Service Analytics A
- Type: Vorlesung (V)
- Semester: SS 2017
-
Time:
25.04.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
02.05.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
09.05.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
16.05.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
23.05.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
30.05.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
06.06.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
13.06.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
20.06.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
27.06.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
04.07.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
11.07.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
18.07.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
25.07.2017
11:30 - 13:00 wöchentlich
05.20 1C-01 05.20 Kaiserstraße 89-93 (Allianz-Gebäude)
-
Lecturer:
Prof. Dr. Hansjörg Fromm
Prof.Dr. Thomas Setzer - SWS: 2
- Lv-No.: 2595501
Voraussetzungen | Empfehlungen: Die Lehrveranstaltung richtet sich an Studierende im Masterstudium mit grundlegendem Wissen in den Gebieten Operations Research sowie deskriptive und induktive Statistik. |
Literaturhinweise |
Online Quellen:
Weitere Pflichtliteratur wird in der Vorlesung bekannt gegeben. |
Lehrinhalt | Heutige serviceorientierte Unternehmen beginnen damit die Art wie Services geplant, ausgeführt und personalisiert werden zu optimieren, indem sie große Mengen an Daten von Kunden, IT-Systemen oder Sensoren analysieren. Indem Statistik und Optimierungsmethoden weiter fortschreiten, werden Fähigkeiten und Expertise in fortgeschrittener Datenanalyse und daten- bzw. tatsachenbezogener Optimierung überlebenswichtig für die Wettbewerbsfähigkeit eines Unternehmens. In dieser Vorlesung werden relevante Methoden und Werkzeuge als Bündel betrachtet, wobei ein starker Fokus auf ihre gegenseitige Wechselbeziehung gelegt wird. Studierende lernen große Mengen an potenziell unvollständigen und ungenauen Daten zu analysieren und zu strukturieren, multivariate Statistiken zum Filtern und Reduzieren der Daten anzuwenden, zukünftiges Verhalten und Systemdynamik vorherzusagen sowie daten- und tatsachenbasierende Serviceplanung und Entscheidungsmodelle zu formulieren. Die Veranstaltungen dieser Vorlesung enthalten im Detail:
Übung |
Arbeitsbelastung | Gesamtaufwand bei 4,5 Leistungspunkten: ca. 135.0 Stunden Präsenzzeit: 30 Stunden Vor – und Nachbereitung der LV: 45.0 Stunden Prüfung und Prüfungsvorbereitung: 60.0 Stunden |
Ziel | Die Studierenden sind in der Lage, große Mengen verfügbarer Daten systematisch zur Planung, zum Betrieb, zur Personalisierung und zur Verbesserung von komplexen Dienstleistungesangeboten – insbesondere von IT-Diensten – einzusetzen. Sie erlernen ein integriertes methodisches Vorgehen, von der Analyse und Strukturierung eventuell unvollständiger oder ungenauer Daten, über Methoden aus der multivariaten Statistik zum Filtern und Reduzieren der Daten, bis hin zu Prognosetechniken und robusten Planungs- und Kontrollverfahren zur Entscheidungsunterstützung. |
Prüfung | Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPO). Durch die erfolgreiche Teilnahme am Übungsbetrieb als Erfolgskontrolle anderer Art (nach §4(2), 3 SPO) kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Der Bonus gilt nur für die Haupt- und Nachklausur des Semesters, in dem er erworben wurde. |