Business Analytics

• Daten, Informationen, Skalen und Skalenniveaus • Grundlegende mathematisch/statistische Methoden • Richtige Auswahl von Methoden für definierte Problemstellungen aus Praxis und Forschung • Wesentliche statistische Verfahren aus den Bereichen Deskriptive Statistik, Wahrscheinlichkeitstheorie und Induktive Statistik (z.B. Korrelation, Regression, T-Test oder ANOVA) • Durchführung quantitativer Erhebungen (Forschungskonzeption, Fragebogenkonzeption, Ergebnisanalyse mit einem Statistikprogramm) • Kennenlernen und Üben der Bedienung und Umgang mit gebräuchlichen Softwareprodukten zur Datenbe-/verarbeitung und zur Datenauswertung (z.B. MS Excel, SPSS, PSPP) • Praktische Übungen der gelernten Inhalte an von frei verfügbaren Datensätzen: Auswertungen und Interpretation von Ergebnissen

Mode of delivery

face to face

Type

compulsory

Recommended or required reading and other learning resources/tools

Braunecker, C. (2021): How to do Statistik und SPSS: Eine Gebrauchsanleitung. Uni-Taschenbücher GmbH. Braunecker, C. (2021): How to do empirische Sozialforschung: Eine Gebrauchsanleitung, Uni-Taschenbücher GmbH Hug, T., Poscheschnik, G. (2020): Empirisch forschen: Die Planung und Umsetzung von Projekten im Studium, Uni-Taschenbücher GmbH. Chopra, S., & Meindl, P. (2016): Supply chain management: Strategy, planning, and operation (Chapter 3)

Planned learning activities and teaching methods

Vortrag durch Lektor:in, Blended Learning, softwaregestützte Übungen, Selbststudienphasen

Assessment methods and criteria

Schriftliche Endprüfung (70 %, offene Fragestellungen). Inhaltliche Kriterien: Grad der Problemerfassung und Problemcharakterisierung, Komplexität der Lösungen hinsichtlich Fach- und Methodenkompetenz. Formale Kriterien: Vollständigkeit der Antworten, sprachliche Differenziertheit und Eigenständigkeit der Ergebnisdarstellung. Immanente Leistungsbeurteilung (30 %): Einzel- und Gruppenarbeit und Präsentation inklusive bewerteter Teilprüfungen, aktive Beitrag während der Lehrveranstaltungen.

Prerequisites and co-requisites

Keine

Infos

Degree programme

Cycle

Master

ECTS Credits

3.00

Language of instruction

German

Curriculum

Part-Time

Academic year

2022

Semester

1 WS

Incoming

No

Learning outcome

Nach erfolgreichem Abschluss der Lehrveranstaltung sind die Studierenden in der Lage, • unterschiedliche Typen von Daten und Informationen (Skalen) zu benennen und zu erklären (2), • die unterschiedlichen Möglichkeiten in der Verarbeitung dieser Skalen zu erklären (2), • verschiedene Maße zur Interpretation von Daten zu erklären und anzuwenden, v.a. Lagemaße, Streumaße, • grundlegende statistische wissenschaftliche Methoden zur Analyse von quantitativen Daten zu erklären und anzuwenden, z.B. Teststatistik, schließende Statistik (3), • die Grenzen der Anwendbarkeit von Auswertungsmethoden zu kennen und zu erklären (2), • qualitative und v.a. quantitative Methoden zur Sammlung von Daten und Informationen zu erklären und anzuwenden (3), • gebräuchliche Softwareprodukte für die Auswertung von Daten anzuwenden (3), • die Bedeutung der generischen Datenanalyse für unternehmerische Problemstellungen und Entscheidungsfindung zu erklären (2), • Daten aus realen, unternehmerischen Sachverhalten z.B. Marktforschung, Controlling oder Qualitätsmanagement selbständig korrekt auszuwerten (analysieren) und richtig zu interpretieren (4), • qualitative und quantitative Methoden für Forschungsarbeiten im Rahmen der Masterarbeit methodisch korrekt einzusetzen (3).

Course code

1392-21-01-BB-DE-08