Refine
Document Type
- Part of a Book (2)
- Book (1)
- Contribution to a Periodical (1)
Language
- German (4) (remove)
Has Fulltext
- no (4) (remove)
Is part of the Bibliography
- yes (4)
Keywords
Institute
Open Access
- Closed Access (2)
- Closed (1)
Machine Learning (ML) als das aktuell wohl am meisten diskutierte Teilgebiet von Künstlicher Intelligenz (KI) verspricht und realisiert bereits sinnvolle Unterstützung u.a. beim autonomen Fahren, der Predictive Maintenance, der Verbrechensvorbeugung, dem Zusammenführen von Angebot und Nachfrage durch Empfehlungslisten oder im Kundenservice mit Softbots.1 All diesen Anwendung ist letztlich gemeinsam, dass Entscheidungen zu treffen sind, und zwar möglichst rational vor dem Hintergrund von subjektiven Präferenzsystemen und den in Betracht gezogenen Handlungsalternativen. Die Entscheidungsgegenstände betreffen Fragen, wann ein Fahrzeug leicht abgebremst werden soll, in welcher Gegend schwerpunktmäßig Polizeipräsenz gezeigt werden soll oder wann eine Maschine gewartet werden soll.
Die voranschreitende Digitalisierung ist ein Enabler für Business Analytics wodurch sich wiederum ein weiteres Innovationspotenzial durch dessen Nutzung in der datengetriebenen betrieblichen Entscheidungsunterstützung ergibt. Die Herausforderung besteht nun darin, bereits bei der Planung eines Digitalisierungsprojektes das Potenzial für weitergehende Business Analytics-Anwendungen zu erkennen, um dieses auszuschöpfen. Dabei spielen weniger die Methodenspezialisten, sondern eher die Entscheider in den Fachabteilungen die zentrale Rolle.
Das Buch enthält Fallstudien zur deskriptiven und induktiven Statistik, welche auf die Bachelor-Ausbildung in der Betriebswirtschaft ausgerichtet sind. Für die fachlichen Grundlagen wird auf eine prägnante Liste einschlägiger Werke verwiesen. Ziel der Fallstudien ist es, den gesamten in einer Lehrveranstaltung erlernten Stoff adäquat anzuwenden. Hiermit soll ein fundiertes, nachhaltiges Gesamtverständnis erreicht und die Einübung von Transfers realisiert werden. Den Fallstudien liegen, zum Download vorgehaltene, realistische Datensets in einem Umfang zugrunde, der die Anwendung von Unterstützungssystemen erforderlich macht. Dazu ist die Verwendung von Microsoft Excel vorgesehen. In jeder Fallstudie werden sukzessive Lösungshinweise angeboten, um einen möglichst großen Lerneffekt zu erzielen. Das Lehrbuch richtet sich in erster Linie an Studierende in der Examensvorbereitung und kann auch als Klausurenkurs genutzt werden. Einzelne Fallstudien können aber auch veranstaltungsbegleitend zum Abschluss eines Themenbereiches, wie z. B. der deskriptiven Statistik bearbeitet werden.