Seminar Business Analytics (Master)

Übersichtsgraphik: Ablauf Business Analytics Proess from Framing bis zur Preparation

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

Das E-Gaming hat bisher noch wenig Aufmerksamkeit erlangt, obwohl die verfügbaren Daten leicht verwendet werden können. Das Spiel NBA 2K20 ist ein Basketball-Simulations-Videospiel. Der Spieler spielt dabei NBA-Spiele mit realen oder angepassten Spielern und Teams; die Spiele folgen den Regeln und Zielen der NBA-Spiele. Ziel dieser Arbeit ist es, die Attribute der Spieler zu identifizieren, die zu einem höheren Gehalt führen, sodass der Gehalt neuer Spieler auf Basis der Attribute schneller und transparenter ermittelt werden kann. 

Einführende Literatur:

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

Daten:

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 inhaltlichen Stimmung unterscheiden. 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.

Einführende Literatur:

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

 

Daten:

Bewertungen und Rezensionen auf Plattformen wie Amazon und Co. haben zum Ziel, die Nutzer bei ihrer Entscheidung für oder gegen ein Produkt oder eine Dienstleistung zu unterstützen. Denn bei Onlineeinkäufen können sich Kunden nicht direkt von der Qualität des Produkts überzeugen, sondern informieren sich durch die Bewertungen anderer Nutzer darüber. Dabei haben viele Plattformen mit falschen Bewertungen, sogenannten Fake Reviews zu kämpfen. Diese schädigen oder steigern absichtlich die Reputation eines Produkts oder Anbieters und können zu Wettbewerbsverzerrungen führen. Die Fake Reviews lassen sich jedoch nicht ohne weiteres erkennen. Auch bei großen Plattformen wie Amazon tritt das Problem sehr stark auf. Amazon versucht dem entgegenzuwirken und entfernt falsche Bewertungen, das Problem besteht jedoch weiterhin. Ziel der Arbeit ist es, Ansätze zur Identifikation von Fake Reviews zu entwickeln und anhand einer Plattform (Amazon oder Yelp) zu evaluieren.

Einführende Literatur:

  • Lappas, T. (2012): Fake Reviews: The Malicious Perspective
  • Carbonell, G. et al. (2019): The impact of emotionality and trust cues on the perceived trustworthiness of online reviews
  • Liu, W. et al. (2019): A Method for the Detection of Fake Reviews Based on Temporal Features of Reviews and Comments
  • Li, Y. et al. (2020): Detection of Fake Reviews Using Group Model

Daten:

 

Subscription Geschäftsmodelle erlauben durch die Analyse von Nutzungsdaten ein besseres Verständnis der Kundenbedürfnisse und eine kontinuierliche Verbesserung des Produkts. Sie können als Weiterentwicklung klassischer Abonnementmodelle betrachtet werden und sind derzeit vor allem im B2C-Bereich zu finden. Bekannte Beispiele sind Spotify und Netflix. Auch in der produzierenden Industrie werden Subscription Geschäftsmodelle immer wichtiger. Die Maschine bleibt Eigentum des Anbieters, stattdessen zahlen die Kunden kontinuierlich für die Nutzung anhand verschiedener Zeit- oder Leistungsgrößen („Pay-per-X“). Ziel der Arbeit ist die Durchführung einer Marktanalyse zur systematischen Darstellung der etablierten Ausprägungen von Pay-per-X in der produzierenden Industrie.

Einführende Literatur:

  • Stojkovski, I., Achleitner, A.-K., Lange, T. (2021): Equipment as a Service – The Transition Towards Usage-Based Business Models, SSRN, S. 1-44.
  • Schuh, G., Wenger, L., Stich, V., Hicking, J., Gailus, J. (2020): Outcome Economy – Subscrip-tion Business Models in Machinery and Plant Engineering, in: Procedia CIRP 93(1), S. 599-604.
  • Seiter, M., Grünert, L., Kenner, K. (2021): Subscription Models – Merkmale, Praxisbeispiele und Auswirkungen auf die Unternehmensteuerung, in: Schmalenbach IMPULSE (1), S. 1-17.
  • Roth, S., Stoppel, E. (2014): Preissysteme zur Gestaltung und Aufteilung des Service Value, in: Bruhn, M., Hadwich, K. (Hrsg.): Service Value als Werttreiber, Wiesbaden, S. 183-204.

