfor disse områder. Behovet understøttes af erhvervslivets higen efter kandidater indenfor områderne og den fokus som fintech-bølgen har tilvejebragt. Der er ingen grund til at forestille sig, at behovet vil mindskes i de næste mange år.
Erhvervslivet og det offentlige arbejdsmarked higer generelt efter dimittender med datalogiske kompetencer og specielt den finansielle sektor, som dækker både etablerede finansielle virksomheder, offentlige institutioner, samt fintech-sektoren, søger kandidater med datalogiske kompetencer og viden indenfor det økonomiske fagområde. De færdige dimittender vil dels kunne udfylde traditionelle roller for økonomer og dataloger separat, men de vil i særdeleshed kunne dække de stærke synergifelter i krydsfeltet mellem datalogi og økonomi, som blandt andet dækker moderne digitale systemer for individ- og markedsinteraktion, data science og computational economics. Derudover vil dimittenderne kunne bidrage til at danne en reel bro mellem management og forretningsfolk på den ene side, og rene dataloger og ingeniører på den anden side. Der er ingen grund til at tro at den igangværende digitalisering af samfundet vil aftage, og derfor vil de potentielle gevinster ved dimittendernes brobygning vokse over tid.

Aftagerpanelet for økonomisk institut har ved et møde d. 30. januar 2018 tilkendegivet stor interesse for ideen om et datalogi-økonomi studie. Ydermere udtaler formanden for aftagerpanelet i matematik og datalogi, Carsten Gomard, i et støttebrev dateret 15. marts 2018, at “Af alle kombinationsuddannelser, hvori datalogi indgår, er dette den mest oplagte og bredt efterspurgte set med erhvervslivets øjne.” (se bilag 1.7).
Der er en række forhold der taler for at der også er et specifikt arbejdsmarkedet for bachelorer med den foreslåede uddannelse. I tabel 1 (bilag 1.1) og tabel 2 (bilag 1.2) ses beskæftigelsesfrekvenserne for relaterede bacheloruddannelser henholdsvis kandidatuddannelser (datalogi og it-uddannelser, matematik, matematik-økonomi) i perioden 2011-2013. Det fremgår af tabel 1 (bilag 1.1) at næsten alle bachelordimittender er i beskæftigelse eller fortsat i uddannelse i perioden. Der er således ingen relevant arbejdsløshed for bachelordimittender for de relaterede uddannelser. Tabel 2 (bilag 1.2) viser ledighedsfrekvensen for relaterede kandidatuddannelser efter endt uddannelse. Allerede efter 2. kvartal efter dimission er ledighedstallene meget lave (10% i 2015) og væsentligt lavere end for  naturvidenskabelige uddannelser samlet (25% i 2015). Studerende med en datalogi-økonomi bachelorgrad sikres retskrav til kandidatuddannelsen i datalogi på Datalogisk Institut (DIKU). Herudover er uddannelsen  adgangsgivende til kandidatuddannelsen i økonomi ved Institut for Økonomi (ECON) samt kandidatuddannelsen i jordbrugsøkonomi ved Institut for Fødevare- og Resourceøkonomi (IFRO). Vi ser således at dimittender som fortsætter på en kandidatuddannelse kan forvente at komme meget hurtigt i job efter fuldført uddannelse.

