Weighting 30 Lecturer Setting the Task Contact Details Office Hours

---

The assignment is in the moderation process and may be a subject to minor change 
1 
Module Name and Code 
Business Analytics, 7BUIS007C 
Assessment type 
Portfolio Part 2 Coursework 
Weighting 
30% 
Lecturer Setting the Task 
Contact Details 
Office Hours 
Mohamed Uvaze Ahamed 
[e-mail]
  
by appointment or 
students can contact the module leader via Telegram group 
Submission Deadline 
13 December 2022 
Results Date 
Type of Feedback Provided 
21 January 2022 
The feedback will be written and communicated via WIUT 
intranet and SRS, taking into consideration the mark scheme as 
presented in the assignment. Further feedback will be given 
individually when necessary or requested (the student should 
contact the module leader and ask for further feedback). 
THE ASSESSMENT ADDRESSES THE FOLLOWING LEARNING OUTCOMES: 
1. select critically and apply quantitative modelling concepts for problem solving and decision 
making; 
2. use appropriate business analytics techniques for real
–world problems and data; 
3. select and use suitable software packages to analyse data and build models; 
4. 
write comprehensive and critical reports evaluating and interpreting obtained results
Introduction 
You are required to use your data set that you have investigated in Part 1 of this assignment. 
Make sure that the data set has a time series variable. If your data set has no time series variable 
then you will have to choose another data set with the time series feature from the open data 
sources listed in Part 1 of this assignment or other relevant source. 
Task 
Your assignment task is the following: 
1) Selection and clearance of the data variables for time series analysis. 
– 10% 
2) Define and discuss the trend, seasonal and cyclic components of the time series data 
obtained from your data set. 
Construct at least three time series models using most appropriate forecasting methods for 
the case. 
Construct regression analysis of the time series data introducing quarterly dummy variables 
if possible. 
Critically analyse all models and suggest the most accurate model. Justify your decision. 

---

The assignment is in the moderation process and may be a subject to minor change 
2 
Using the most accurate model, produce the forecasts for 5, 10 and 30 periods ahead from 
the last date of observations. 
– 50% 
3) Produce an analytical report on your research findings, conclusions and recommendations. 
Make sure that your report: 
is analytical and reflects in-depth thoughts, conclusions and recommendations based on 
solid arguments; 
includes the visual information of your most relevant findings. Use MS Excel Add-ins, MS 
Power BI Desktop and/or Python applications to develop visual representation of your 
obtained results. 
– 40% 
Requirements: 
If you use a new data set for this assignment, make sure that other students have not been using 
it for this assignment purpose. 
Visit the following link to check for the links of data sets chosen by students:
https://docs.google.com/spreadsheets/d/1tA8O2DNdXQv7wMihrj1kNbtVDNLQiXQ4AZYyxFiC
hio/edit?usp=sharing
 
If you decide to use a different data set email it to the module leader for the approval. Your data 
set link will be posted in the above web-link after module 
leader’s approval.