Customer Relationship Management und Social Media - Seminar

Seminar

Customer Relationship Management und Social Media (Bachelor)

Dauer

ein Semester (SS 17)

Themenvergabe

21.01. – 29.01.2017:
Präferenzeingaben durch die Studierenden im Tool

30.01.2017:
Hauptrunde des Seminarmatching mithilfe des neuen Tools

06.02.2017:
Zweite Runde des Seminarmatching mithilfe des neuen Tools

Leitung

Prof. Dr. Mathias Klier
Annette Felgenhauer
Andreas Obermeier

Inhalte

Das Seminar Customer Relationship Management und Social Media baut auf der Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“ auf und ist inhaltlich dem Schwerpunkt „Technologie- und Prozessmanagement“ zugeordnet.

Im Rahmen des Seminars sollen Lösungsansätze für spezifische Fragestellungen aus den Bereichen Customer Relationship Management und Social Media beleuchtet und (weiter)entwickelt werden. Hierfür sind in der Regel zunächst ein strukturierter Literaturüberblick zum Thema zu erarbeiten und Best Practices zu recherchieren. Ein kritischer Vergleich von Theorie und Praxis, eigene Ideen und Handlungsempfehlungen sowie ggf. auch der Einsatz bzw. die Evaluation von Software-Tools runden das Seminar ab.

Anmerkungen

Vorkenntnisse oder Voraussetzungen, die bestimmte Themen erfordern, werden durch den Betreuer bzw. die Betreuerin des Seminars nach der Vergabe (z. B. auf Basis des Notenspiegels) überprüft. Bitte melden Sie sich nur für Themen, deren Voraussetzungen Sie erfüllen. Sofern nicht anders vermerkt, wird jedes Thema nur einmal vergeben.

Thema 1

Titel: Web 2.0 / Community Banking

Im Zeitalter der Digitalisierung und des Web 2.0 resultieren neue Kundenanforderungen. Kunden möchten mit Unternehmen zeitlich und örtlich flexibel sowie über diverse Kommunikationskanäle, insbesondere auch Social Media, in Kontakt treten und kommunizieren können. Dies gilt auch für den Finanzdienstleistungssektor, wo der Austausch mit Kunden, Mitgliedern und Interessenten über Social Media-Kanäle wie bspw. Twitter oder Facebook immer mehr in den Fokus rückt.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Web 2.0 / Community Banking gegeben werden. Best Practices und aktuelle Beispiele aus der Unternehmens­praxis sowie ein kritischer Vergleich zwischen Theorie und Praxis runden die Arbeit ab.

Voraussetzung: Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“

Thema 2

Titel: Social Network Analysis im Fußball

Im Zeitalter des Internets und der Digitalisierung sind Online Social Networks wie Facebook, LinkedIn oder Google+ aus unserem Leben kaum mehr wegzudenken und beeinflussen maßgeblich, was wir wissen, was wir kaufen, wen wir wählen und wie erfolgreich wir im Job sind. Jedoch lassen sich nicht nur für Daten aus Online Social Networks und Anwendungskontexte in Politik, Wirtschaft und Gesellschaft mithilfe von Methoden der Social Network Analysis die Beziehungen (Kanten) zwischen verschiedenen Akteuren (Knoten) untersuchen. Auch im Sport – z. B. im Fußball – werden entsprechende Methoden der Social Network Analysis angewendet und weiterentwickelt, um das Zusammenspiel (Kanten) zwischen den Spielern (Knoten) auf dem Feld zu untersuchen und interessante taktische Einblicke zu gewinnen (z. B. welcher Spieler ist maßgeblich für den Spielaufbau, über welchen Spieler laufen die meisten Angriffe, welche Angriffe führen tendenziell zum Erfolg etc.?).

Im Rahmen der Seminararbeit soll neben einem kurzen Überblick über die wichtigsten Methodenbereiche der Social Netzwerk Analysis insbesondere analysiert und diskutiert werden, welche Möglichkeiten Social Network Analysis im Fußball bietet. Die exemplarische praktische Anwendung ausgewählter Methoden anhand eines realen aktuellen Fußballdatensatzes runden die Arbeit ab.

