Seminar Big (Social) Data Analytics (Master)

Das Seminar Business Analytics (Master) wird von Prof. Seiter angeboten und richtet sich an Masterstudierende. Die Themen können in Absprache auch doppelt vergeben werden.

Themen

  • Thema 1: Netzwerkanalyse am Beispiel der SWU

    Soziale Netzwerke zählen zu den globalen Phänomenen unserer Zeit. Hier sind Beispiele wie Facebook oder Twitter zu nennen. Die zur Verfügung stehenden Daten in Unternehmen nehmen immer weiter zu und ermöglichen somit neue Möglichkeiten im Bereich Business Analytics. Somit können die Methoden der sozialen Netzwerkanalyse auch zur Auswertung von Verkehrsnetzdaten verwendet werden. Zu Beginn der Arbeit sollen die Grundlagen der Netzwerkanalysen erarbeitet werden. Ziel der Arbeit ist es dann, die von der SWU zur Verfügung gestellten Daten nutzbar zu machen und mithilfe der Methoden der Netzwerkanalysen (bspw. mit Gephi) interessante Zusammenhänge zu identifizieren.

    Einführende Literatur:

    • Newman, M. (2018): Networks. 2nd edition. Oxford: Oxford University Press
  • Thema 2: E-Gaming - Quantitative Analyse am Beispiel der FIFA-Daten

    Bisher wurden im Fußballsport schon zahlreiche relevanten Größen (Vorlagen, Zweikampfquote etc.) analysiert und nutzbar gemacht. Im Gegensatz hierzu hat das E-Gaming noch wenig Aufmerksamkeit erlangt, obwohl die verfügbaren Daten leicht verwendet werden können. Ziel dieser Arbeit ist es, die Attribute der Spieler zu identifizieren, die zu einem höheren Marktwert führen, sodass der Marktwert neuer Spieler auf Basis der Attribute schneller und transparenter ermittelt werden kann.

    https://www.kaggle.com/karangadiya/fifa19

    Einführende Literatur:

    • Backhaus, Klaus; Erichson, Bernd; Plinke, Wulff; Weiber, Rolf (2016): Multivariate Analysemethoden. Berlin, Heidelberg: Springer Berlin Heidelberg.
  • Thema 3: Strategische Analyse der Fahrraddaten von Toronto

    Anhand der Verkehrsdaten lassen sich oftmals strategische Entscheidungen ableiten, wie die Platzierung von Restaurants oder Tankstellen. Auch anhand der Fahrraddaten lassen sich interessante Erkenntnisse ableiten. Im Rahmen dieser Arbeit sollen die für die kanadische Metropole Toronto zur Verfügung stehenden Daten für eine Analyse herangezogen werden. Hier handelt es sich um eine offene Fragestellung. Beispielsweise können Muster mithilfe einer Clusteranalyse identifiziert werden, saisonale Trends sowie die Zeitstempel betrachtet werden.

    Literatur zur Aufbereitung der Daten:

    • Backhaus, Klaus; Erichson, Bernd; Plinke, Wulff; Weiber, Rolf (2016): Multivariate Analysemethoden. Berlin, Heidelberg: Springer Berlin Heidelberg.

    Toronto Open Data:

    www.toronto.ca/city-government/data-research-maps/open-data/open-data-catalogue/

  • Thema 4: Textuelle Feedbacks digitaler Plattformen

    Feedbacks auf digitalen Plattformen stellen formelle Steuerungsmechanismen dar, die für den Erfolg der Plattform entscheidend sind. Feedbacks bestehen typischerweise aus einer Sterne Bewertung und einer textuellen Bewertung. Die textuellen Bewertungen können sich dabei hinsichtlich des Umfangs des Textes aber auch der Stimmung unterschieden. Ziel der Arbeit ist es zu analysieren, wie sich der Umfang der textuellen Bewertungen und die Stimmungen einzelner Anbieter entwickeln. Dazu soll eine Sentiment-Analyse durchgeführt werden.

    Literatur zur Aufbereitung der Daten:

    • Hu, N., Zhang, J., & Pavlou, P. A. (2009). Overcoming the J-shaped distribution of product reviews. Communications of the ACM, 52(10), 144-147.
  • Thema 5: Reputation in elektronischen Märkten

    Reputation spielt innerhalb elektronischer Märkte wie digitaler Plattformen eine immer wichtigere Rolle für Transaktionsentscheidungen. Anbieter stehen dabei vor der Herausforderung eine Reputation aufzubauen. Insbesondere neue Anbieter haben zunächst keine Bewertungen, wodurch diese in Transaktionsentscheidungen benachteiligt werden. Ziel der Arbeit ist es verschiedene Lösungsansätze (wie die Mitnahme von Reputation) herauszuarbeiten und zu vergleichen.

