MENUMENU
MENUMENU

Projekt: Data Science in Retail (DLBECPDSA01)

Kursnummer:

DLBECPDSA01

Kursname:

Projekt: Data Science in Retail

Gesamtstunden:

150 h

ECTS Punkte:

5 ECTS

Kurstyp: Wahlpflicht

Kursangebot : WS, SS

Course Duration : Minimaldauer 1 Semester

Zugangsvoraussetzungen:

keine

Kurskoordinator(en) / Dozenten / Lektoren:

Siehe aktuelle Liste der Tutoren im Learning Management System

Bezüge zu anderen Modulen:

Siehe Modulbeschreibung

Beschreibung des Kurses:

In diesem Kurs bearbeiten die Studierenden ein ausgewähltes Projekt-Thema aus dem Bereich Data-Science-Anwendungen im Handel. Ziel ist es, ein Data-Science-Modell oder -System prototypisch zu implementieren, welches ein analytisches Problem im Handel löst. Gerade der Handel bietet in dieser Hinsicht ein weites Feld möglicher Themen wie z. Bsp. die Analyse des Kundenverhaltens, Warenkorbanalysen, Prognostizierung von Abverkäufen zur Optimierung von Logistik-Prozessen, der Zusammensetzung von Warengruppen, oder die Vorhersage von Aktionseffekten wie Bevorratung oder Kannibalisierung (Verlagerung von Umsätzen einer Warengruppe auf einen Artikel), um nur einige zu nennen. Hierzu wenden die Studierenden das in vorangegangen Kursen erworbene Wissen zielgerichtet und praxisorientiert an.

Kursziele:

Nach erfolgreichem Abschluss des Kurses sind die Studierenden in der Lage,

  • erworbenes theoretisches Wissen auf reale Anwendungsfälle zu transferieren und anzuwenden.
  • erlernte Konzepte und Methoden, z. Bsp. aus den Bereichen Datenbanken, BI, oder Statistical Computing, in Bezug auf eine gegebene Aufgabenstellung hin zu bewerten.
  • die zielgerichtete Auswahl eines Modellierungsansatzes zu treffen.
  • ein analytisches Modell passend zur Aufgabenstellung zu entwickeln und umzusetzen.
  • die getroffenen Design-Entscheidungen zu begründen und zu erklären.
  • die Leistungsfähigkeit des erstellten Systems zu überprüfen und zu bewerten.

Lehrmethoden:

Die Lehrmaterialien enthalten Leitfäden, Video-Präsentationen, (Online-)Tutorien und Foren. Sie sind so strukturiert, dass Studierende sie in freier Ortswahl und zeitlich unabhängig bearbeiten können.

Inhalte des Kurses:

In diesem Projektkurs arbeiten die Studierenden an der praktischen Implementierung eines selbst gewählten Data-Science-Anwendungsfalls aus dem Bereich Handel. Alle relevanten Arbeitsergebnisse wie die Evaluierung des Use Case, das gewählte Vorgehensmodell, die gewählte Implementierungsmethode, Code und Ergebnisse werden in einem Projekt-Report dokumentiert, der in das Portfolio der Studierenden einfließt.

Literatur:

  • Beckford, M. (2016): The Little Book on Big Data: Understand Retail Analytics Through Use Cases and Optimize Your Business. Kindle-Edition.
  • Cox, E. (2011): Retail Analytics. The Secret Weapon. Wiley, Hoboken.
  • Provost, F./Fawcett, T. (2017): Data Science für Unternehmen. Data Mining und datenanalytisches Denken praktisch anwenden. mitp Verlag, Frechen.
  • Wickham, H./Grolemund, G./Langenau, F. (Übersetzer) (2017): R für Data Science. Daten importieren, bereinigen, umformen, modellieren und visualisieren. O’Reilly, Heidelberg.

Eine aktuelle Liste mit kursspezifischer Pflichtlektüre sowie Hinweisen zu weiterführender Literatur ist im Learning Management System hinterlegt.

Prüfungszugangsvoraussetzung:

Kursevaluation

Prüfungsleistung:

Portfolio

Zeitaufwand Studierende (in Std.):150

Selbststudium (in Std.): 120
Selbstüberprüfung (in Std.): –
Tutorien (in Std.): 30

Svg Vector Icons : http://www.onlinewebfonts.com/icon
Kontakt