Voraussetzung: Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“

Thema 3

Titel: Wahlergebnisprognosen mithilfe von Big Data Analytics

Big Data Analytics macht es möglich, riesige Datenmengen nicht nur zu sammeln, sondern auch auszuwerten und somit „vorausschauende Analysen“ durchzuführen. Obama war einer der ersten Politiker, die dieses Wissen auch im Wahlkampf anwendeten. Auch im aktuellen US-Wahlkampf war der Einsatz von sehr teuren und vor allem sehr professionellen Big Data Analytics-Methoden ausschlaggebend für den Erfolg von Donald Trump. Er setzte auf die von Michael Kosinski entwickelte Methode, um Menschen anhand ihres Verhaltens auf Facebook minutiös zu analysieren.

Im Rahmen der Seminararbeit soll analysiert und (kritisch) diskutiert werden, welche Einsatzpotenziale Big Data Analytics im Kontext des Wahlkampfs bieten und wie Big Data Analytics genutzt werden kann, um Wahlprognosen zu verbessern. Best Practices sowie ein kritischer Vergleich zwischen Theorie und Praxis runden die Arbeit ab.

Voraussetzung: Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“

Thema 4

Titel: Predictive Policing – Data Mining bei der Polizei

Dynamische Preisgestaltung, Absatzprognosen oder vorausschauende Wartung – das Spektrum der praktischen Anwendungen von Predictive Analytics ist breit gefächert. Auch die Polizei ist aktuell dabei zu versuchen, die Potenziale von Predictive Analytics zu heben. Bei Predictive Policing werden Falldaten aus der Vergangenheit zur Berechnung der Wahrscheinlichkeit zukünftiger Straftaten analysiert, um den Einsatz von Polizeikräften besser zu steuern. Auf diese Weise möchte die Polizei Vorhersagen ermöglichen, wo Verbrecher das nächste Mal zuschlagen könnten.

Im Rahmen der Seminararbeit soll analysiert und kritisch diskutiert werden, auf welche Methoden das Predictive Policing zurückgreift, wie diese Methoden bei der Polizei noch besser eingesetzt werden könnten bzw. inwieweit der Einsatz von Data Mining bei der Polizei hilfreich erscheint. Praktische Beispiele sowie ein (kritischer) Vergleich zwischen Theorie und Praxis runden die Arbeit ab.

Voraussetzung: Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“

Thema 5

Titel: Smart City – Methoden der lernfähigen IT gegen Verkehrskollaps

Die UNO prognostiziert, dass bis zum Jahr 2050 rund 70% der Weltbevölkerung in Städten wohnen werden. Als Folge wird die Dichte im Straßenverkehr weiter rapide ansteigen. Mithilfe von intelligenten Systemen, die über das Internet der Dinge die Stadt in eine Smart City verwandeln, lässt sich der Straßenverkehr zur Stauvermeidung steuern.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu den wichtigsten Konzepten sowie Methoden einer Smart City zur Vermeidung von Verkehrskollaps gegeben und kritisch diskutiert werden. Aktuelle Beispiele sowie ein (kritischer) Vergleich zwischen Theorie und Praxis runden die Arbeit ab.

Voraussetzung: Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“

Thema 6

Titel: Blackbox und Big Data Analytics im Auto

Die Automobilindustrie erwartet bis 2020 weltweit 50 Milliarden Geräte, die über das Internet-Protokoll (IP) miteinander vernetzt sind. Die Grundidee: Eine Blackbox im Fahrzeug ermittelt per GPS den Standort, misst ständig die Geschwindigkeit und vergleicht sie mit dem jeweils erlaubten Limit. Die Blackbox registriert, wie scharf ein Autofahrer bremst und wie schneidig er anfährt. Diese und noch viele weitere Angaben werden per Funk an eine Datensammelstelle gesendet. Bisher profitieren überwiegend die Hersteller von der Datenflut der zahlreichen Sensoren, aber bald sollen die Daten auch anderweitig genutzt werden. Versicherungen bspw. locken ihre Kunden bereits mit günstigen Angeboten, dem sog. Telematik-Tarif, wenn diese im Gegenzug bereit sind, ihr Fahrverhalten mit elektronischen Instrumenten im Auto zu überprüfen.

