Die digitale Transformation erfasst mittlerweile alle Wirtschaftszweige. Sowohl produzierende Unternehmen als auch Unternehmen des Dienstleistungssektors stehen vor umfassenden und nachhaltigen Veränderungen, um auch zukünftig am Markt erfolgreich zu sein. Veränderungen betreffen das Leistungsangebot, Prozesse, Geschäftsmodelle, Wertschöpfungssysteme und Absatzmärkte.
Die Ausrichtung Business Analytics bereitet Studierende auf zukünftige unternehmerische Herausforderungen vor, die mit der digitalen Transformation einhergehen. Dabei erlangen Studierende grundlegende Fähigkeiten zur Speicherung, Verarbeitung und Analyse von Daten, um geschäftsrelevante Entscheidungen besser zu treffen.
Studierende im Schwerpunkt lernen grundlegende Konzepte, Modelle und Methoden von Business Analytics kennen. Diese gliedern sich thematisch in die drei Bereiche Big (Social) Data Analytics, Digital Business und Wertschöpfungsmanagement.
Unternehmen stehen heutzutage - bspw. über soziale Medien und das Internet (z. B. Online Social Networks, Wikis, Bewertungs-und Rezensions-Communities), aber auch in traditionellen Datenbanken
(z. B. Data-Warehouse, Kundendatenbanken) - sehr umfangreiche und immer weiter wachsende Datenmengen zur Verfügung. Es stellt sich die Frage, wie aus dieser Datenflut – oft auch als „Big Data“ bezeichnet – hilfreiches betriebswirtschaftliches Wissen extrahiert werden kann. Antworten - bspw. auf Grundlage moderner Methoden der Sozialen Netzwerkanalyse oder des Machine Learning (z. B. neuronale Netze) - liefert Big (Social) Data Analytics als zentraler Bereich innerhalb von Business Analytics.
Eine zentrale Rolle in der erfolgreichen Realisierung der digitalen Transformation und somit im Kontext von Business Analytics nimmt darüber hinaus das Thema Digital Business ein. Digital Business beschreibt die Verschmelzung der digitalen und physischen Welt beispielsweise in Form von neuen Geschäftsmodellen und -prozessen. So müssen Unternehmen in der Lage sein, schnell auf neue Chancen und Bedrohungen des digitalen Geschäfts zu reagieren. Dies erfordert neue Management-Kompetenzen, Organisationsstrukturen und Methoden.
Auch Geschäftsmodelle und Wertschöpfungssysteme als Ganzes sind von der digitalen Transformation betroffen. Insbesondere digitale Plattformen tragen hierbei disruptives Potenzial und machen modernes Wertschöpfungsmanagement zu einer zentralen Komponente von Business Analytics. Digitale Plattformen verändern von Grund auf das unternehmerische Handeln, indem sie eine neue Ebene des Wettbewerbs und der Wertschöpfung etablieren. In Zukunft wird der Wettbewerb nicht mehr zwischen Unternehmen, sondern vielmehr zwischen Wertschöpfungsnetzwerken und digitalen Plattformen stattfinden.
Leiter des Instituts für
Institut für Business Analytics
Universität Ulm
Helmholtzstraße 22, 89081 Ulm
Sprechzeiten: Termin nach Absprache (vorab Anfrage per E-Mail an Anette Lesle)
Anette Lesle
Fremdsprachensekretärin
Helmholtzstraße 22, 89081 Ulm
Raum: E 27
Telefon: +49 (0) 7 31/50-3 23 01
E-Mail: anette.lesle(at)uni-ulm.de
So what's getting ubiquitous and cheap? Data. And what is complementary to data? Analysis. So my recommendation is to take lots of courses about how to manipulate and analyze data: databases, machine learning, econometrics, statistics, visualization, and so on.
Hal Varian, Google Chief Economist
Data driven decisions are better decisions - it's as simple as that. Using big data enables managers to decide on the basis of evidence rather than intuition. For that reason it has the potential to revolutionize management.
