040055 KU Data Science als Strategischer Erfolgsfaktor (MA) (2019S)
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 11.02.2019 09:00 bis Mi 20.02.2019 12:00
- Anmeldung von Di 26.02.2019 09:00 bis Mi 27.02.2019 12:00
- Abmeldung bis Do 14.03.2019 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 14.03. 11:30 - 14:45 Hörsaal 16 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 10.04. 09:45 - 11:15 Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 10.04. 11:30 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 09.05. 11:30 - 13:00 Hörsaal 16 Oskar-Morgenstern-Platz 1 2.Stock
- Donnerstag 09.05. 13:15 - 14:45 Hörsaal 17 Oskar-Morgenstern-Platz 1 2.Stock
- Donnerstag 23.05. 09:45 - 14:45 Hörsaal 17 Oskar-Morgenstern-Platz 1 2.Stock
- Donnerstag 13.06. 09:45 - 14:45 Hörsaal 17 Oskar-Morgenstern-Platz 1 2.Stock
- Donnerstag 27.06. 09:45 - 11:15 Hörsaal 14 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.) Schriftliche Ausarbeitung von Einzelfragen 30 %
2.) Aktive Teilnahme an den Diskussionen 20 %
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. Regelmäßige Anwesenheit wird erwartet. Eine "online"-Anmeldung ist unbedingt erforderlich; Abmeldungen von der Lehrveranstaltung sind bis zum 14.03.2019 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 30 %
2.) Aktive Teilnahme an den Diskussionen 20 %
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. Regelmäßige Anwesenheit wird erwartet. Eine "online"-Anmeldung ist unbedingt erforderlich; Abmeldungen von der Lehrveranstaltung sind bis zum 14.03.2019 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
Vortragsunterlagen, Case-Unterlagen, Lieteratur
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.