| Zuletzt geändert: | 10.06.2024 / Mullaewa |
| EDV-Nr: | 254081a |
| Studiengänge: |
Medienmanagement (Master), Prüfungsleistung im Modul Grundlagen und Verfahren von Business IntelligenceI/Web Analytics
in Semester
1
Häufigkeit: W25/26; W26/27 Unternehmenskommunikation (Master), Prüfungsleistung im Modul Grundlagen und Verfahren von Business IntelligenceI/Web Analytics in Semester 1 Häufigkeit: W25/26; W26/27 |
| Dozent: | |
| Link zur Veranstaltung / zum E-Learning-Kurs: | Bitte nutzen Sie die Moodle Veranstaltung im jeweils aktuellen Semester. Dort wird entsprechend der Link an alle Teilnehmer:Innen versendet. 254081a |
| Sprache: | Deutsch |
| Art: | - |
| Umfang: | 2 SWS |
| ECTS-Punkte: | 2 |
| Workload: |
2 ECTS = 60 Zeitstunden, davon: (1) Vorlesung: 15 x 1,5 h = 22,5 Stunden (2) Vor- und Nachbereitung: 15 x 1,0 Stunde = 15,0 Stunden (3) Prüfungsvorbereitung: 22,5 Stunden |
| Prüfungsform: | |
| Bemerkung zur Veranstaltung: | Teilnehmerbeschränkung Deutsch |
| Beschreibung: |
In der Veranstaltung Business Intelligence / Web Analytics beschäftigen sich die Studierenden mit den technischen Grundlagen von Business Intelligence / Web Analytics, z.B. wie werden digitale Daten erhoben (Cookies, Web tracking, Pixel), technisch Zusammengeführt (Cookie Matching), welche rechtlichen Grundlagen sind hier zu beachten (europäische Datenschutz-Grundverordnung), welche aktuellen Entwicklungen gibt es (z.B. Wegfall der Third-Party Cookies) und welche Auswirkungen hat dies (z.B. auf Geschäftsmodelle).
In einem zweiten Teil werden Web tracking Daten anhand gängiger Data Science Tools (Jypiter Notebooks / Python), Web Analytics- (Google Analytics) und BI-Tools ausgewertet.
|
| Literatur: |
Chaudhuri, S., Dayal, U., & Narasayya, V. (2011). An overview of business intelligence technology. Communications of the ACM, 54(8), 88-98.
Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business intelligence and analytics: from big data to big impact. MIS quarterly, 1165-1188. Davenport, T. H. (2006). Competing on analytics. Harvard Business Review, 84(1), 98. Fields, A. (2018). Discovering statistics using IBM SPSS statistics. Thousand Oaks, CA. Hippner, H., & Wilde, K. D. (2003). Data Mining im CRM. In Effektives Customer Relationship Management (S. 211-231). Wiesbaden: Gabler Verlag. Kaplan, R. S., & Norton, D. P. (2005). Focus Your Organization on Strategy—with the Balanced Scorecard. Harvard Business Review, 1-74. Kaushik, A. (2007). Web analytics: An hour a day. John Wiley & Sons. James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning (Vol. 112). New York: Springer. Kozyrkov, C (2018). What Great Data Analysts Do — and Why Every Organization Needs Them. Harvard Business Review (December). VanderPlas, J. (2016). Python data science handbook: essential tools for working with data. O'Reilly Media, Inc. Weitere Literatur finden Sie in der HdM-Bibliothek. |
Termine
Das Innovationsforum BioGamesLab ist ein Projekt des Fraunhofer Institut für Produktionstechnik und Automatisierung IPA in Kooperation mit der Hochschule der Medien. Es wird vom Bundesministerium für Bildung und Forschung als Teil der Förderinitiative "Innovationsforen Mittelstand" gefördert.
