Modulhandbuch

Dialogmarketing und E-Commerce (DEC)

Data Analytics

Empfohlene Vorkenntnisse

Grundlagen Statistik, Grundlagen Datenbanken und Modellierung

Lehrform Vorlesung/Seminar
Lernziele / Kompetenzen

Kompetenzen:
Die Studierenden lernen die Methoden der Analyse von Transaktions- und Kundendaten kennen und anwenden. Sie können Daten vorbereiten und statistisch analysieren und sie können Erkenntnisse aus den Daten gewinnen.

Lerninhalte:
Anhand konkreter Analysemethoden und  Softwaretools erlernen die Studierenden, wie z. B. Zielgruppen gebildet und Sortimente für Cross-Selling-Angebote optimal auf Basis von Transaktionsdaten der Kunden identifiziert werden. Zukünftige Technologien und Methoden (z. B. semantische Suche) werden präsentiert und von den Studierenden erprobt.

Dauer 1
SWS 6.0
Aufwand
Lehrveranstaltung 90
Selbststudium / Gruppenarbeit: 180
Workload 270
ECTS 9.0
Voraussetzungen für die Vergabe von LP

K60 + RE

Gewichtung: 60 % Klausur, 40 % Referat

Modulverantwortlicher

Prof. Dr. rer. pol. Volker Sänger

Empf. Semester DEC 1 bzw. DEC 2
Haeufigkeit jedes 2. Semester
Verwendbarkeit

Dialogmarketing und E-Commerce (Master) 

Veranstaltungen

Data Modelling, Mining and Analytics

Art Vorlesung
Nr. M+I652
SWS 4.0
Lerninhalt

Die LV gliedert sich folgendermaßen:

  • Data Mining, CRISP, Ähnlichkeits- und Abstandsmaße
  • Data Preparation
  • Lineare Regression
  • Zeitreihen
  • Lineare Optimierung
  • Clustering, Klassifikation, Assoziation, Generalisierung
  • Visualisierung

Folgende Lernziele und Kompetenzen werden gemeinsam mit den Studierenden erarbeitet:
• Prinzipien und Methoden des Data Mining und der Datenanalyse kennen und verstehen und
• auf gegebene Problemstellungen aus verschiedenen Anwendungsbereichen anwenden können

Literatur

Die aktuelle Literaturliste wird in der Vorlesung bekannt gegeben. Auszug aus der Literaturliste:

  • Cleve, J./Lämmel, U. (2020): Data Mining. München
  • Albright, S.C./Winston, W.L. (2019): Business Analytics. Cengage Learning
  • C.T. Ragsdale (2016): Spreadsheet Modeling & Decision Analysis, Cengage Learning

Trends im Datenmanagement

Art Seminar
Nr. M+I654
SWS 2.0
Lerninhalt
  • Für die Studierenden werden aktuelle Themen im Datenmanagement vergeben
  • Nach einer Kurzeinführung durch den Dozenten bearbeiten die Studierenden die Themen selbstständig, recherchieren in der Literatur und präsentieren die Ergebnisse

Lernziele:

  • ein aktuelles Thema im Datenmanagement wissenschaftlich recherchieren und strukturiert aufarbeiten und präsentieren können
  • weitere aktuelle Themen kennen und verstehen
Literatur

Die aktuelle Literaturliste wird in der Vorlesung bekannt gegeben.

  • J. Cleve, U. Lämmel. Data Mining. Oldenburg Wissenschaftsverlag, 2014 (ebook)
  • S.C. Albright, W.L. Winston: Business Analytics. Cengage Learning, 2013
  • C.T. Ragsdale. Spreadsheet Modeling & Decision Analysis, Cengage Learning, 2015
  • E. Alpaydin: Maschinelles Lernen. Oldenburg Verlag, 2008