Universität Wien

040242 VO Data Analytics (MA) (2026W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
GEMISCHT
Moodle
Do 15.10. 13:15-14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Für diese LV an-/abmelden

Details

Sprache: Deutsch

Prüfungstermine

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Donnerstag 01.10. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 08.10. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 22.10. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 29.10. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 05.11. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 12.11. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 26.11. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 03.12. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 10.12. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 17.12. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 07.01. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 14.01. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 21.01. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Datamining und Big Data anhand von Fallbeispielen

Im Kurs werden Konzepte des Datamining und Big Data anhand von Fallbeispielen erläutert und diskutiert.

Die Beispiele kommen aus den Themenbereichen

• Customer Relationship Management
• Fraud Detection
• Revenue Management
• Market Research

Die vorgestellten Konzepte des Dataming’s und Big Data umfassen u.a.

• multiple Regression
• logistische Regression
• Kontingenztafelanalyse
• Varianzanalyse
• Zeitreihenanalyse

Art der Leistungskontrolle und erlaubte Hilfsmittel

Test am Semesterende, Schriftliche Prüfung in Form von Single und Multiple Choice
Der Test wird als Präsenzprüfung vor Ort an der Universität durchgeführt

Mindestanforderungen und Beurteilungsmaßstab

Um den Kurs positiv zu absolvieren, müssen mindestens 60% der Punkte beim schriftlichen Test erreicht werden.

Prüfungsstoff

1) Analysieren einer Problemstellung und skizieren der Lösung mittels Datamining
2) Fragen zum Ablauf von Standardanalysen
3) Verstehen (= lesen und interpretieren können) einer statistischen Analyse

Mehr Details zur Prüfung werden während des Kurses bekanntgegeben.

Literatur

Werner Brannath, Andreas Futschik, Statistik für Wirtschaftswissenschaftler

Weitere Literatur wird während der Vorlesung bekannt gegeben.

Folien, die im Kurs diskutiert werden (werden in Moodle veröffentlicht).

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 28.09.2026 14:46