Der har historisk været en bred kultur for stærkt erhvervsrelevante studiejobs både for datalogi- og økonomistuderende. Fremdriftsreformen har imidlertid, med dens forøgede krav til gennemførselstider, gjort det vanskeligt for arbejdsgivere at tænke studiejobs ind som et egentligt bidrag til arbejdsstyrken. Som et alternativ til studiejobs kan rene bachelor-dimittender i stedet være attraktive for arbejdsgivere, eventuelt i kombination med muligheden for at de relevante arbejdstagere vil have mulighed for at læse en overbygning i form af specielle erhvervskandidatuddannelser, som gør det muligt for arbejdstagere med en bachelorgrad at tage en kandidatgrad med nedsat fremdrift. Som eksempel har DIKU netop etableret en sådan uddannelse, som giver mulighed for at bachelor-dimittender med de rette forudsætninger kan tage en kandidatuddannelse i datalogi over 4 år i stedet for over de ellers normerede 2 år. Bacheloruddannelsen i datalogi-økonomi vil også være adgangsgivende til erhvervskandidatuddannelsen i datalogi. Endelig skal det nævnes at for datalogis vedkommende er det ikke alle bachelor-dimittender der fortsætter på kandidatuddannelsen. Omend dette fænomen kan forklares ved at nogle af disse bachelor-dimittender søger ind på beslægtede kandidatuddannelser er dette ikke hele forklaringen. Indenfor datalogifagene ses en del dimittender der allerede tager arbejde efter endt bacheloruddannelse og det kan derfor konkluderes at der er et arbejdsmarked for sådanne dimittender.

Generelt vurderes det, at Danmark i stigende grad kommer til at mangle IT-specialister - op til 19.000 i 2030 til trods for den generelle stigning i antallet af IT-uddannede (se Højbjerre Brauer Schultz for Erhvervsstyrelsen mfl. (2016): “Virksomheders behov for digitale kompetencer”). Selvom der i de allerseneste år er foreslået nye uddannelser med IT i fokus, så skal disse manglende 19.000 jobs naturligvis også ses som et udtryk for en udvikling, hvor typen og sammensætningen af IT kompetencer udvider sig. Dimittender fra datalogi-økonomi uddannelsen vil her bringe nogle unikke kompetencer ind i det danske uddannelseslandskab. KU’s egen behovsundersøgelse viser et klart arbejdsmarkedsbehov for kompetencer indenfor kombinationen af datalogi og økonomi.

Aftagerpanelet for økonomisk institut har ved et møde den 30. januar 2018 tilkendegivet en stor interesse for uddannelse i datalogi-økonomi, som de gerne fremadrettet vil deltage i at planlægge. Økonomisk institut har desuden mødt stor interesse fra både det private (Deloitte) og det offentlige, hvor forskningslederen for DREAM-gruppen, Peter Steffensen, udtaler: “I DREAM arbejder vi med programmeringstunge problemstillinger så som økonomisk modellering og forecasting. Vi bruger mange ressourcer på at uddanne vores medarbejdere i de programmeringssprog, vi anvender i dagligdagen (GAMS, C#, R, Python, mm.). Som følge heraf er der en fare for at vore løsninger bliver hjemmestrikkede og ikke state-of-the-art. På den anden side har vi ikke haft specielt gode erfaringer med at ansætte programmeringskyndige personer uden kendskab til økonomisk teori og praksis. Jeg vil derfor meget gerne støtte ideen om at opbygge en uddannelse der kombinerer økonomi og datalogi.” Aftagerpanelet for matematik og datalogi har generelt stor fokus på hvordan der kan uddannes flere dimittender med datalogiske kompetencer. Uddannelsen har været drøftet på det officielle møde med aftagerpanelet d. 9. april 2018 (se bilag 1.8). Formanden for aftagerpanelet, Carsten Gomard, har, som tidligere nævnt, i et brev af 15. marts 2018 (se bilag 1.7), ytret en uforbeholden støtte til uddannelsen. En lang række andre interessenter har vist interesse for yderligere datalogidimittender med økonomisk indsigt, herunder Fintech Lab (direktør Thomas Krogh Jensen), medlemmer af Siri-kommissionen (Søsat af blandt andet IDA), som i et forløb har haft specielt fokus på fintech. Der har også været afholdt et rundbordsmøde om “fremtidens kvalificerede arbejdskraft på det finansielle område”. Rundbordsmødet, som den 22. februar 2018 blev afholdt af Finansforbundet, med støtte fra Copenhagen Fintech og Finans Danmark, havde specifikt fokus på hvordan det samlede arbejdsmarked kan sikre kompetencer indenfor krydsfeltet mellem de datalogiske og økonomiske områder.Tilsvarende har der også været en positiv dialog omkring relevans, behov og indhold med Digitaliseringsrådet ved SCIENCE, KU den 13. marts 2018 (se bilag 1.9).

