1. Allgemeine Einführung in das Themengebiet "Big Data Analytics"
2. Descriptive und Diagnostic Analytics
3. Predictive Analytics mit Machine Learning Algorithmen
4. Predictive Analytics mit Regression unter Berücksichtigung von Heterogenität
5. Predictive Maintenance mit Hilfe von SPC (Statistical Process Control)
6. Ethik und Privatsphäre unter Big Data Analytics

Der Kursdurchlauf beläuft sich auf acht Wochen. Neben der Bereitstellung eines Skripts, Video-Tutorials, Lernkontrollfragen und einer für den Kurs angefertigten virtuellen Maschine finden zusätzlich wöchentlich interaktive Webinare statt, in denen der Austausch von Studierenen und Dozierenden ermöglicht wird.

Detaillierter Inhalt:

Auftakt des Moduls ist eine virtuell abgehaltene Auftaktveranstaltung (Webseminar). Anschließend erhalten die Studierenden Zugriff auf die elektronischen Lerninhalte, die in Form von interaktiven Skripten vorliegen, sowie auf kursspezifische Datensätze. Zudem können sie auf Video-Tutorials zum Einsatz der Datenanalyse-Werkzeuge zugreifen, um Kernkompetenzen für Datenanalyseprozesse zu erwerben.

In den begleitenden Fallstudien werden die grundlegenden Arbeitsschritte der Datenaufbereitung, die bei Big-Data-Analysen anfallen, gelehrt. Hierzu werden diese zentralen Schritte in Webseminaren nachvollziehbar erläutert und die Studierenden durch sofortige Anwendung zum selbstständigen Lernen motiviert.
Für die fallstudienspezifischen Auswertungen greifen die Studierenden auf die Statsitik-Software R zurück und müssen dazu diverse Datensätze mithilfe der beschriebenen Verfahren auswerten und ihre Ergebnisse grafisch visualisieren.
Die Fallstudien bestehen aus folgenden Elementen, wobei jeweils einzelne stärker betont werden und über das Semester hinweg der Schwierigkeitsgrad ansteigt:

1. Ökonomische Theorie/Fragestellungen (inkl. Praktiker-Interviews)
2. Datenaufbereitung und explorative Datenanalyse
3. Zielgerichtete Datenverarbeitung (Modellschätzung und Analyse)
4. Interpretation der Ergebnisse im Hinblick auf 1. (aber auch Gefahren der Analysen, z. B. Scheinkausalitäten, oder mit den Analysen verbundene ethische Aspekte usw.)

Zu Punkt 4. werden zusätzliche Online-Angebote zur Verfügung gestellt und die Studierenden werden zu Online-Diskussionen über die ethischen Problemfälle angehalten. Zum Ende des Semesters wird ein aktueller Ausblick gegeben. Dieser soll es den Lehrenden ermöglichen, spezifische aktuelle Schwerpunkte in diesem sich schnell entwickelnden Themengebiet setzen zu können. Zu diesem Zeitpunkt erfolgt auch eine fragebogengestützte Evaluation, die Lernergebnisse im Rahmen der Big-Data-Analyse messbar machen soll.

Weitere Informationen und den Zugang zur Kursanmeldung finden Sie auf den Seiten der Virtuellen Hochschule Bayern (VHB).