Veranstaltungsbeschreibung

254081a BI/Web Analytics I

Zuletzt geändert:10.10.2022 / Weißmüller
EDV-Nr:254081a
Studiengänge: Medienmanagement (Master), Prüfungsleistung im Modul Grundlagen und Verfahren von Business IntelligenceI/Web Analytics in Semester 1
Häufigkeit: W22/23
Unternehmenskommunikation (Master), Prüfungsleistung im Modul Grundlagen und Verfahren von Business IntelligenceI/Web Analytics in Semester 1
Häufigkeit: W22/23
Dozent: Prof. Dr. Felix Weißmüller
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.