Business Analytics: Technologien, Methoden und Konzepte
Hinweise zum Wintersemester 2025/26
Die Vorlesung „Business Analytics: Technologien, Methoden und Konzepte“ wird im Wintersemester 2025/26 in Präsenz dienstags von 08:00 – 09:30 Uhr stattfinden.
Kursinhalt
Business Analytics subsumiert eine Vielzahl an methodischen und technologischen Ansätzen zur analytischen Auswertung unternehmensrelevanter Daten aus unterschiedlichen Quellsystemen, um darüber Erkenntnisse sowohl über abgelaufene als auch gegenwärtige und zukünftige Geschäftsaktivitäten zu erlangen. Von Interesse sind beispielsweise aggregierte oder gefilterte Einblicke über die Unternehmensleistung oder die Aufdeckung bisher unbekannter Zusammenhänge, Trends und Muster, um neues Wissen zu generieren und die Entscheidungsunterstützung des Unternehmens zu verbessern. Zu diesem Zweck bedient sich der Ansatz unterschiedlicher Verfahren vielfältiger Herkunft, wie zum Beispiel aus den Bereichen Statistik, Data Mining und Künstliche Intelligenz. Der praxisorientierte Kurs führt in die Grundlagen der Thematik ein und liefert einen Überblick über relevante Konzepte, Methoden und Technologien. Hierbei liegt der Schwerpunkt insbesondere auf dem Teilbereich Predictive Analytics und den Ansätzen des (überwachten) maschinellen Lernens zur Erstellung von vorausschauenden Modellen. Anhand eines systematischen Vorgehensmodells werden die grundlegenden Schritte und Prinzipien des Predictive Modeling veranschaulicht und mit Beispielansätzen untermauert (z. B. Modelltraining mithilfe tiefer neuronaler Netze). Der Kurs besteht aus einer Vorlesung zur Vermittlung von konzeptionellen Inhalten und einer begleitenden rechnergestützten Übung, in der ausgewählte Aspekte vertieft und mithilfe der Programmiersprache Python anhand von Demonstrationsbeispielen exemplarisch implementiert werden.
Lernziele und Kompetenzen
Die Studierenden…
- kennen die Anwendungsfelder von Business Analytics und können grundlegende Technologien, Methoden und Konzepte einordnen,
- können Grundbegriffe des Predictive Modeling und des (überwachten) maschinellen Lernens nennen,
- sind in der Lage, die grundlegenden Schritte zum Aufbau eines Domänen- und Datenverständnisses, zur Exploration und Vorverarbeitung von Daten sowie zur Entwicklung und Evaluation von prädiktiven Modellen anhand eines systematischen Vorgehens zu erklären,
- beherrschen die grundlegenden Verfahren und Prinzipien des Predictive Modeling und können diese auf verschiedene Praxisbeispiele anwenden und die Ergebnisse evaluieren, interpretieren und kritisch hinterfragen,
- sind in der Lage, Ansätze der Datenanalyse und des maschinellen Lernens zur Entwicklung von prädiktiven Modellen in Python zu implementieren.
Voraussetzung für die Teilnahme
Grundkenntnisse in den Modulen Data Science: Datenauswertung und Data Science: Statistik. Grundlegende Programmierkenntnisse (z. B. zu Schleifen, Variablen, Funktionen, etc.) sind empfehlenswert. Die Anzahl der Teilnehmenden ist begrenzt. Einzelheiten zur Kurseinschreibung finden Sie auf der Website.
Termine
Die Vorlesung findet in Präsenz am Dienstag von 08:00 – 09:30 Uhr statt. Der erste Termin ist der 14.10.2025 im Raum TBA.
Die Übung findet in Präsenz am Dienstag von 10:00 – 11:30 Uhr statt. Der erste Termin ist der 14.10.2025 im Raum TBA.
Alle Termine finden Sie im entsprechenden Veranstaltungsmodul in StudOn.