Beschreibung einzelner Lerneinheiten (ECTS-Lehrveranstaltungsbeschreibungen) pro Semester

  
Studiengang:Master Betriebswirtschaft: Accounting, Controlling & Finance
Studiengangsart:FH-Masterstudiengang
 Berufsbegleitend
 Sommersemester 2025
  

Titel der Lehrveranstaltung / des ModulsBusiness Analytics im Controlling mit R
Kennzahl der Lehrveranstaltung / des Moduls025122122430
UnterrichtsspracheDeutsch
Art der Lehrveranstaltung (Pflichtfach, Wahlfach)Pflichtfach
Semester in dem die Lehrveranstaltung angeboten wirdSommersemester 2025
Semesterwochenstunden3
Studienjahr2025
Niveau der Lehrveranstaltung / des Moduls laut Lehrplan2. Zyklus (Master)
Anzahl der zugewiesenen ECTS-Credits6
Name des/der VortragendenMarkus ILG


Voraussetzungen und Begleitbedingungen

Statistics

Lehrinhalte
  • Einführung in Business Analytics
  • Grundlagen der Programmierung in R
  • Explorative Datenanalyse
  • Regression und Klassifikation als Controllinginstrument
Lernergebnisse

Digitalisierung verändert das Berufsbild des Controllers. Zum einen rücken neue Fragenstellungen in den Fokus des Controllinginteresses, da aufgrund der Digitalisierung neue Möglichkeiten der Auswertung und Analyse entstehen. Zum anderen verändert sich das Kompetenzprofil des Controllers, das zusätzlich zu klassischen betriebswirtschaftlichen Themen vermehrt auch Themen aus dem Bereich der IT und der Datenanalyse umfasst.

Die Lehrveranstaltung setzt gezielt Schwerpunkte und behandelt gemeinsam mit den Studierenden praxisnahe Beispiele aus dem Controllingalltag in der Digitalen Transformation.

Zentrale Idee des Kurses ist, dass durch die eigenständige Umsetzung konkreter Datenanalyseprobleme am Computer eine tiefere Einsicht in die Herausforderungen und Lösungsmöglichkeiten für das Controlling der Zukunft entsteht.

Die Absolventinnen und Absolventen dieser Lehrveranstaltung

  • kennen die Auswirkungen der Digitalisierung auf das Controlling,
  • sie sind in der Lage, eigene Datenanalysen in R zu implementieren,
  • kennen und verstehen wichtige Algorithmen und deren Bedeutung für das Controlling.

 

Geplante Lernaktivitäten und Lehrmethoden
  • Vorlesung
  • Umfangreiche Übungen am Computer
Prüfungsmethode und Beurteilungskriterien
  • Rechtzeitige Bearbeitung aller Übungen (10 %)
  • Klausur (90 %)
Kommentar
Empfohlene Fachliteratur und andere Lernressourcen

Androsch, Hannes; Knoll, Wolfgang; Plimon, Anton (Hrsg.) (2018): Technologie im Gespräch: Künstliche Intelligenz.

 

Backhaus, Klaus u.a. (2021): Multivariate Analysemethoden: Eine anwendungsorientierte Einführung. 16. Aufl. Berlin, Heidelberg: Springer Gabler.

Chamoni, Peter; Gluchowski, Peter (2017): «Business Analytics - State of the Art.» In: Controlling & Management Review, 61 (2017), 4, S. 8–17. Online im Internet: DOI: 10.1007/s12176-017-0030-6

Kuhn, Max; Johnson, Kjell (2013): Applied Predictive Modeling. 1st ed. 2013, Corr. 2nd printing 2018. New York: Springer.

 

Möller, Klaus; Seefried, Johannes; Wirnsperger, Franz (2017): «Wie Controller zu Business-Partnern werden.» In: Controlling & Management Review, 61 (2017), 2, S. 64–67. Online im Internet: DOI: 10.1007/s12176-016-0117-5

O’Neil, Cathy (2017): Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. London: Penguin.

 

Rossa, Pascal; Holland, Heinrich (2014): «Big-Data-Marketing-Chancen und Herausforderungen für Unternehmen.» In: Digitales Dialogmarketing: Grundlagen, Strategien, Instrumente. Herausgegeben von Heinrich Holland. Wiesbaden: Springer Fachmedien Wiesbaden, S. 249–301. Online im Internet: DOI: 10.1007/978-3-658-02541-0_9

 

Ruppert, David; Matteson, David S. (2015): Statistics and Data Analysis for Financial Engineering: with R examples. 2. Aufl., New York: Springer (= Springer Texts in Statistics). Online im Internet: URL: https://www.springer.com/de/book/9781493926138 (Zugriff am: 14.02.2023).

 

Schäffer, Utz; Weber, Jürgen (2016): «Die Digitalisierung wird das Controlling radikal verändern.» In: Controlling & Management Review, 60 (2016), 6, S. 6–17. Online im Internet: DOI: 10.1007/s12176-016-0093-9

 

Seefried, Johannes (2017): Kompetenzsteuerung im Controlling – Ein Vorgehensmodell auf Basis des AHP zur Entwicklung der Finance Business Partner Funktion. Berlin: Epubli, 2017

Seiter, Mischa (2023): Business Analytics: Wie Sie Daten für die Steuerung von Unternehmen nutzen. 3. Aufl., München: Vahlen

 

Taddy, Matt (2019): Business Data Science: Combining Machine Learning and Economics to Optimize, Automate, and Accelerate Business Decisions. New York: McGraw-Hill Education.

 

Taddy, Matt et al. (2023): Modern Business Analytics: Practical Data Science for Decision Making. New York: McGraw-Hill.

 

Varian, Hal R. (2014): «Big Data: New Tricks for Econometrics.» In: Journal of Economic Perspectives, 28 (2014), 2, S. 3–28. Online im Internet: DOI: 10.1257/jep.28.2.3

Wickham, Hadley; Grolemund, Garrett (2017): R for Data Science. Sebastopol, CA: O’Reilly. https://r4ds.had.co.nz (Zugriff am: 14.02.2023).

Wickham, Hadley; Grolemund, Garrett (2013): R for Data Science. 2n ed., Sebastopol, CA: O’Reilly. https://r4ds.hadley.nz (Zugriff am: 14.02.2023).

 

Wirth, Rüdiger; Hipp, Jochen (2000): «CRISP-DM: Towards a standard process model for data mining.» In: Proceedings of the Fourth International Conference on the Practical Application of Knowledge Discovery and Data Mining. , S. 29–39.

World Economic Forum (2023): „The Future of Jobs Report 2023“. Zugegriffen 7. Mai 2023. https://www.weforum.org/reports/the-future-of-jobs-report-2023/.

 

Zuckarelli, Joachim (2017): Statistik mit R: Eine praxisorientierte Einführung in R. Heidelberg: O’Reilly.

Art der Vermittlung
  • Distance-Learning mit Videos und über Teams
  • Präsenzeinheiten am Anfang und Ende der Lehrveranstaltung





Sommersemester 2025an den Anfang