KU.Campus

Detailinformationen zum Modul 
Modulbezeichnung:
Service Analytics
Modulnummer:
88-021-IFM03-H-0317
Niveau:
Master (UNI)
Typ:
Modul
Fakultät innerhalb der Fakultät/zentrale Einrichtung:
Wirtschaftswissenschaftliche Fakultät
Modulverantwortliche/r:
Setzer, Thomas
Prüfende:
Leistungspunkte (ECTS-Punkte):
5
Kompetenzen:
- Teilnehmer verstehen die Möglichkeiten und Herausforderungen datenbasierter Modellierung von Dienst- (und Produkt-) Nutzungsverhalten im Digital Commerce und bei CRM-Kampagnen.
- Die Teilnehmer beherrschen analytische Methodik zur Personalisierung von Online-Inhalten, -Diensten und -Kampagnen.
- Sie sind vertraut mit den Algorithmen moderner Recommender Systems und Active Learning.
- Die Studierenden differenzieren zwischen diagnostischen, prädiktiven und präskriptiven Aufgaben und bestimmen und konfigurieren jeweils geeignete Modelle, Methoden und Optimierungskriterien.
- Basierend auf ihrem Theorie- und Technikwissen und dessen Umsetzung in Übungen können die Teilnehmer reflektiert Algorithmik und Software-Komponenten für Service Analytics-Aufgaben entwickeln, testen und anpassen.

Inhalte/Themen:
Mit steigender Bedeutung von Diensten und Digitalisierung werden Daten-basierte Erkenntnisse bzgl. Kundenpräferenz und -nutzen immer zentraler, um Kundenbedürfnisse und -verhalten zu antizipieren und die richtigen Produkte oder Dienstleistungen zu empfehlen bzw. anzubieten. Die Veranstaltung behandelt Methodik der Datenanalyse und Verhaltensmodellierung für Aufgaben im Digital Commerce und der Kunden-interaktion. Insb. werden die Algorithmen moderner Recommender Systeme behandelt und erprobt. In der Übung mit der Sprache R, wenden die Teilnehmer ihr Wissen auf Praxisprobleme an, entwickeln und testen Empfehlungssysteme auf realistischen, großen Kundendatensätzen.

Die Veranstaltung beinhaltet folgende Themen:
- Einführung in Service Analytics
- Anwendungen im Digital Commerce und CRM-Kampagnenmanagement
- Vorverarbeitung, Reduktion und Modellierung von Kunden- und Produktdaten
- Web-Anwendungen und Analytics, Continuous Engineering
- Empfehlungssysteme und Online-Kampagnen-Management

Formale Voraussetzungen für die Teilnahme:
Empfohlene Voraussetzungen:
Keine
Lehr- und Prüfungssprache:
Englisch
Lehr- und Lernformen/Lehrveranstaltungstypen:
Voraussetzungen für die Vergabe von ECTS-Punkten:
Klausur am Semesterende in englischer Sprache. Beantwortung darf auch auf Deutsch erfolgen.
Zeitaufwand/Verteilung der ECTS-Punkte innerhalb des Moduls:
45 h = Präsenzzeit Vorlesung und Übung
75 h = Vor- und Nachbereitung Vorlesung und Übung
30 h = Prüfungsvorbereitung
150 h = Arbeitsaufwand gesamt
Modulnote:
Klausur (90 Minuten) (100 %)
Lehr- und Lernmethode:
- Vorlesung
- Übung
Polyvalenz mit anderen Studiengängen/Hinweise zur Zugänglichkeit:
Turnus des Angebots:
SS
Beteiligte Fachgebiete:
Bemerkung: