Vorlesen

SBWL Data Science

SBWL „Data Science“

Daten und deren wachsende wirtschaftliche Bedeutung in der Betriebswirtschaft  im Sinne von effizienter Verarbeitung und Analyse immer größerer Datenmengen sind ein Forschungsgebiet, dass in der Wissenschaft und der Wirtschaft unter dem Label „Data Science“ immer mehr Beachtung findet (siehe dazu auch den Artikel im  WU-Magazin [1] und im Journal der österreichischen Computer Gesellschaft (OCG).[2])

Mit der neuen SBWL setzt die WU hier mit einer interdisziplinären, Department-übergreifenden Herangehensweise neue Akzente.

Dem Trend der wachsenden Bedeutung von Data Science wird innerhalb der WU bereits in der Forschung von mehreren Departments Rechnung getragen. Beteiligt an der geplanten SBWL sind

  • Department of Information Systems & Operations (Institute for Information Business - Prof. Polleres, Prof. Mendling, Institute for Information Systems and New Media- Prof. Neumann, Institute for Production Management - Prof. Mild)

  • Department of Finance, Accounting and Statistics (Institute for Statistics and Mathematics - Prof. Frühwirth-Schnatter, Prof. Hornik, Ass. Prof. Hochreiter

  • Department für Marketing (Institute for Interactive Marketing & Social Media  - Prof. Abou Nabout, Institute for Service Marketing and Tourism - Prof. Reutterer)

  • Department für Unternehmensrecht, Arbeits- und Sozialrecht (Abteilung für Informationsrecht und Immaterialgüterrecht - Prof. Winner, Ass. Prof. Clemens Appl)

Aufbau & Kurse

Die SBWL wird interdisziplinär die Grundlagen von Data Science vermitteln und die Studierenden innerhalb praktischer Projektarbeiten mit neuartigen Anwendungsfällen der Datenverarbeitung und -analyse vertraut machen. Dies wird durch einerseits die Vermittlung von informationsverarbeitungs-spezifischen (1LV), statistisch-analytischen (1LV) und rechtlichen (1LV) Grundlagen, als auch andererseits durch die Vermittlung von end-to-end Lösungen datenorientierter Fragestellungen in betriebswirtschaftlichen Anwendungsdomänen wie Marketing und Supply Chain Management (1LV), sowie in einer abschließenden Gruppen-Projektarbeit (sog. Data Science Lab) erreicht (1LV).

Da der wachsende Austausch und die Verbreitung von Daten in einem globalen Kontext erfolgen, wird Englisch als default Unterrichtssprache angedacht (weshalb auch die Titel der LVs auf Englisch gehalten sind).

Access to Specialization in Business Administration: Data Science

Registration for next semester's undergaduate spezialisation SBWL starts on 21 January, entry tutorials 28+29 January, entry exam: 1 February 2019.

SBWL1: Data Processing 1 (PI 2.0)

  • Datenformate und -standards

  • Datenbanksysteme und Daten-Speicherung

  • Data Cleansing: Methoden zur Datenbereinigung & Datenqualität

  • Tools und Algorithmen zur Datenumwandlung

Lernziel: Grundsätzliches Verständnis im Umgang mit verschiedenen Datenformaten und Methoden und Tools erlangen, um Daten von verschiedenen Quellen zu integrieren.

SBWL2: Data Analytics (PI 2.0)

  •  Wiederholung mathematischer & statistische Grundlagen

  • Algorithmen zur Datenanalyse und Data Mining

  • Tools zur Datenanalyse (R)

  • Visualisierung von Datenanalysen

Lernziel: Datenanalyseverfahren sowie deren Grundlagen anwenden und algorithmisch verstehen, Tools zur Auswertung und Visualisierung anwenden können.

SBWL3: Data Processing 2: Skalierbare Datenverarbeitung, Legal & Ethical Foundations of Data Science (PI 2.0)

  • Scalable Data Processing Frameworks and Paradigms (e.g. Hadoop, Map Reduce, und andere skalierbare, verteilte Datenverarbeitungsmodelle)

  • Öffentlich verfügbare Daten vs. Open Data

  • Umgang mit verschiedenen Lizenzen

  • Rechtliche Rahmenbedingungen (Datenschutzgesetz, Informationsfreiheitsgesetz)

  • Ethik

Lernziel:

Skalierbarer Umgang mit großen Datenmengen, sowie rechtliche Grundlagen und ethische Rahmenbedingungen im Umgang mit Daten verstehen und Konsequenzen im internationalen Kontext.

SBWL4: Applications of Data Science (PI 2.0)

Anwendungsbeispiele und spezielle Algorithmen aus konkreten Anwendungsdomänen. z.B.

