Big (Social) Data Analytics und CRM - Seminare (Bachelor/Master)

Seminar

Big (Social) Data Analytics (Master)

Customer Relationship Management und Social Media (Bachelor) 

Dauer

ein Semester (SoSe 20)

Themenvergabe

27.01. – 01.02.2020:
Präferenzeingaben durch die Studierenden im Tool

02.02.2020:
Hauptrunde des Seminarmatchings

05.02.2020:
Zweite Runde des Seminarmatchings

Leitung

Prof. Dr. Steffen Zimmermann

Bujar Ramosaj

Inhalte

Das Seminar Big (Social) Data Analytics baut auf den Veranstaltungen „Big Data Analytics – Methoden und Konzepte“ sowie „Social Network Analysis – Methoden, Konzepte und Anwendungen“ auf und ist inhaltlich dem Schwerpunkt „Technologie- und Prozessmanagement“ und "Business Analytics" zugeordnet.

Im Rahmen der Arbeit sollen Lösungsansätze für spezifische Fragestellungen aus dem Bereich Big (Social) Data Analytics 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

Data Analytics im Klimaschutz - Ein Überblick zu Big Data Analytics in der Klimaforschung

Der Klimawandel ist als globales Problem in aller Munde. Zur Erfassung von Klimaveränderungen braucht es Erhebungen und Auswertungen riesiger Datenmengen - Big Data Analytics. Um wiederum auf Basis dieser Daten zu handeln und aktiven Klimaschutz zu betreiben müssen Umweltschutzorganisationen ihre Ideen wirksam präsentieren und dabei möglichst die richtigen Menschen erreichen. Die Nutzung von Social Media und die Analyse von Social Media-Daten können hierbei von Nutzen sein.

Im Rahmen der Seminararbeit soll ein wissenschaftlicher Literaturüberblick zu Big Data Analytics, insbesondere in der Klimaforschung gegeben werden. Die Ableitung von Herausforderungen und Potenzialen sowie möglicher Entwicklungen runden die Arbeit ab.

Voraussetzung: keine

 

Thema 2

Data Analytics im Klimaschutz - Social Media Analytics im aktiven Klimaschutz

Der Klimawandel ist als globales Problem in aller Munde. Zur Erfassung von Klimaveränderungen braucht es Erhebungen und Auswertungen riesiger Datenmengen - Big Data Analytics. Um wiederum auf Basis dieser Daten zu handeln und aktiven Klimaschutz zu betreiben müssen Umweltschutzorganisationen ihre Ideen wirksam präsentieren und dabei möglichst die richtigen Menschen erreichen. Die Nutzung von Social Media und die Analyse von Social Media-Daten können hierbei von Nutzen sein. 

Im Rahmen der Seminararbeit soll ein wissenschaftlicher Literaturüberblick zu Social Media Analytics gegeben werden. Dabei sollen insbesondere theoretische Nutzungsmöglichkeiten von Social Media Analytics für den aktiven Klimaschutz präsentiert werden. Ein Abgleich mit der tatsächlichen Nutzung von Social Media und Social Media Analytics in diesem Kontext und ausgewählte Best Practices ergänzen diese wissenschaftliche Sicht. Eine kritische Diskussion rundet die Arbeit ab.

Voraussetzung: keine

 

Thema 3

Information Diffusion in sozialen Netzwerken – Ein Überblick

„Fake News“ verbreiten sich in rasender Geschwindigkeit im Netz. Aber auch immer mehr Firmen setzen in viralen Kampagnen auf die Diffusion von Informationen (und Werbung) in sozialen Netzwerken. Dabei können Methoden der Diffusionsforschung genutzt werden um beispielsweise diejenigen Akteure für eine Kampagne auszuwählen, die in der Zielgruppe die höchste Reichweite erzielen können.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die Methoden der Informationsdiffusion gegeben werden. Neben einem kritischen Vergleich und einer Einordnung der wissenschaftlichen Literatur gilt es dabei insbesondere auch, Best Practices und Praxisbeispiele zu recherchieren und zu diskutieren.

Voraussetzung: „Social Network Analysis – Methoden, Konzepte und Anwendungen“

 

Thema 4

Information Diffusion und Meinungsbildung in sozialen Netzwerken – Das Sznajd-Modell

In der Physik gehört das Ising-Modell zu den meistzitierten Modellen bei der Beschreibung der Entstehung des Magnetismus. Interdisziplinäre Ansätze verbinden die Einsichten des Ising-Modells mit der Netzwerkforschung, um die Meinungsbildung innerhalb sozialer Netzwerke zu beschreiben. Diese Modelle mit zwei Zuständen (z. B. Trump-Supporter oder nicht) lassen sich zur Klasse der Boolschen Netzwerke zusammenfassen. Dazu gehört insbesondere das Sznajd-Modell und seine Erweiterungen.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über das Sznajd-Modell vor dem Hintergrund der Meinungsbildung in sozialen Netzwerken gegeben werden. Dabei soll auch auf Erweiterungen des Modells für den Einsatz bei realen Netzwerken eingegangen werden. Neben einem kritischen Vergleich und einer Einordnung der wissenschaftlichen Literatur gilt es dabei insbesondere auch, Best Practices und Praxisbeispiele zu recherchieren und zu diskutieren.

Voraussetzung: „Social Network Analysis – Methoden, Konzepte und Anwendungen“

Thema 5

Big Data und Social Media in der Zukunftsforschung – Status quo und Potentiale

In Märkten mit immer kürzeren Produktlebenszyklen und immer höherer Innovationskraft gewinnt die Zukunftsforschung mehr und mehr an Bedeutung. Unternehmen, die Trends nicht erkennen und sich anpassen, werden abgehängt. Prominentes Beispiel ist Nokia, das als ehemaliger Weltmarktführer in der Sparte Handys den Anschluss an die Technologie Smartphone verloren hat. Aktuell wird in diesem Zusammenhang die Analyse großer Datenmengen aus sozialen Medien diskutiert. Sie kann einen breit gefächerten Input für die Zukunftsforschung und eine Datenerhebung in Echtzeit gewährleisten.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu den bestehenden grundlegenden Methoden von Social Media Analytics und Big Data Analytics im Zusammenhang von Zukunftsforschung gegeben werden. Anschließend soll eine Einschätzung zum Potential dieser und neuer Methoden für zukünftige Anwendungen gegeben werden.

Voraussetzung: Eine der Veranstaltungen „Social Network Analysis – Methoden, Konzepte und Anwendungen“, „Big Data Analytics – Methoden und Anwendungen“

Basisliteratur: Schatzmann, Jörg, René Schäfer, and Frederik Eichelbaum. "Foresight 2.0-Definition, overview & evaluation." European Journal of Futures Research 1.1 (2013): 15

Thema 6

Big Data und Social Media in der Zukunftsforschung – Sind Twitterdaten für die Zukunftsforschung Königsweg oder Reinfall?

In Märkten mit immer kürzeren Produktlebenszyklen und immer höherer Innovationskraft gewinnt die Zukunftsforschung mehr und mehr an Bedeutung. Unternehmen, die Trends nicht erkennen und sich anpassen, werden abgehängt. Prominentes Beispiel ist Nokia, das als ehemaliger Weltmarktführer in der Sparte Handys den Anschluss an die Technologie Smartphone verloren hat. Aktuell wird in diesem Zusammenhang die Analyse von Twitterdaten diskutiert. Sie kann einen breit gefächerten Input für die Zukunftsforschung und eine Datenerhebung in Echtzeit gewährleisten.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Eigenschaften von Twitterdaten und Möglichkeiten der Analyse von Twitterdaten im Zusammenhang von Zukunftsforschung gegeben werden. Anschließend soll anhand der Eigenschaften von Twitter kritisch diskutiert werden, inwiefern sich Twitter als Datengrundlage für Zukunftsforschung eignet.

Voraussetzung: Eine der Veranstaltungen „Social Network Analysis – Methoden, Konzepte und Anwendungen“, „Big Data Analytics – Methoden und Anwendungen“

Basisliteratur: Bruns, Axel, and Stefan Stieglitz. "Twitter data: what do they represent?." IT-Information Technology 56.5 (2014): 240-245.

Thema 7

Big Data und Social Media in der Zukunftsforschung – Schnell und verlässlich Trends erfassen mit Social Media?

In Märkten mit immer kürzeren Produktlebenszyklen und immer höherer Innovationskraft gewinnt die Zukunftsforschung mehr und mehr an Bedeutung. Unternehmen, die Trends nicht erkennen und sich anpassen, werden abgehängt. Prominentes Beispiel ist Nokia, das als ehemaliger Weltmarktführer in der Sparte Handys den Anschluss an die Technologie Smartphone verloren hat. Aktuell wird in diesem Zusammenhang die Analyse großer Datenmengen aus sozialen Medien diskutiert. Sie kann einen breit gefächerten Input für die Identifikation von Trends und eine Datenerhebung in Echtzeit gewährleisten.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu bestehenden Methoden von Social Media Analytics im Zusammenhang mit der Identifikation von Trends gegeben werden. Anschließend soll kritisch diskutiert werden, inwiefern Social Media einen Beitrag zur Schnelligkeit und Verlässlichkeit von Methoden zur Identifikation von Trends liefern kann.

Voraussetzung: Eine der Veranstaltungen „Social Network Analysis – Methoden, Konzepte und Anwendungen“, „Big Data Analytics – Methoden und Anwendungen“

Basisliteratur: Uhl, André, Nina Kolleck, and Edgar Schiebel. "Twitter data analysis as contribution to strategic foresight-The case of the EU Research Project “Foresight and Modelling for European Health Policy and Regulations”(FRESHER)." European Journal of Futures Research 5.1 (2017): 1
Thema 8

Big Data und Social Media in der Zukunftsforschung – Wie können neue Methoden evaluiert werden?

In Märkten mit immer kürzeren Produktlebenszyklen und immer höherer Innovationskraft gewinnt die Zukunftsforschung mehr und mehr an Bedeutung. Unternehmen, die Trends nicht erkennen und sich anpassen, werden abgehängt. Prominentes Beispiel ist Nokia, das als ehemaliger Weltmarktführer in der Sparte Handys den Anschluss an die Technologie Smartphone verloren hat. Aktuell wird in diesem Zusammenhang die Analyse großer Datenmengen aus sozialen Medien diskutiert. Sie kann einen breit gefächerten Input für die Zukunftsforschung und eine Datenerhebung in Echtzeit gewährleisten. Unklar ist aber oft, ob diese Methoden tatsächlich einen Mehrwert bringen und wie eine adäquate Evaluation aussehen könnte.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Social Media Analytics und Big Data Analytics im Zusammenhang von Zukunftsforschung gegeben werden. Anschließend soll eine Einschätzung zur adäquaten Evaluation dieser Methoden hinsichtlich ihres Mehrwerts für die Zukunftsforschung gegeben werden.

Voraussetzung: Eine der Veranstaltungen „Social Network Analysis – Methoden, Konzepte und Anwendungen“, „Big Data Analytics – Methoden und Anwendungen“

Basisliteratur: Uhl, André, Nina Kolleck, and Edgar Schiebel. "Twitter data analysis as contribution to strategic foresight-The case of the EU Research Project “Foresight and Modelling for European Health Policy and Regulations”(FRESHER)." European Journal of Futures Research 5.1 (2017): 1

Thema 9

KI und Gesellschaft – Die Künstliche Intelligenz dominiert (bald) unseren Alltag?

Intelligente Spracherkennung wie beispielsweise Siri ist bereits in unserem Alltag angekommen. Auch in anderen Bereichen setzen sich KI-gestützte Systeme immer mehr durch. Die Algorithmen haben dabei das Potenzial unseren Alltag komplett zu verändern: Intelligente Routenführung könnte den Verkehr ganzer Städte managen und koordinieren, Wearables könnten dem Nutzer den optimalen Trainings- und Diätplan zusammenstellen und intelligente Computer-Assistenten die Terminplanung übernehmen. Doch tun sich neben allen Chancen auch Risiken auf, die die Gesellschaft beim Einsatz von KI berücksichtigen sollte?

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu den bestehenden grundlegenden Methoden von Künstlicher Intelligenz gegeben werden. Anschließend soll eine Einschätzung zum Potential dieser Methoden für Anwendungen gegeben werden, die unseren Alltag beeinflussen. Dabei soll besonders darauf eingegangen werden, welche Chancen und Risiken die Algorithmen darstellen.

Voraussetzung: keine

Thema 10 

Explainable Artficial Intelligence – Anwendungsfelder im betriebswirtschaftlichen Kontext

Eine aktuelle Studie der Bertelsmann-Stiftung zeigt, dass in Deutschland mehr als drei Viertel der Befragten vollautomatisierte Entscheidungen ablehnen, während nur 31 Prozent der Bevölkerung darin Chancen erkennen. Auf der anderen Seite werden intelligente Systeme in vielen Alltagsbereichen (beispielweise in der medizinischen Diagnostik oder bei der Beurteilung der Kreditwürdigkeit) bereits erfolgreich eingesetzt und gewinnen in der Praxis zunehmend an Bedeutung. Daher ist es insbesondere für Unternehmen, die intelligente Systeme einsetzen, unausweichlich, deren Akzeptanz bei ihren Kunden und Verbrauchern zu erhöhen. Die Lösung könnten Erklärungen sein, die von den künstlichen Intelligenzen automatisch mitgeliefert werden und ihre Entscheidungen für Laien verständlich und nachvollziehbar machen. Dies wird derzeit im Forschungsfeld Explainable Artificial Intelligence erforscht.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu den Grundlagen und zur Motivation von Explainable Artifical Intelligence gegeben werden. Anschließend sollen potentielle Anwendungen von Explainable Articial Intelligence im betriebswirtschaftlichen Kontext diskutiert werden.

Voraussetzung: keine

Thema 11

Digitales Wissensmanagement in Unternehmen - Nutzen von digitalen Technologien zum Management von Wissen in Unternehmen

Voraussetzung: Keine

Mariano, S., & Awazu, Y. (2016). Artifacts in knowledge management research: a systematic literature review and future research directions. Journal of Knowledge Management, 20(6), 1333-1352.

Thema 12

Trends in der Absatz- und Produktionsplanung basierend auf neuen Algorithmen und Datenquellen

Voraussetzung: Keine

Hasni, M., Aguir, M. S., Babai, M. Z., & Jemai, Z. (2019). Spare parts demand forecasting: a review on bootstrapping methods. International Journal of Production Research, 57(15-16), 4791-4804.

Syntetos, A. A., Babai, Z., Boylan, J. E., Kolassa, S., & Nikolopoulos, K. (2016). Supply chain forecasting: Theory, practice, their gap and the future. European Journal of Operational Research, 252(1), 1-26.

 

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 mit Hilfe des zentralen Tools:

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

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

Abgabe der Seminararbeiten:
Termin wird rechtzeitig bekannt gegeben

Endpräsentation:
Zeitpunkt und Ort werden r echtzeitig bekannt gegeben

Allgemeine Anforderungen

 
  • analytische und konzeptionelle Fähigkeiten
  • selbständige, zielorientierte und systematische Arbeitsweise

 

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