5G bietet dem verarbeitenden Gewerbe eine drahtlose, schnelle und sichere Übertragungstechnologie mit hoher Reichweite, geringer Latenz und der Anbindungsmöglichkeit einer Vielzahl von Endgeräten. Durch neue Technologien entstehen neue Märkte und Geschäftsmodelle und es entstehen neue Möglichkeiten der Wertschöpfung und Wertsteigerung. Bisher hatten verschiedene Technologien bedeutende Auswirkungen auf Geschäftsmodelle (bspw. Smart Services basierend auf Smart Products). 5G ist eine Technologie, deren Auswirkung auf Geschäftsmodelle bisher weitestgehend unklar ist. Zur Bewertung der Auswirkungen der Einführung von 5G im verarbeitenden Gewerbe soll eine Branchenstrukturanalyse durchgeführt werden. Hierbei wird analysiert, inwiefern sich die Wettbewerbskräfte nach Porter durch die flächendeckende Umsetzung von 5G langfristig verändern können. 

Einführende Literatur:

  • Becker, W., Eierle, B., Fliaster, A., Ivens, B., Leischnig, A., Pflaum, A., Sucky, E (2019): Ges-chäftsmodelle in der digitalen Welt
  • Bentkus, A. (2019): 5G for Automation in Industry. Primary use cases, functions and service requirements
  • Grotepass, J., Eichinger, J., Voigtländer, F. (2019): Mit 5G zu neuen Potentialen in Produk-tion und Logistik

5G vereint die Potenziale unterschiedlicher Technologien und übertrifft diese sogar teilweise, sodass Lösungen nicht nur zentralisiert, sondern auch effizienter und sicherer realisiert werden können. Dabei belegen Studien, dass 5G bis 2026 eine Wertschöpfung von bis zu 4,3 Billionen US-Dollar (Ennemann und Holt 2020) verspricht. Grundlage hierfür bilden insbesondere gänzlich neue Anwendungsfälle im verarbeitenden Gewerbe und in der Folge auch Geschäftsmodelle (Rao und Prasad 2018). 5G ist eine Technologie, deren Auswirkung auf Geschäftsmodelle im verarbeitenden Gewerbe bisher weitestgehend unklar ist. Das Ziel der Arbeit ist es, den finanziellen sowie nicht-finanziellen Nutzen den Kosten gegenüberzustellen. Hierzu werden Auswirkungen der Einführung von 5G im verarbeitenden Gewerbe aufgenommen, über Kausalketten quantifiziert und den Kosten gegenübergestellt, wodurch auch nicht-finanzielle Auswirkungen transparent dargestellt werden sollen.

Einführende Literatur:

  • Isensee, Johannes; Zeibig, Stefan; Seiter, Mischa; Märtens, Adriana; Elsweier, Matthias (2007): Ganzheitliche Wirtschaftlichkeitsbewertung von RFID-Investitionen am Beispiel der dezentralen Produktionssteuerung. In: Information Management & Consulting 22 (4), S. 57–63.
  • Liolis, Konstantinos; Geurtz, Alexander; Sperber, Ray; Schulz, Detlef; Watts, Simon; Poziopoulou, Georgia et al. (2019): Use cases and scenarios of 5G integrated satellite‐terrestrial networks for enhanced mobile broadband: The SaT5G approach. In: Int J Satell Commun Network 37 (2), S. 91–112.
  • O’Connell, Eoin; Moore, Denis; Newe, Thomas (2020): Challenges Associated with Imple-menting 5G in Manufacturing. In: Telecom 1 (1), S. 48–67.

Methoden der künstlichen Intelligenz (KI) eröffnen den Weg die Digitalisierung im Mittelstand voranzutreiben. Während die Automatisierungsquote von einfachen, regelbasierten Prozessen bereits sehr fortgeschritten ist, ist der Einsatz von KI bei kritischen Prozessen verhalten. Tatsächlich belegen Studien, dass Menschen der Einschätzung anderer Menschen oder ihrer eigenen Erfahrung mehr vertrauen, sobald sie erkennen, dass ein Algorithmus nicht perfekt ist, obwohl dieser die besseren Prognosen erzielt (Dietvorst et al. 2015). Dieses Phänomen wird auch als Algorithmenaversion bezeichnet. Ziel der Arbeit ist es, Ansätze zur Überwindung der Algorithmenaversion zu identifizieren. Dafür soll ein Literaturreview durchgeführt und der aktuelle Stand der Forschung aufgearbeitet werden.

Einführende Literatur:

  • Dietvorst, Berkeley J.; Simmons, Joseph P.; Massey, Cade (2015). Algorithm aversion: people erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114.
  • Jussupow, Ekaterina; Izak Benbasat; Heinzl, Armin (2020). Why are we averse towards algo-rithms? A comprehensive literature review on algorithm aversion.

