Business Analytics

FAQ

• Wo werden die Kompetenzen gebraucht?

  Ob bei Unternehmensberatungen, im Banken- und Versicherungswesen, im Telekommunikationssektor, bei produzierenden Unternehmen, und … und .. und. Überall wo Daten anfallen besteht auch Bedarf nach Fachkräften, die in der Lage sind, diesen Datenschatz zu analysieren. Mit künftig zunehmender Vernetzung und Digitalisierung wird die Datenmenge noch weiter steigen, und folglich auch der Bedarf nach geschulten Kräften. Die Antwort auf die Frage kann eigentlich nur eine Gegenfrage sein: Wo werden die Kompetenzen künftig nicht gebraucht?

• Muss ich viel rechnen? Ist viel Mathe enthalten?

  Jein! Konkret rechnen tut natürlich der Computer. Um aber die Datenanalyse und die dafür verwendeten statistischen Methoden inhaltlich durchdringen zu können, ist ein gewisser Zugang zu abstrakten Darstellungen schon notwendig. Schließlich muss man ja wissen, welche Aussage die gewonnenen Ergebnisse treffen. Voraussetzung sind hier also weniger die Fähigkeiten der Schulmathematik, sondern eher das Abstraktionsvermögen.

• Wie ist das Studium aufgebaut?

  Wie aus dem Diagramm oben ersichtlich, setzt sich der Studienschwerpunkt aus drei Bausteinen zusammen. Den betriebswirtschaftlichen Baustein stellst Du Dir weitgehend nach Deinen eigenen Vorstellungen aus einer Vielzahl von Wahlpflichtkursen zusammen. Einen gewissen Rahmen setzt hier die Studienordnung, so sind z.B. auch volkswirtschaftliche und juristische Fächer zu belegen.

   

  Zu Beginn des Studiums solltest Du einen oder zwei Einführungskurse in Programmierung belegen. Hier erlernst Du den Umgang mit der Softwarearchitektur, die Dich im weiteren Studienverlauf begleiten wird. Nach dem ersten Studienjahr bist Du dann soweit, dass Du deine analytischen Kompetenzen aufbauen kannst. Hierfür kannst Du aus einer Reihe von schwerpunktspezifischen Wahlpflichtkursen wählen.

Studieninhalte im Schwerpunkt

• Computerintensive Methoden

  Computerintensive Methoden werden bei Problemstellungen mit hohem Rechenaufwand verwendet. Ziel dieses Moduls ist die Anwendung dieser Verfahren auf konkrete Problemstellungen und Datenmengen mit der Statistiksoftware R. Anwendungsgebiete umfassen einerseits viele Themenbereiche des sogenannten Industrie 4.0 wie beispielsweise Smart Manufacturing, Predictive Maintenance, Supply Chain Management oder optimiertes Energiemanagement, andererseits aber auch klassische Bereiche wie Marktforschung und Marketing.

• Multivariate statistische Methoden

  Die Studierenden lernen in diesem Modul eine Reihe von multivariaten statistischen Methoden und dafür typische Anwendungsfälle kennen. Sie werden dazu befähigt, für eine quantitative Fragestellung eine anwendbare Methode zu bestimmen, die Analyse durchzuführen und die Ergebnisse zu interpretieren.

• Ökonometrie

  Die Studierenden lernen, eine ökonomische Fragestellung in ein ökonometrisches Modell zu übersetzen und ihre Aussagen empirisch zu überprüfen. Hypothesenbildung, Auswertung und Interpretation der Schätzergebnisse wird anhand geeigneter Beispiele vorgestellt. Die Lehrveranstaltung begleitend eine Computerübung, in der die Studierenden die Vorlesungsinhalte mit einer Statistiksoftware anhand von Datensätzen direkt anwenden

• Operations Research

  Die Studierenden lernen, Produktionsprozesse mit Hilfe von Graphen mathematisch abzubilden und die Prozesse mathematisch zu analysieren. Dabei werden verschiedene Algorithmen und Verfahren vorgestellt, die es erlauben, den Prozessabläufe genauer zu analysieren und ggf. Schwachstellen der Prozesse aufzudecken, um sie in einem nächsten Schritt zu optimieren.

• Einführung in Python

  Die Studierenden sollen in diesem Modul Kenntnisse im Umgang mit der Programmiersprache Python erlangen.

• Management Science

  Wissenschaftliche Auseinandersetzung mit betriebswirtschaftlichen Problemen des Managements.

• Seminar Datenschutz und Datensicherheit

  Studierende erhalten eine Einführungen in die Themen Datenschutz und Datensicherheit im Unternehmen.

• Datenmanagement und Visualisierung

  In diesem Modul sollen die Studierenden fachliche Kompetenzen zur Anwendung und Entwicklung der digitalen Datenverarbeitung in Organisationen gewinnen. 

• Risikomanagement

  In der Vorlesung wird das Management von Unternehmensrisiken durch deren Risikoidentifikation, Risikoanalyse, Risikoquantifizierung, Risikoaggregation, Risikobeurteilung, Risikobewertung, Risikokommunikation und abschließende Risikobewältigung gelehrt.

• Seminar Business Analytics

  Interaktive Lern- und Lehrveranstaltung unter Auseinandersetzung mit Methoden rund um den Schwerpunkt Busienss Analytics.

• HR Analytics und Risikomanagement

  Studierende erhalten einen umfassenden Überblick zu Inhalten und Aufgaben der Querschnittsfunktionen HR Risikomanagement und HR Analytics sowie zu Prozessabläufen und Instrumenten der Prozesse HR Controlling und HR Risikomanagement. Die vermittelten Kompetenzen zielen auf einen Berufseinstieg in der Personalfunktion von Unternehmen unterschiedlicher Größe und Branchen bzw. in Führungslaufbahnen unterschiedlicher betrieblicher Funktionsbereiche.

• Digitale Markt- und Kundenforschung

  In dem Modul lernen Sie mit digitalen Werkzeugen Markt und Kunden zu verstehen. Dabei betrachten wir hier den digitalen Weg, welche Tools können hier verwendet werden, wie arbeiten und funktionieren diese?

• Projekt

  Im Projekt setzen sich Studierende in Gruppen eigenständig mit einer umfassenden Aufgabenstellung auseinander.