    Literatur zur Aufbereitung der Daten:

    • Greiner, B., Teubner, T., & Weinhardt, C. (2018, September). Grundfragen der Plattformökonomie–Wie man Vertrauen designt. In Plattformen (pp. 59-76). Nomos Verlagsgesellschaft mbH & Co. KG.
  • Thema 6: Gestaltung von Feedbackmechanismen und Anreizwirkung

    Feedbacks auf digitalen Plattformen stellen formelle Steuerungsmechanismen dar. Feedbacks liefern Informationen zu vorangegangenen Transaktionen und erhöhen das Vertrauen in die Plattform. Zusätzlich können Nutzer mit positiver Reputation höhere Preise erzielen. Die Vorteile für die Nutzer sind offensichtlich, jedoch haben diese keinen Anreiz selbst Feedback abzugeben, wodurch das Free Rider Problem entsteht. Das Ziel der Arbeit ist es Ansätze herauszuarbeiten, mit denen Betreiber Anreize zur Abgabe von Feedbacks setzten können.

    Literatur zur Aufbereitung der Daten:

    • Bolton, G., Greiner, B., & Ockenfels, A. (2013). Engineering trust: reciprocity in the production of reputation information. Management science, 59(2), 265-285.
    • Kornberger; Pflueger; Mouritsen (2017): Evaluative infrastructures: accounting for platform organization. In: Accounting, Organizations and Society 60, S. 79–95.
    • Zhang, H., Whinston, A. B., & Ba, S. (2002). Building trust in online auction markets through an economic incentive mechanism. Decision Support Systems, 35, S. 273-286. 
  • Thema 7: Visualisierungsstandards im Kontext von Business Analytics

    Zunächst soll eine Einordnung von Business Analytics in die Entscheidungsprozesse von Unternehmen erfolgen. Die International Business Communication Standards (IBCS®) stellen praktische Regeln für die Gestaltung von Berichten, Präsentationen, Dashboards und die darin enthaltenen Diagramme und Tabellen dar. Ziel der Arbeit ist es, herauszuarbeiten, ob diese praktischen Regeln zur Visualisierung im Unternehmen vorteilhaft sind oder ob dadurch auch gewisse Einschränkungen entstehen.

    Literatur zur Aufbereitung der Daten:

    • Schumann, H., Müller, W., Visualisierung - Grundlagen und allgemeine Methoden, Berlin und Heidelberg 2000.
    • Kohlhammer, J., Proff, D. U., Wiener, A., Visual Business Analytics - Effektiver Zugang zu Daten und Informationen, Heidelberg 2013.

    Standards:

    https://www.ibcs.com/de/standards/

  • Thema 8: Kriterien zur Gründung oder zum Beitritt einer Plattform

    Digitale Plattformen agieren als Intermediär zwischen mindestens zwei Marktseiten und ermöglichen hierbei wertschöpfende Aktivitäten. Zu Beginn stellt sich für Unternehmen die Frage, ob eine Plattform gegründet werden soll oder ob ein Beitritt auf eine digitale Plattform strategisch sinnvoller ist. Ziel der Arbeit ist es, einen Kriterienkatalog zur Gründung oder Beitritt einer digitalen Plattform zu entwickeln.

    Literatur zur Aufbereitung der Daten:

    • Parker, G.; van Alstyne, M. & Choudary, S. (2016): Platform revolution. How networked markets are transforming the economy - and how to make them work for you. New York: W. W. Norton & Company.
  • Thema 9: Datenqualität zur Steigerung der Unternehmensperformance

    Durch die zunehmende Digitalisierung und beispielsweise Vernetzung von physischen Produkten zu Smart Products, stehen Unternehmen massive Datenmengen zur Verfügung. Diese Daten können zielgerichtet ausgewertet werden und ermöglichen sowohl Optimierungspotenziale als auch die Basis für neue Geschäftsmodelle. Die zentrale Bedingung hierfür ist, dass die Datenqualität hoch ist und z.B. keine Duplikate in den Daten vorkommen. Das Ziel der Arbeit ist es, einen Kriterienkatalog zur Bestimmung der Datenqualität zu entwickeln.

    Literatur zur Aufbereitung der Daten:

    • Pipino, L. L., Lee, Y. W., Wang, R. Y. (2002). Data quality assessment. Communications of the ACM, 45(4), 211-218.
  • Thema 10: Überwindung von Technologieaversionen

    Die Methoden von Data Science haben ein hohes Potenzial massive Datenmengen auszuwerten und gewinnbringend zu nutzen. Das volle Potenzial von Data Science kann aber nur genutzt werden, wenn die Konzepte flächendeckend eingesetzt werden. Das Themengebiet der Technologieakzeptanz adressiert das Phänomen, dass Aversionen gegenüber neuen Technologien und Algorithmen auftreten können. Das Ziel der Arbeit ist es zunächst Formen von Akzeptanzproblemen zu identifizieren. Im zweiten Schritt soll ein Konzept zur Überwindung von Akzeptanzproblemen entwickelt werden.

