040055 KU Data Scienca as strategic success factor (MA) (2022S)
Continuous assessment of course work
Labels
REMOTE
Registration/Deregistration
Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
- Registration is open from Mo 07.02.2022 09:00 to Mo 21.02.2022 23:59
- Registration is open from Th 24.02.2022 09:00 to Fr 25.02.2022 23:59
- Deregistration possible until Mo 14.03.2022 23:59
Details
max. 50 participants
Language: German
Lecturers
Classes
DI 29.03.2022 10-15 h, DO 28.04.2022, 12.05.2022 und 02.06.2022 09.30-14.30 Ort: Digital; DO 09.06.2022 und 23.06.2022 09.45-11.15 (Klausur) Ort: Digital
Bitte beachten Sie stets die Hinweise der Lehrenden ! Danke !
Information
Aims, contents and method of the course
Die zunehmende Digitalisierung unserer Gesellschaft generiert eine Datenflut, die Unternehmen in allen Branchen vor große Herausforderungen stellt. Zum einen eröffnen die gesammelten Informationen die Möglichkeit, Einsichten über Kunden, Nutzerverhalten uvm. zu generieren und diese Einsichten zu verwenden, um strategische Wettbewerbsvorteile zu erlangen. Das reicht von der Individualiserung von Leistungen bis hin zur Schaffung und Vermarktung vollkommen neuer datenbasierter Dienstleistungen. Zum anderen erfordert es von Unternehmen allerdings auch den Aufbau von Kompetenzen, Daten sauber zu halten, zu analysieren, zu interpretieren und die Erkenntnisse ökonomisch zu verwerten. Unternehmen, die diese Kompetenzen nicht erwerben, werden ins Hintertreffen geraten.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.
Assessment and permitted materials
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/
Minimum requirements and assessment criteria
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%
Examination topics
Vortragsunterlagen, Case-Unterlagen, Lieteratur
Reading list
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
Association in the course directory
Last modified: Mo 28.03.2022 14:07