International Management Logistics

Bewerben Studienberatung
Fakultät W
←  zurück 

Data Analytics und Praxis

Empfohlene Vorkenntnisse

Wirtschaftsmathematik, Statistik
Lehrform Vorlesung/Seminar
Lernziele / Kompetenzen

Die Studierenden erlernen den Prozess der systematischen Erfassung, Vorverarbeitung und Analyse von Daten. Sie können in Verwendung spezieller mathematischer und statistischer Methoden für logistische Fragestellungen relevante Informationen extrahieren, um Entscheidungen evidenzbasiert zu unterstützen.
Die Studierenden wählen dazu für logistische Fragestellungen passende Analysemethoden aus, schätzen die Verfahrensgüte ein, interpretieren die Ergebnisse und leiten hieraus Handlungsempfehlungen ab. Sie wissen insbesondere, dies in einen kontinuierlichen Regelsteuerkreis einzubinden.
Ziel des Praxisprojekts ist das Heranführen der Studierenden an reale Szenarien der Projektarbeit in der Wirtschaft. Aufbauend auf „Wissen und Verstehen" aus den Lehrveranstaltungen und dem „Können" aus dem Fallstudienseminar - dort noch ohne direkten realen Bezug - wird nun ein „Können" auch im direkten Bezug zum wirtschaftlichen Umfeld geübt.
Dauer 1 Semester
SWS 4.0
Aufwand
Lehrveranstaltung 60 h
Selbststudium / Gruppenarbeit: 90 h
Workload 150 h
ECTS 5.0
Voraussetzungen für die Vergabe von LP

Modulprüfung Klausur (K60) + Projektarbeit (PR)
Gewichtung: 40% Klausur (K60), 60% Projekt (PR)
Modulverantwortlicher

Prof. Dr. Joachim Reiter
Empf. Semester 3. Semester
Haeufigkeit jedes Semester
Verwendbarkeit

International Management Logistics (Bachelor)
Veranstaltungen

Data Analytics

Art Vorlesung
Nr. W0517
SWS 2.0
Lerninhalt
  • Methoden des Data-Preprocessings
  • Vertiefung deskriptiver, induktiver und explorativer statistischer Verfahren
  • Multivariate Analyseverfahren
  • Deskriptives/diagnostisches, prädiktives und präskriptives Data Analytics
  • Zeitreihenanalyse und Prognose
  • Grundlagen des Maschinellen Lernens
Literatur

Cleve, J.; Lämmel, U.: Data Mining. 2. Auflage. Walter de Gruyter GmbH, Berlin/Boston, 2016.
Larose, D. T./Larose, C. D.: Data mining and predictive analytics. Wiley Series on Methods and Applications in Data Mining, 2nd Edition. Hoboken, New Jersey 2015.
Backhaus, K.; Gensler, S., Weiber, R.; Weiber, T. (2023): Multivariate Analysemethoden. 17. Auflage. Springer-Verlag. Heidelberg, Berlin.
Cleff, T. (2015): Deskriptive Statistik und Explorative Datenanalyse. 3. Auflage. Gabler Verlag. Wiesbaden.
Eckstein, P. (2016): Angewandte Statistik mit SPSS: Praktische Einführung für Wirtschaftswissenschaftler. Springer Gabler. Wiesbaden

Praxisprojekt 1

Art Seminar
Nr. W0518
SWS 2.0
Lerninhalt

Der Kern des Praxisprojekts ist die Bearbeitung der Themen in Eigen- und Teamarbeit der Studierenden. Dabei werden sie von den Dozenten eng betreut. Neben den inhaltlichen Themen werden auch Methoden des Projektmanagements von den Studierenden an den Projektthemen geübt.
Die Studierenden bearbeiten in Gruppen mit möglichst je fünf Studierenden ein reales Thema aus dem Umfeld von Logistik und/oder Handel. Die Themen werden von Unternehmen, Verbänden o.ä. bereitgestellt, es sind auch hochschulinterne Themen möglich. Dabei können die Themen einen nationalen und/oder internationalen Bezug haben. Bei international geprägten Themen kann eine Kommunikation und Dokumentation in Englisch verlangt werden.
Der Themenbereich des Praxisprojekts fokussiert auf Themen aus den Bereichen Operations und Data Analytics.
Literatur

Abhängig vom aktuellen Praxisprojekt.
←  zurück