Subscription Geschäftsmodelle erlauben durch die Analyse von Nutzungsdaten ein besseres Verständnis der Kundenbedürfnisse und eine kontinuierliche Verbesserung des Produkts. Sie können als Weiterentwicklung klassischer Abonnementmodelle betrachtet werden und sind derzeit vor allem im B2C-Bereich zu finden. Bekannte Beispiele sind Spotify und Netflix. Auch in der produzierenden Industrie werden Subscription Geschäftsmodelle immer wichtiger. Neben der Maschine an sich werden in der Regel weitere Leistungen in der Subscription gebündelt, bspw. verschiedene Smart Services oder Versicherungsleistungen. Ziel der Arbeit ist die Durchführung einer Marktanalyse zur systematischen Darstellung der etablierten Leistungsbündel in der produzierenden Industrie.

Einführende Literatur:

  • Stojkovski, I., Achleitner, A.-K., Lange, T. (2021): Equipment as a Service – The Transition Towards Usage-Based Business Models, SSRN, S. 1-44.
  • Schuh, G., Wenger, L., Stich, V., Hicking, J., Gailus, J. (2020): Outcome Economy – Subscrip-tion Business Models in Machinery and Plant Engineering, in: Procedia CIRP 93(1), S. 599-604.
  • Seiter, M., Grünert, L., Kenner, K. (2021): Subscription Models – Merkmale, Praxisbeispiele und Auswirkungen auf die Unternehmensteuerung, in: Schmalenbach IMPULSE (1), S. 1-17.
  • Roth, S., Stoppel, E. (2014): Preissysteme zur Gestaltung und Aufteilung des Service Value, in: Bruhn, M., Hadwich, K. (Hrsg.): Service Value als Werttreiber, Wiesbaden, S. 183-204.

Subscription Geschäftsmodelle erlauben durch die Analyse von Nutzungsdaten ein besseres Verständnis der Kundenbedürfnisse und eine kontinuierliche Verbesserung des Produkts. Sie können als Weiterentwicklung klassischer Abonnementmodelle betrachtet werden und sind derzeit vor allem im B2C-Bereich zu finden. Bekannte Beispiele sind Spotify und Netflix. Auch in der produzierenden Industrie werden Subscription Geschäftsmodelle immer wichtiger. Die Maschine bleibt Eigentum des Anbieters, sodass dieser Zugriff auf eine große Menge an Maschinendaten aus dem produktiven Einsatz bei den Kunden erhält und daraus Optimierungen ableiten kann (bspw. Reduzierung von Wartungsaufwänden, Erhöhung des Outputs). Ziel der Arbeit ist die Durchführung einer Marktanalyse zur Identifikation von konkreten Optimierungen, die Anbieter im Rahmen bereits etablierter Subscription Geschäftsmodelle in der produzierenden Industrie versprechen.

Einführende Literatur:

  • Stojkovski, I., Achleitner, A.-K., Lange, T. (2021): Equipment as a Service – The Transition Towards Usage-Based Business Models, SSRN, S. 1-44.
  • Schuh, G., Wenger, L., Stich, V., Hicking, J., Gailus, J. (2020): Outcome Economy – Subscrip-tion Business Models in Machinery and Plant Engineering, in: Procedia CIRP 93(1), S. 599-604.
  • Seiter, M., Grünert, L., Kenner, K. (2021): Subscription Models – Merkmale, Praxisbeispiele und Auswirkungen auf die Unternehmensteuerung, in: Schmalenbach IMPULSE (1), S. 1-17.
  • Roth, S., Stoppel, E. (2014): Preissysteme zur Gestaltung und Aufteilung des Service Value, in: Bruhn, M., Hadwich, K. (Hrsg.): Service Value als Werttreiber, Wiesbaden, S. 183-204.

Methoden der künstlichen Intelligenz (KI) eröffnen für kleine und mittlere Unternehmen (KMU) bspw. den Weg zu einer datengetriebenen Prozesskette, die domänenspezifisches Wissen mit virtuellen Abbildern und zunehmend natursprachlich und intuitiv bedienbaren Schnittstellen verbindet. Beim Einsatz von Methoden der KI ist jedoch zu beachten, dass das Verständnis für und die Akzeptanz von KI-Systemen bei den im Unternehmen tätigen Menschen wenig verbreitet ist – dies gilt von den Führungsebenen bis zu den Auszubildenden. Ziel der Arbeit ist es, Einflussfaktoren der Akzeptanz von KI (sowohl positiv als auch negativ) zu identifizieren. Dafür soll ein Literaturreview zur Identifikation der Einflussfaktoren durchgeführt und der aktuelle Stand der Forschung aufgearbeitet werden.