  • Data Science im Marketing (Data-driven Advertising, Digital Marketing und Social Media), inkl. spezieller Methoden der Analyse wie soziale Netzwerkanalyse und neuer Technologien im Bereich Marketing wie Real-time Bidding, Store Trek - 3D Shopping, Second Screen, Wearable Devices und Smart Metering)

  • Data Science im Supply Chain Management (Demand Planning & Forecasting, Nachfragemodellierung, Inventory Management, Revenue Management)

  • Data Science im Process Management (Grundlagen der Prozessanalyse, Ereignisdaten Automatic Process Discovery
    Process Conformance Analysis)

Lernziel: Anwendungsgebiete und spezielle Algorithmen und Methoden der Datenanalyse und skalierbaren Verarbeitung in bestimmten Anwendungsgebieten der Betriebswirtschaft kennenlernen, Verbindungen zu anderen SBWLs herstellen

SBWL5: Data Science Lab (PI 2.0)

Die abschließende LV wird in Gruppenprojekten abgewickelt, die in einem gemeinsamen Workshop von Data Coaches (Mitglieder der beteiligten Institute sowie Industriepartner) vorgestellt und dann von den Gruppen über den Kurs in regelmäßigen Interaktionen mit den Data Coaches abgewickelt werden. Ziel des abschließenden Kurses ist es praktische Problemstellungen front-to-end innerhalb eines gemeinsames Projekts zu bearbeiten. Die Data Coaches stellen Datensätze aus der Praxis (aus betrieblichen Anwendungen oder aus dem Open Data Bereich) und Tools zur Verfügung. Mit mehreren Firmen, etwa im Rahmen der Internet-Offensive (siehe Begleitbrief) wurde diesbezüglich bereits Kontakt aufgenommen. Die Koordination wird in 2 parallelen LVs durch je einen Koordinator abgedeckt, welcher jeweils 4-5 Gruppen zu 3-4 Studierenden betreuen kann. Der Ablauf der LV sieht folgende Schritte und Leistungsnachweise vor:

  • Kickoff-Workshop: Themenvorstellung und –Börse durch Data-Coaches von Unternehmen, sowie Gruppeneinteilung

  • Studierende reichen eine Problemdefinition des vorgeschlagenen Use Case mit Beschreibung der eigenen Rolle in der Gruppe ein (pass/fail)

  • Zwischenpräsentation der Gruppen (benotet 1-5)

  • Abschlussbericht der Gruppen, mit jeweils individueller Darstellung der Einzelleistungen der Gruppenmitglieder (benotet 1-5)

Zugangsbedingungen:


Zur Aufnahme in die SBWL werden die Bereitschaft, sich „hands-on“ und unter Zuhilfenahme von Algorithmen mit Daten zur Lösung von betriebswirtschaftlichen Problemen auseinanderzusetzen, vorausgesetzt. Diese Voraussetzung wird entweder durch die vorherige Absolvierung entsprechender LVs (Datenbanksysteme, Grundzüge der Programmierung, Statistik-Einführung) oder Absolvierung eines entsprechenden Eingangstests überprüft, welcher mit einem einführenden Tutorium gekoppelt ist, entsprechend der neuen Prüfungsordnung.

Detaillierte Informationen zum Einstiegstutorium und das für den Einstiegstest relevante Material finden Sie im VVZ unter "Einstieg in die SBWL: Data Science". Es gelten die gleichen Kriterien wie im WS 16/17.

Bitte beachten Sie, dass eine Anmeldung zu den Kursen dieser SBWL nur für Studierende möglich ist, die erfolgreich die Einstiegs-AG abgeschlossen haben (Einstieg in die SBWL: Data Science). Mitbeleger können nicht aufgenommen werden.

GREENCARD

Students who completed all of the following courses and achieved an average grade of 1,5 or lower across the three courses:

  • Grundzüge der Programmierung

  • Datenbanksysteme

  • Einführung in die Statistik

are automatically qualified for the SBWL, but should nevertheless complete the entry exam, since it will serve as the first partial assessment for the SBWL course "Data Processing 1".

ATTENTION: Students who want to make use of this "Greencard-Option" should send a confirmation (Sammelzeugnis) of the nessesary grades in advance to backoffice@ai.wu.ac.at with the subjectline "Greencard SBWL Data Science".

These requirements apply to admissons from SS 2019 onwards.

Weitere Informationen

[1] http://www.wu.ac.at/fileadmin/wu/h/press/Presse2015/wumagazin0314.pdf S. 3ff.

[2] http://www.ocg.at/sites/ocg.at/files/medien/pdfs/OCG-Journal1503.pdf#13 S.13ff.