Fallstudienkurs Controlling Analytics

Digitalisierung stellt das Berufsbild des Controllers vor neue Herausforderungen: Einerseits entstehen aufgrund der Digitalisierung neue Möglichkeiten der Auswertung und Analyse, andererseits verändert sich das notwendige Kompetenzprofil des Controllers, indem neben dem klassischen betriebswirtschaftlichen Instrumentarium vermehrt auch Kenntnisse und Fertigkeiten im Umgang mit IT-gestützter Datenanalyse notwendig werden. Univ.-Prof. Dr. Alexander Baumeister und Prof. (FH) Dr. Markus Ilg bieten daher die Veranstaltung „Fallstudienkurs Controlling Analytics“ an und behandeln praxisnahe Beispiele aus dem Controllingalltag in Zeiten der Digitalen Transformation.

Für die Stärkung berufspraktischer Fertigkeiten, Handlungs- sowie fachlicher Kompetenzen sind in dieser Lehrveranstaltung durch Sie praxisnahe Fallstudien zu bearbeiten, die anschaulich Stoffinhalte des Curriculums in einen neuen, betrieblich relevanten Lernzusammenhang stellen. Mit modularen Lernvideos und Übungen auf einer Lernplattform werden berufspraktische Einsatzfälle simuliert und eine flexible Umsetzung der erlernten Methoden trainiert. Ihre Lösungen werden in einem Peer-Review-Verfahren verfeinert. Abschließend überzeugen Sie eine Jury, in der auch Praktiker vertreten sein werden, von Ihren Ergebnissen.

Die eigenständige Bearbeitung konkreter Datenanalyseprobleme am Computer ermöglicht Ihnen eine tiefere Einsicht in die Herausforderungen und Lösungsmöglichkeiten für das Controlling der Zukunft. Teilnehmer dieser Lehrveranstaltung sind in der Lage, eigene Datenanalysen in R zu implementieren, kennen und verstehen wichtige Algorithmen und deren Bedeutung für das Controlling. 

Die Veranstaltung kann in die Master-Studiengänge Betriebswirtschaftslehre, Digitale Betriebswirtschaftslehre, Wirtschaft und Recht und Wirtschaftsinformatik eingebracht werden; sie ist zudem für Controlling-Master-Studierende in der sog. C-Schicht freigegeben. Für Bachelor-Studierende ist sie als vorgezogenes Mastermodul belegbar (freie Kapazität vorausgesetzt)

Lehrinhalte:

  • Grundlagen der Programmierung in R
  • Einführung in Business Analytics
  • Explorative Datenanalyse
  • Regression und Klassifikation als Controllinginstrumente
  • Fallstudienbearbeitung, unterstützt durch Coaching
  • Peer Review, unterstützt durch Coaching
  • Fallstudienpräsentation & Wettbewerb

Leistungsnachweis:

  • Fristgerechte (mindestens ausreichende) Bearbeitung der Übungen:
    Sie erhalten 6 Klausur-Bonuspunkte
  • Fristgerechte (mindestens ausreichende) Bearbeitung der Fallstudie:
    Sie erhalten 6 Klausur-Bonuspunkte
  • Fallstudienpräsentation (20 %)
  • Klausur (80 %) 
  • Alle Elemente sind verpflichtend. Die präsentierten Fallstudien werden von einer Jury aus Fachexperten, Studierenden und Praxisvertretern beurteilt. Die besten Präsentationen erhalten zusätzlich einen Preis.

Umfang: 4 SWS (6 ECTS)

Voraussetzungen:

  • Grundkenntnisse in Statistik (Bachelor-Kurse)
  • Nutzung Ihres eigenen Computers

Ihr Benefit:

Kursteilnehmer erhalten fünf Monate lange kostenlos Zugang zur Lernplattform Datacamp, einer der besten Lernplattformen für Data Analytics.

Hinweis:

Ihre Anmeldedaten zu datacamp.com und posit.cloud werden auch auf amerikanischen Servern gespeichert. Bitte erwägen Sie zum Schutz ihrer persönlichen Daten, hierfür eine eigene E-Mail-Adresse und ggf. anonymisierte Daten zu Ihrer Person zu verwenden. 

Empfohlene Fachliteratur und andere Lernressourcen:

  1. O’Neil, Cathy (2017): Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. London: Penguin.
  2. Seiter, Mischa (2023): Business Analytics: Wie Sie Daten für die Steuerung von Unternehmen nutzen. 3. Aufl., München: Vahlen.
  3. Taddy, Matt et al. (2023): Modern Business Analytics: Practical Data Science for Decision Making. New York: McGraw-Hill.
  4. 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
  5. Wickham, Hadley; Grolemund, Garrett (2023): R for Data Science. 2. Aufl., Sebastopol, CA: O’Reilly. Online verfügbar unter r4ds.hadley.nz

Anmeldung:

Bitte melden Sie sich mit dem Anmeldeformular auf der Lehrstuhl-Homepage bis zum 17. Oktober 2024 verbindlich an – wir müssen für Sie Zugänge zu den verwendeten Online-Plattformen einrichten.

Veranstaltung

Auftakt-Veranstaltung in Präsenz:

  •  21. Oktober 2024: 9.00 – 12.00 Uhr und 13.00 – 16.00 Uhr

Online-Veranstaltung:

  • 28. Oktober 2024: 14.00 – 17.00 Uhr 
  • 5. November 2024: 14.00 – 17.00 Uhr
  • 18. November 2024: 14.00 – 17.00 Uhr

Präsenz-Veranstaltungen:

  • 9. Dezember 2024: 9.00 – 12.00 Uhr und 13.00 – 16.00 Uhr

Fallstudiencoaching und Peer Review:

  • Termine nach Absprache im Dezember und Januar

Präsentationstermin:

  • Termine werden demnächst bekannt gegeben.
UnterlagenMoodle-Plattform der Universität des Saarlandes
DozentenUniv.-Prof. Dr. Alexander Baumeister
Prof. (FH) Dr. Markus Ilg
AnsprechpartnerDaniel Lorenz, M. Sc.
Gabriel Walle, M. Sc.
Umfang4 SWS (6 ECTS)
Leistungsnachweis
  • Fristgerechte (mindestens ausreichende) Bearbeitung der Übungen: Sie erhalten 6 Klausur-Bonuspunkte
  • Fristgerechte (mindestens ausreichende) Bearbeitung der Fallstudie: Sie erhalten 6 Klausur-Bonuspunkte
  • Fallstudienpräsentation (20 %)
  • Klausur (80 %) 
  • Alle Elemente sind verpflichtend. Die präsentierten Fallstudien werden von einer Jury aus Fachexperten, Studierenden und Praxisvertretern beurteilt. Die besten Präsentationen erhalten zusätzlich einen Preis.