Endelig har vi i perioden juli-august 2018 været i direkte dialog/høring omkring relevans, behov og indhold med personer/virksomheder som beskrevet i bilag 1.3-1.6. I dette tiltag har vi modtaget svar fra et stort udvalg af medlemmer af aftagerpanelerne og andre potentielle aftagere og interessenter. Vi har i processen justeret uddannelsesforslaget i henhold til de forslag interessenterne har ytret. Generelt har der været en stor interesse for uddannelsen og samstemmigt har interessenterne ytret et behov for yderligere dimittender med datalogiske kompetencer samtidig med at specielt interessenter indenfor de financielle og økonomiske områder har ytret et behov for en uddannelse der kombinerer datalogiske og økonomiske kompetencer.

Processen omkring udviklingen af uddannelsesforslaget har involveret en række repræsentanter fra både ECON, DIKU og IFRO. Disse repræsentanter har hver især god erfaring med de eksisterende BSc og MSc uddannelser i henholdsvis datalogi og økonomi. Herudover har uddannelsesforslaget været behandlet i diverse aftagerpaneler og hos en række af de relevante aftagervirksomheder, som beskrevet ovenfor. Med henblik på at afklare egentlige problemstillinger har vi blandt andet indhentet svar på et spørgeskema omhandlende uddannelsen, som vi løbende har justeret for at udbedre problemstillingerne.

Den foreslåede uddannelse vil være unik i det danske uddannelseslandskab. Udover de rene BSc uddannelser indenfor datalogi og økonomi, samt sammenlignelige BSc uddannelser på ITU, CBS og DTU er der en række kombinationsuddannelser, der relaterer sig til en potentiel kombinationsuddannelse i datalogi-økonomi. På CBS har der tidligere eksisteret en datalogi-økonomi uddannelse. Denne uddannelse har dog ikke haft fokus på en tung datalogisk kernefaglighed og der udbydes nu i stedet en HA-IT uddannelse, som i højere grad sætter IT som et værktøj centralt på dagsordenen (digitalisering). CBS udbyder også en BSc uddannelse i information management, men som for HA-IT uddannelsen vægter denne uddannelse bredere IT kompetencer snarrere end tunge datalogiske kompetencer. En anden relateret uddannelse er mat-øk uddannelsen på KU; denne uddannelse har ligeledes et mindre fokus på de datalogiske fagligheder omend uddannelsen også giver de studerende mulighed for at tage nogle få kurser med IT-fagligt indhold. Endeligt skal nævnes ITU uddannelsen Global Business Informatics. Denne uddannelse kombinerer datalogiske og forretningsmæssige fagligheder, men har ikke fokus på en økonomisk kernefaglighed. Internationalt er der en række universiteter, der udbyder kombinationsuddannelser indenfor datalogi (Computer Science) og økonomi, herunder etablerede universiteter som MIT, Brown University, og Duke University. Den høje faglighed på KU indenfor både datalogi og økonomi kan medvirke til tilvejebringelsen af en kombinationsuddannelse, der ikke kan matches af andre nærliggende uddannelsesinstitutioner. Uddannelsesforslaget forventes ikke at erstatte eventuelle andre beslægtede uddannelser. Uddannelsen foreslås forankret på SCIENCE.

Rekrutteringsgrundlaget er nationalt. Alle med gymnasial uddannelse og matematik på A-niveau og engelsk på B-niveau vil være adgangsberettiget, såfremt de møder KU’s krav om adgangsgivende karaktersnit.

Der forventes et årligt optag på mellem 50 og 60 studerende.