    Literatur zur Aufbereitung der Daten:

    • Venkatesh, V., Morris, M. G., Davis, G. B., Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS quarterly, 425-478.
  • Thema 11: Organisationelle Aspekte von Business Analytics im Maschinenbau

    Business Analytics kann organisatorisch unterschiedlich verortet werden. Einigen Unternehmen haben hierfür in letzter Zeit die Position des Chief Digital Officers (CDO) geschaffen. Ziel der Arbeit ist es verschiedene Aufgabenbereiche eines CDO zu erarbeiten und den Verbeitungsgrad des CPO im Maschinenbau zu analysieren.

    Literatur zur Aufbereitung der Daten:

    • Picot, A., Dietl, H., Franck, E., Organisation, 3. Auflage, Stuttgart 2002.
    • Ebers, M., Organisationsmodelle für Innovation, in: Zeitschrift für betriebswirtschaftliche Forschung 2016.
  • Thema 12: Organisationelle Aspekte von Business Analytics im Maschinenbau

    Business Analytics kann organisatorisch unterschiedlich verortet werden. Einigen Unternehmen haben hierfür in letzter Zeit die Position des Chief Digital Officers (CDO) geschaffen. Ziel der Arbeit ist es verschiedene Aufgabenbereiche eines CDO zu erarbeiten und den Verbeitungsgrad des CPO im Maschinenbau zu analysieren.

    Literatur zur Aufbereitung der Daten:

    • Picot, A., Dietl, H., Franck, E., Organisation, 3. Auflage, Stuttgart 2002.
    • Ebers, M., Organisationsmodelle für Innovation, in: Zeitschrift für betriebswirtschaftliche Forschung 2016.

Dozierende

Prof. Dr. Mischa Seiter, Institut für Business Analytics
Prof. Dr. Mischa Seiter
Andreas Steur, Institut für Business Analytics
Andreas Steur

Inhaltliche Informationen

  • Lernziele

    Die Studierenden erwerben im Rahmen dieses Moduls die Fähigkeit, eine Themenstellung aus dem Bereich Business Analytics nach wissenschaftlichen Kriterien zu erarbeiten. Dies umfasst die Auswahl geeigneter quantitativer Methoden, deren Anwendung auf eine betriebswirtschaftliche Fragestellung und die Interpretation und Evaluation der Ergebnisse. Die Bearbeitung der Seminararbeit mit anschließender Präsentation und Diskussion der Ergebnisse fördert die rhetorische Fertigkeit und soziale Kompetenz der teilnehmenden Studierenden.

  • Modulplanung

    Die angebotenen Themen liegen im besonderen betriebswirtschaftlichen Interesse bzw. fallen in aktuelle Forschungsprojekte des Instituts und weisen einen inhaltlichen Bezug zu Fragestellungen aus der Praxis auf.

  • Literatur

    Je nach Themengebiet wird individuelle Literatur empfohlen.

Organisatorische Informationen

  • Zeit und Ort

    Nächster Veranstaltungsbeginn: WiSe 20/21

    Ort:  Online - alle weiteren Informationen auf Moodle

    Termine: 

    • Abgabe der Seminararbeiten: Termin wird rechtzeitig bekannt gegeben
    • Endpräsentation: Zeitpunkt und Ort werden rechtzeitig bekannt gegeben
  • ECTS-Punkte und Lehrform

    ECTS: 4

    Seminar (2 SWS): Schriftliche Hausarbeit, Präsentationsunterlagen, Präsentation im Rahmen eines Seminarvortrags

  • Themenvergabe

    Die Seminarplätze werden ausschließlich über die neue web-basierte zentrale Seminarplatzvergabe des Fachbereichs Wirtschaftswissenschaften vergeben:
    http://econ.mathematik.uni-ulm.de:3838/semapps/stud_de/

    Unter diesem Link können Sie dann  Ihre Präferenzen über alle angebotenen Seminare eintragen. Sie erfahren danach auf jener Webseite, in welchem Seminar Sie einen Platz erhalten haben.

  • Bewertungsmethode

    Die Vergabe der Leistungspunkte erfolgt aufgrund der regelmäßigen Teilnahme, der vollständigen Bearbeitung eines übernommenen Themas (Vortrag und schriftliche Ausarbeitung) und der Beteiligung an der Diskussion. Die Anmeldung zur Prüfung setzt keinen Leistungsnachweis voraus.

    Die Modulnote entspricht dem Ergebnis der Modulprüfung. Die Note der Modulprüfung ergibt sich aus den Noten der Ausarbeitung, der Präsentation und der Beteiligung an der Diskussion. Im Transcript of Records wird die errechnete Note für die Modulprüfung als eine Prüfungsleistung eingetragen und ausgewiesen.

  • Schwerpunkt und Studiengänge

    Schwerpunktfächer: Technologie- und Prozessmanagement, Business Analytics 

    Studiengänge: M.Sc. Wirtschaftswissenschaften, M.Sc. Wirtschaftsphysik, M.Sc. Wirtschaftschemie, M.Sc. Wirtschaftsmathematik, M.Sc. Nachh. Unternehmensf.