Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
040070 KU Data Science als Strategischer Erfolgsfaktor (MA) (2018W)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 10.09.2018 09:00 bis Do 20.09.2018 12:00
- Anmeldung von Mo 24.09.2018 09:00 bis Mi 26.09.2018 12:00
- Abmeldung bis Mo 15.10.2018 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 15.11. 09:45 - 14:45 Hörsaal 16 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 26.11. 09:45 - 14:45 Hörsaal 16 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 05.12. 11:30 - 16:30 Hörsaal 16 Oskar-Morgenstern-Platz 1 2.Stock
- Dienstag 15.01. 09:45 - 14:45 Hörsaal 17 Oskar-Morgenstern-Platz 1 2.Stock
- Dienstag 22.01. 09:45 - 14:45 Hörsaal 17 Oskar-Morgenstern-Platz 1 2.Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Der Leistungsnachweis kann über folgende Teilleistungen erbracht werden:
1.) zwei unangekündigte Kurztests während des Semesters, zusammen 20 %
2.) Aktive Teilnahme an den Diskussionen 30 %
3.) Prüfung am Semesterende 50 %
Daneben können auf freiwilliger Basis Zusatzpunkte im Gesamtausmaß von höchstens 20 % erworben 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. Regelmäßige Anwesenheit wird erwartet. Eine "online"-Anmeldung ist unbedingt erforderlich; Abmeldungen von der Lehrveranstaltung sind bis zum 15.10.2018 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.) zwei unangekündigte Kurztests während des Semesters, zusammen 20 %
2.) Aktive Teilnahme an den Diskussionen 30 %
3.) Prüfung am Semesterende 50 %
Daneben können auf freiwilliger Basis Zusatzpunkte im Gesamtausmaß von höchstens 20 % erworben 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. Regelmäßige Anwesenheit wird erwartet. Eine "online"-Anmeldung ist unbedingt erforderlich; Abmeldungen von der Lehrveranstaltung sind bis zum 15.10.2018 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: 50-62%
3: 63-75%
2: 76-87%
1: 88-100%
4: 50-62%
3: 63-75%
2: 76-87%
1: 88-100%
Prüfungsstoff
Case-Unterlagen
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
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: Mo 07.09.2020 15:28
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.