Andrew McAfee, MIT Initiative on the Digital Economy
There's not a single business model, and there's not a single type of electronic content. There are really a lot of opportunities and a lot of options and we just have to discover all of them.
Tim O'Reilly, Mitbegründer Web 2.0
Studierende im Bachelor haben die Möglichkeit, grundlegende Konzepte und Methoden von Business Analytics zu erlernen.
Data Analytics – Methoden und Fallstudien
Inhalte: zentrale Methoden und Werkzeuge zur Analyse
unternehmensrelevanter Daten, welche anhand von Fallstudien und realen Datensätzen verdeutlicht werden.
Methoden des IT-Projektmanagements
Inhalte: Grundlagen für die Umsetzung erfolgreicher IT-Projekte. Diese werden anhand zahlreicher Fallbeispiele verdeutlicht und durch praxisnahe Übungen sowie einen Workshop begleitet.
Inhalte: Überblick über Produkte, Dienstleistungen, Prozesse und Geschäftsmodelle, die durch neue technologische Entwicklungen im Rahmen der Digitalisierung ermöglicht werden.
Wertorientiertes Customer Relationship Management (CRM) und Business Intelligence
Inhalte: zentrale Konzepte und Methoden des strategischen, operativen und analytischen CRM, welche anhand von Praxisbeispielen verdeutlicht werden.
Inhalte: verschiedene Basistechnologien zur Implementierung von (betrieblichen) Informationssystemen.
Machine Learning and Decision Making
Inhalte: Problemerkennung und Testen von Hypothesen/Modellen im Kontext von Managemententscheidungen.
Studierende im Master haben die Möglichkeit, Wissen zu den Themenschwerpunkten Digital Business, Big (Social) Data Analytics und Wertschöpfungsmanagement zu vertiefen.
Social Network Analysis – Methoden, Konzepte und Anwendungen
Inhalte: zentrale Konzepte, Methoden und Werkzeuge zur Erfassung und Analyse sozialer Netzwerke, welche anhand von Praxisbeispielen und realen Datensätzen verdeutlicht werden.
Big Data Analytics – Methoden und Anwendungen
Inhalte: wesentliche methodische Grundlagen, Einsatzpotenziale und praktische Anwendungen von Big Data Analytics.
Management digitaler Transformationsprogramme
Inhalte: Zentrale Ansätze zur Bewertung, zum Management und zur Umsetzung von digitalen Transformationsprogrammen. Semesterbegleitend wird ein reales digitales Transformationsprojekt durchgeführt.
Digitales Marketing
Inhalte: Die Vermarktung von Produkten, Marken oder Dienstleistungen mit Hilfe digitaler Technologien, welche auf unterschiedlichen Online Kanälen gesteuert werden.
Digitale Geschäftsmodelle und Märkte
Inhalt: Gestaltung neuer digitaler Produkte und Geschäftsmodelle sowie die Analyse deren Auswirkungen für Unternehmen, Verbraucher und den Wettbewerb anhand von Laborexperimenten.
Gestaltung und Steuerung von Wertschöpfungsnetzwerken
Inhalte: Wertschöpfungsnetzwerke, digitale Plattformen sowie entsprechende Instrumente und Steuerungskonzepte.
Design von Performance Measures
Inhalte: wesentliche Qualitätskriterien, mögliche dysfunktionale Wirkungen und Entwicklung von Performance Measures für komplexe Phänomene.
Machine Learning and Decision Making
Inhalte: Problemerkennung und Testen von Hypothesen/Modellen im Kontext von Managemententscheidungen.
Market Analysis with Econometrics and Machine Learning
Inhalte: Wie kann ich das Verhalten von Kunden und die Reaktion von Konkurrenten auf meine Preis- und Produktpolitik modellieren und mit empirischen Daten schätzen?
Data Mining für wirtschaftswissenschaftlich orientierte Studiengänge
Inhalte: maschinellen Lernverfahren des Data Mining zur Clusteranalyse, Klassifikation und Regression.