Im Rahmen der Seminararbeit soll analysiert und (kritisch) diskutiert werden, welche Methoden im Kontext von Big Data Analytics speziell für den Fall der Datenanalyse von Blackboxes im Auto genutzt werden, wie der Einsatz solcher Methoden noch verbessert werden könnte bzw. inwieweit eine Datenauswertung im Auto hilfreich erscheint. Praktische Beispiele sowie ein kritischer Vergleich zwischen Theorie und Praxis runden die Arbeit ab.

Voraussetzung: Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“

Thema 7

Titel: Mobility und Big Data im Healthcare – Versicherungen bieten Rabatte für Gesundheitsdaten

Im Zeitalter von Mobility und Big Data werden Aktivitäts-Tracker (z. B. Fitness-Armbänder und Smart Watches) immer populärer. Der Absatz von „Wearables“ (am Körper getragene Elektronik) wird weltweit auf 213,6 Millionen Stück im Jahr 2020 prognostiziert. Mit ihnen kann der Nutzer u. a. Schritte zählen, die zurückgelegte Distanz anzeigen oder beim Sport verbrannte Kalorien berechnen. Manche von ihnen überwachen auch Schlafdauer und -zyklen, um die Schlafqualität zu ermitteln, oder messen die Herzfrequenz (Puls). Die durch Fitness-Tracker gesammelten Informationen wecken inzwischen auch bei Krankenversicherungen Begehrlichkeiten. So versprechen Krankenversicherungen bspw. Versicherten, die dazu bereit sind, per Fitness-Armband gesammelte Gesundheitsdaten zu übermitteln, Vergünstigungen in Form von Rabatten oder Prämien.

Im Rahmen der Seminararbeit soll analysiert und diskutiert werden, welche Möglichkeiten Methoden des Big Data Analytics im Healthcare-Kontext bieten und welche bereits angewendet werden. Best Practices und aktuelle Beispiele sowie ein kritischer Vergleich zwischen Theorie und Praxis runden die Arbeit ab.

Voraussetzung: Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“

Thema 8

Titel: Erkennung von Datenduplikaten

Viele Unternehmen, wie bspw. Versicherungen, halten große Mengen an personenbezogenen Daten (Stammdaten) in ihren Bestandsführungssystemen. Die Daten stammen dabei meist aus heterogenen Quellen und sind historisch gewachsen. Oftmals beziehen sich mehrere Einträge auf dieselbe reale Person („Duplikate“). Hierdurch können gravierende Probleme (z. B. in der Kundenansprache) entstehen.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über bestehende Methoden zur ähnlichkeitsbasierten Erkennung von Datenduplikaten gegeben werden. Ein (kritischer) Vergleich der jeweiligen Methoden rundet die Arbeit ab.

Voraussetzung: Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“

Bearbeitung

Die Themen können nur alleine bearbeitet werden. Zur Erlangung des Leistungsnachweises ist die Anfertigung einer Seminararbeit sowie einer Präsentation (10 Minuten) mit anschließender Diskussion (5 Minuten) notwendig.

Meilensteine

Themenvergabe mithilfe des neuen zentralen Tools:

·         Deutsche Version:
http://econ.mathematik.uni-ulm.de:3838/semapps/stud_de/

·         Englische Version:
http://econ.mathematik.uni-ulm.de:3838/semapps/stud_en/

Zwischenpräsentation:
Zeitpunkt und Ort werden rechtzeitig bekannt gegeben

Abgabe der Seminararbeiten:
Termin wird rechtzeitig bekannt gegeben

Endpräsentation:
Zeitpunkt und Ort werden rechtzeitig bekannt gegeben

Allgemeine Anforderungen

 
  • analytische und konzeptionelle Fähigkeiten
  • selbständige, zielorientierte und systematische Arbeitsweise
  • gewünscht: Erfolgreicher Abschluss

 

Weitere Informationen siehe Webpage
https://www.uni-ulm.de/mawi/itop.html