Service Analytics A

  • Typ: Vorlesung (V)
  • Semester: SS 2018
  • Zeit: 17.04.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II


    24.04.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    08.05.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    15.05.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    22.05.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    29.05.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    05.06.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    12.06.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    19.06.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    26.06.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    03.07.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    10.07.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    17.07.2018
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Kleiner Hörsaal 10.50 Kollegiengebäude Bauingenieure II


  • Dozent: Prof. Dr. Hansjörg Fromm
    Prof. Dr. Thomas Setzer
    Dr.-Ing. Niklas Kühl

  • SWS: 2
  • LVNr.: 2595501

Empfehlungen:

Die Lehrveranstaltung richtet sich an Studierende im Masterstudium mit grundlegendem Wissen in den Gebieten Operations Research sowie deskriptive und induktive Statistik.

Literaturhinweise
  • Business Forecasting, Wilson, J. H., Keating, B., McGraw-Hill, 2002
  • Multivariate Data Analysis, Hair, J. F., Black, B., Babin, B., Anderson, R. E., 2008
  • Analytics at Work, Davenport, T. H., Harris, J. G., Morion, R., Harward Business Press, 2010
  • Business Analytics for Managers, Jank, W., Springer, 2011

Online Quellen:

  • The data deluge, The Economist, Feb. 2010
  • Competing on Analytics, T. Davenport in Harward Business Review, Feb. 2007
  • Mit Advanced Analytics können Händler Kundendaten optimal nutzen, McKinsey Handelsmarketing, Feb. 2011

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:

  • Gemeinschaftliches Schaffen von Wert zwischen Unternehmen
  • Ausstattung, Messen und Monitoring von Servicesystemen
  • Deskriptive, voraussagende und präskriptive Analyse
  • Nutzungsmerkmale und Kundendynamik
  • Big Data, Dimensionalitätsreduktion und Echtzeitanalyse
  • Systemmodelle und "Was wäre wenn"-Analyse
  • Robuste Mechanismen für Servicemanagement
  • Industrieanwendungen für Serviceanalytik

Übung

Vorlesungsbegleitend findet eine Übung statt.

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).