Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
040055 KU Data Science als Strategischer Erfolgsfaktor (MA) (2021S)
Prüfungsimmanente Lehrveranstaltung
Labels
DIGITAL
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Do 11.02.2021 09:00 bis Mo 22.02.2021 12:00
- Anmeldung von Do 25.02.2021 09:00 bis Fr 26.02.2021 12:00
- Abmeldung bis Mi 31.03.2021 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine
"Digitale Durchführung": Ort: Digital; DI, 23.03.21,09:30 - 14:30h; DI, 27.04.21, 09:00 - 14:00 h; MI,12.05.21,09:45 - 14:45 h; DI, 25.05.21, 09:45 - 14:45 h; DI, 15.06.21, 09:45 - 11:15 h; DO, 24.06.21, 09:45 - 11:15 h (Klausur)
Bitte beachten Sie stets die Hinweise der Lehrenden ! Änderungen möglich !
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Der Leistungsnachweis kann über folgende Teilleistungen erbracht werden:
1.) Schriftliche Ausarbeitung von Einzelfragen 20 %
2.) Abschlussarbeit 30 %
3.) Prüfung am Semesterende 50 %
Es besteht Anwesenheitspflicht. Bis zu 2 Einheiten können versäumt werden.
Möglichkeiten zur Wiederholung versäumter oder mangelhaft absolvierter Teilleistungen werden nicht angeboten. Da nicht alle Inhalte im Rahmen des Vortrags abgedeckt werden können, ist das begleitende Studium der Literatur unumgänglich. Eine "online"-Anmeldung ist unbedingt erforderlich; Abmeldungen von der Lehrveranstaltung sind bis zum 15.04.2020 möglich.
Auf die korrekte Vorgangsweise beim wissenschaftlichen Arbeiten bzw. Zitieren wird besonders hingewiesen; vergleiche beispielsweise:
http://marketing.univie.ac.at/studierende/verhaltenskodex/
https://wirtschaftswissenschaften.univie.ac.at/service/studienservicecenter/schriftliche-arbeiten/master-magisterarbeit/
1.) Schriftliche Ausarbeitung von Einzelfragen 20 %
2.) Abschlussarbeit 30 %
3.) Prüfung am Semesterende 50 %
Es besteht Anwesenheitspflicht. Bis zu 2 Einheiten können versäumt werden.
Möglichkeiten zur Wiederholung versäumter oder mangelhaft absolvierter Teilleistungen werden nicht angeboten. Da nicht alle Inhalte im Rahmen des Vortrags abgedeckt werden können, ist das begleitende Studium der Literatur unumgänglich. Eine "online"-Anmeldung ist unbedingt erforderlich; Abmeldungen von der Lehrveranstaltung sind bis zum 15.04.2020 möglich.
Auf die korrekte Vorgangsweise beim wissenschaftlichen Arbeiten bzw. Zitieren wird besonders hingewiesen; vergleiche beispielsweise:
http://marketing.univie.ac.at/studierende/verhaltenskodex/
https://wirtschaftswissenschaften.univie.ac.at/service/studienservicecenter/schriftliche-arbeiten/master-magisterarbeit/
Mindestanforderungen und Beurteilungsmaßstab
Positive ab 50%
4: 50-64%
3: 65-79%
2: 80-89%
1: 90-100%
4: 50-64%
3: 65-79%
2: 80-89%
1: 90-100%
Prüfungsstoff
Vortragsunterlagen, Case-Unterlagen, Lieteratur
Literatur
Es werden Papers im Rahmen des Kurses zur Verfügung gestellt.
Weiterführende Literatur:
Murugan Anandarajan (Hrsg.); Aligning Business Strategies and Analytics: Bridging Between Theory and Practice (Advances in Analytics and Data Science, Band 1), Harvard Business Press, 2014
Ergänzend: Bart Baesens; Driving Digital: Analytics in a Big Data World: The Essential Guide to Data Science and its Applications, Wiley, 2017
Weiterführende Literatur:
Murugan Anandarajan (Hrsg.); Aligning Business Strategies and Analytics: Bridging Between Theory and Practice (Advances in Analytics and Data Science, Band 1), Harvard Business Press, 2014
Ergänzend: Bart Baesens; Driving Digital: Analytics in a Big Data World: The Essential Guide to Data Science and its Applications, Wiley, 2017
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mi 21.04.2021 11:25
Der Kurs zielt darauf ab, sowohl strategische als auch operative Fragestellungen zu klären, die sich aus der Gewinnung und Verarbeitung von Daten für Unternehmen ergeben. Zuerst erfolgt eine Einführung in die theoretischen Konzepte von "Business Analytics". Statistische Grundkenntnisse werden vorausgesetzt. Dabei wird vor allem darauf eingegangen, welche Defizite es derzeit bei der Überleitung von Erkenntnissen aus statistischen Analysen von Unternehmensdaten in den praktischen Einsatz gibt. Der zweite Teil fokussiert auf die theoretischen Grundlagen, wie analytische Verfahren dabei helfen können, unternehmerische Entscheidungen zu verbessern. Der dritte Teil bringt internationale Fallbeispiele, wie der Aufbau von Data Science-Kompetenz zu strategischen Wettbewerbsvorteilen führen kann. Dabei wird auch herausgearbeitet, welche Unterschiede zwischen Amerika, Europa und Asien in der Umsetzung von solchen Strategien gibt.Die Lehrveranstaltung ist Case-basiert. Unternehmen aus unterschiedlichen Branchen und in unterschiedlichen Ausgangssituationen werden zur praktischen Illustration der vorgestellten Konzepte herangezogen.Ein Hinweis der Studienprogrammleitung:
Diese Lehrveranstaltung wird für keinen Kurs im Minor B.2.7.b. Strategic Management I - Variante Prof. Reitzig anerkannt. Er qualifiziert auch nicht für eine Masterarbeit im Fachbereich Prof. Reitzig.