Einführende Literatur:

  • Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015): Algorithm aversion: people erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114.
  • Logg, J. M., Minson, J. A., & Moore, D. A. (2019): Algorithm appreciation: People prefer al-gorithmic to human judgment. Organizational Behavior and Human Decision Processes, 151, 90-103.
  • Schaefer, K. E., Chen, J. Y. C., Szalma, J. L. und Hancock, P. A. (2016): A Meta-Analysis of Factors Influencing the Development of Trust in Automation.

Objectives and Key Results (OKR) ist ein durch Google bekannt gewordenes Managementsystem, das vor allem im operativen Bereich Anwendung findet. Es bildet ein Rahmenwerk für die lang- und kurzfristigen Ziele und die Zielsetzung (Objectives) sowie der Messung von Ergebniskennzahlen (Key Results). Dabei werden durch das OKR die einzelnen Aufgaben von Teams und Mitarbeitern mit der Unternehmensstrategie verknüpft. Dadurch werden die Priorisierungsfähigkeit sowie die Kommunikation und Transparenz im Unternehmen verbessert, die Leistung kann qualitativ und quantitativ gemessen werden und das Mitarbeiterengagement wird gestärkt. Somit unterstützt OKR das Erreichen von Unternehmenszielen. Ziel der Arbeit ist es, fünf Unternehmensbeispiele zu recherchieren, die OKR erfolgreich implementiert haben und diese Cases miteinander zu vergleichen.

Einführende Literatur:

  • Alberti, M. (2015): Das OKR Buch – Führen wie im Silicon Valley.
  • Doerr, J. E. (2018): Measure what matters. How Google, Bono, and the Gates Foundation rock the world with OKRs.
  • Engelhardt, P. und Möller, K. (2017): OKRs - Objectives and Key Results. Kritische Analyse eines neuen Managementtrends.
  • Lihl, H. T., Mahlendorf, M. D. und Schmotz, D. (2019): Agiles Controlling mit OKR für schnelles Wachstum.
  • Lobacher, P. et al. (2017): Agiles Zielmanagement und modernes Leadership mit Objectives & Key Results (OKR): Das umfassende Kompendium.

5G stellt eine neue Mobilfunk-Technologie dar, welche als Nachfolger von 4G (LTE) den neuen Standard des mobilen Internets darstellten wird. Der Ausbau des 5G-Netzes, welcher derzeit in Deutschland und vielen weiteren Ländern erfolgt, dient als Grundlage für die Digitalisierung vieler Lebensbereiche und eine noch schnellere Übertragung mobiler Daten. Denn die 5G-Technologie ist bis zu 100-mal schneller als LTE und macht somit Übertragungen in Echtzeit möglich. Dadurch können beispielsweise Produktionsprozesse automatisiert und autonomes Fahren ermöglicht werden, da hierfür eine Datenübertragung in Echtzeit notwendig ist. Das Ziel der Arbeit ist es, durch einen systematischen Literaturreview 5G-Anwendungsfälle zu identifizieren. Dabei sollen sowohl Verbesserungen von Anwendungen, die bisher mit anderen Technologien umgesetzt werden, als auch neu entstehende Anwendungen betrachtet werden. 

Einführende Literatur:

  • Hemmings, Max (2021): 5G Networks.
  • Rajaneesh, Shetty (2021): 5G Mobile Core Network: Design, Deployment, Automation, and Testing Strategies.
  • Ruess, Patrick; Litauer, Rebecca (2021): 5G als Schlüsseltechnologie für mehr Nachhaltigkeit in der Logistik?: Ein Anwendungsfall zur Prozessinnovation im Kombinierten Verkehr. In: HMD Praxis der Wirtschaftsinformatik. 58(1):36-49

Dozierende

Prof. Dr. Mischa Seiter, Institut für Business Analytics
Prof. Dr. Mischa Seiter
Fabian Fritzsche, Institut für Business Analytics
Fabian Fritzsche

Inhaltliche Informationen

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.

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.

Je nach Themengebiet wird individuelle Literatur empfohlen.

Organisatorische Informationen

Nächster Veranstaltungsbeginn: WiSe 22/23

Ort:  Online - alle weiteren Informationen auf Moodle

Termine: 

  • Abgabe der Seminararbeiten: -
  • Endpräsentation: -

ECTS: 4

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

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.

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.

Schwerpunktfächer: Technologie- und Prozessmanagement, Business Analytics 

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