Projektkurs Data Science & Law
Inhalte: Überblick über die verschiedenen Formen von Legal Tech-Anwendungen und ihre Bedeutung für juristische Dienstleistungen und Streitbeilegungsverfahren.
Instrumente der Unternehmensführung (mit Planspiel)
Inhalte: aus der Sicht des Vorstandes einer Unternehmung die unterschiedlichen Dimensionen der strategischen und operativen Entscheidungsfindung.
Business Process Intelligence für wirtschaftswissenschaftlich-orientierte Studiengänge
Inhalte: ausgewählte Aspekte des gesamten Data- und Process-Warehousing-Prozesses von der Datenextraktion bis zur Analyse.
The Future of Jobs Report 2018
Data Scientist: The Sexiest Job of the 21st Century Thomas H. Davenport, International Institute for Analytics, MIT
87 % of companies believe that digital transformation is a competitive opportunity - Capgemini
Um den Herausforderungen strukturiert zu begegnen, wird in diesem Buch ein Business Analytics-Prozess vorgestellt, der sich in die vier Teilprozesse Framing, Allocation, Analytics und Preparation untergliedert. Er ist die Basis, einen unternehmensindividuellen Business Analytics-Ansatz zu entwickeln und zu implementieren.
Wirtschaftswissenschaften – Was kommt jetzt?
Firmen müssen sich auf immer neue Trends einstellen. Welche Zukunftsthemen man als Wirtschaftswissenschaftler kennen sollte.
"Um in den Daten verborgene Muster zu erkennen, werden Wirtschaftswissenschaftler gebraucht, die das Geschäftsmodell einer Firma verstehen, aber auch Statistik und Datenanalyse-Software beherrschen" – Prof. Mathias Klier
Forschungsschwerpunkt Data Science Universität Ulm
Bei jedem Besuch im Internet, bei klinischen Studien oder in der digitalen Fabrik mit vernetzten Maschinen fallen Daten an. So viele, dass sich alle zwei Jahre das weltweite Datenvolumen verdoppelt! In dieser Datenflut stecken wahre Schätze. Wie sich aus den Tera- und Petabyte-großen Bergen relevante Erkenntnisse gewinnen lassen, wird an der Uni Ulm interdisziplinär erforscht.
Schmalenbach-Arbeitskreis Integrationsmanagement für neue Produkte
Der Arbeitskreis beschäftigt sich aktuell unter anderem mit digitalen Plattformen, IoT-Plattformen und Marktplätzen, Skalierung und Feedback-Mechanismen von digitalen Plattformen.
Gastbeitrag: Traumjob Data Scientist von Prof. Dr. Mathias Klier
Unternehmen brauchen zweierlei, um das enorme betriebswirtschaftliche Potenzial von Big Data Analytics erfolgreich auszuschöpfen: Methodenverständnis für die Analyse großer Datenmengen und Fachwissen für den Anwendungskontext. Professionals und Absolventen mit interdisziplinärer Ausrichtung sind daher heiß begehrt.
International Performance Research Institute (IPRI)
Das IPRI ist ein gemeinnütziges Forschungsinstitut auf dem Gebiet der Betriebswirtschaftslehre. Ziel ist die angewandte Forschung auf dem Gebiet des Performance Management von Organisationen, Unternehmen und Unternehmensnetzwerken.
Arbeitskreis "Industrie 4.0 - Betriebswirtschaftliche Fragestellungen im Fokus"
Der AK4.0 ist ein Industriearbeitskreis des ITOP und des IPRI mit rund 30 Mitgliedern, der betriebswirtschaftliche Fragestellungen im Kontext von Industrie 4.0 analysiert. Im Arbeitskreis werden konkrete Schritte zur Bewertung und Implementierung einzelner Industrie-4.0-Konzepte aufgezeigt. Dazu werden diese Konzepte aus einem ganzheitlichen Blickwinkel für die Praxis betrachtet.
