Data Analytics and Decision Support

Dozent/in	Prof. Dr. Reto Hofstetter; Rino Heim
Veranstaltungsart	Vorlesung
Code	HS211092
Semester	Herbstsemester 2021
Durchführender Fachbereich	Wirtschaftswissenschaften
Studienstufe	Bachelor
Termin/e	Fr, 24.09.2021, 10:15 - 14:00 Uhr, HS 9 Fr, 01.10.2021, 10:15 - 14:00 Uhr, HS 9 Fr, 08.10.2021, 10:15 - 14:00 Uhr, HS 9 Fr, 15.10.2021, 10:15 - 14:00 Uhr, HS 9 Fr, 22.10.2021, 10:15 - 14:00 Uhr, HS 9 Fr, 29.10.2021, 10:15 - 14:00 Uhr, HS 9 Fr, 05.11.2021, 10:15 - 14:00 Uhr, HS 9 Fr, 12.11.2021, 10:15 - 14:00 Uhr, HS 9 Fr, 19.11.2021, 10:15 - 14:00 Uhr, Online Fr, 26.11.2021, 10:15 - 14:00 Uhr, HS 9 Fr, 03.12.2021, 10:15 - 14:00 Uhr, Online Fr, 10.12.2021, 10:15 - 14:00 Uhr, Online Fr, 21.01.2022, 10:15 - 11:45 Uhr, HS 9 (Prüfung) Fr, 21.01.2022, 10:15 - 11:45 Uhr, HS 10 (Prüfung) Fr, 21.01.2022, 10:15 - 11:45 Uhr, HS 1 (Prüfung)
Umfang	2 Semesterwochenstunden
Turnus	wöchentlich
Inhalt	Die Vorlesung bietet eine Einführung in «Data Analytics» für Wirtschaftswissenschafter. Der erste Teil der Vorlesung behandelt die Grundlagen der Programmierung in R (Loops, Funktionen, Wenn-Dann-Bedingungen etc.) sowie das Sammeln und Verwalten von Daten. Der zweite Teil widmet sich der Aufbereitung von Daten. Im dritten Teil der Vorlesung behandeln wir die Analyse und Visualisierung von Daten. Die integriert angebotenen Übungen besprechen Anwendungsbeispiele aus Betriebs- und Volkswirtschaftslehre.
Lernziele	1) Die Studierenden können selbständig Daten sammeln und verwalten. 2) Die Studierenden können Daten für empirische Analysen sinnvoll aufbereiten. 3) Die Studierenden können die Muster in den Daten finden sowie empirische Re-sultate visualisieren. 4) Die Studierenden können wirtschaftliche Entscheidungsprozesse mittels fun-dierter Datenanalyse unterstützen.
Voraussetzungen	Statistik
Sprache	Deutsch
Anmeldung	Für den Besuch der Lehrveranstaltung / Übung wird die Einschreibung über die E-Learning-Plattform OLAT vorausgesetzt. Die Einschreibung ist vom 6. September bis 1. Oktober 2021 möglich. Die Studierenden sind selbst dafür verantwortlich, die Anrechenbarkeit der Lehrveranstaltung an ihren Studiengang zu überprüfen. Direktlink zum OLAT-Kurs: https://lms.uzh.ch/url/repositoryentry/17049190573
Prüfung	***WICHTIG*** Um Credits zu erwerben, resp. an der Prüfung teilzunehmen, ist eine Anmeldung über das Uni Portal innerhalb der Prüfungsanmeldefrist ZWINGEND ERFORDERLICH. Weitere Informationen zur Anmeldung: www.unilu.ch/wf/pruefungen
Abschlussform / Credits	Schriftliche Prüfung / 6 Credits
Hinweise	Ab Freitag, 5. November finden alle Vorlesungen online statt. Am 5./12. und 26. November kann der HS9 von den Studierenden genutzt werden (Vorlesung auf dem eigenen Laptop online verfolgen).
Hörer-/innen	Ja
Kontakt	reto.hofstetter@unilu.ch / rino.heim@unilu.ch
Literatur	Wickham, Hadley und Garett Gorlemund (2014). R for Data Science. Sebastopol: O’Reilly. Winston Chang (2013). R Graphics Cookbook. Sebastopol: O'Reilly. Diese Bücher sind im Studiladen der Universität Luzern erhältlich.