Data Analytics and Decision Support

Dozent/in	Benedikt Marxer, MA
Veranstaltungsart	Vorlesung
Code	HS251038
Semester	Herbstsemester 2025
Durchführender Fachbereich	Wirtschaftswissenschaften
Studienstufe	Bachelor
Termin/e	Fr, 19.09.2025, 10:15 - 14:00 Uhr, HS 1 Fr, 26.09.2025, 10:15 - 14:00 Uhr, Online Fr, 03.10.2025, 10:15 - 14:00 Uhr, HS 1 Fr, 10.10.2025, 10:15 - 14:00 Uhr, HS 7 Fr, 17.10.2025, 10:15 - 14:00 Uhr, HS 1 Fr, 24.10.2025, 10:15 - 14:00 Uhr, Online Fr, 31.10.2025, 10:15 - 14:00 Uhr, HS 1 Fr, 07.11.2025, 10:15 - 14:00 Uhr, HS 7 Fr, 14.11.2025, 10:15 - 14:00 Uhr, HS 1 Fr, 21.11.2025, 10:15 - 14:00 Uhr, HS 3 Fr, 05.12.2025, 10:15 - 14:00 Uhr, HS 7 Fr, 12.12.2025, 10:15 - 14:00 Uhr, HS 1 Fr, 16.01.2026, 08:15 - 09:45 Uhr, HS 1 (Prüfung)
Umfang	4 Semesterwochenstunden
Turnus	wöchentlich
Inhalt	Die Vorlesung bietet eine Einführung in “Data Analytics” für Wirtschaftswissenschaftler. Der erste Teil der Vorlesung (Block A) behandelt die Grundlagen der Programmierung in R (Loops, Funktionen, Wenn-Dann-Bedingungen etc.) sowie das Sammeln und Verwalten von Daten. Im zweiten Teil der Veranstaltung (Block B) widmen wir uns der Aufbereitung, Analyse und Visualisierung von Daten. Die integrierten 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 Resultate 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 1. – 26. September 2025 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/17745707045
Leistungsnachweis	***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
Hörer-/innen	Ja
Kontakt	benedikt.marxer@unilu.ch
Literatur	Die Vorlesung basiert auf folgenden Lehrbüchern: - Wickham, Hadley, Mine Çetinkaya-Rundel und Garett Gorlemund (2023). R for Data Science, 2nd Edition. O’Reilly Media, Inc. Online: r4ds.hadley.nz - Winston Chang (2018). R Graphics Cookbook, 2nd Edition. O’Reilly Media, Inc. Online: r-graphics.org Diese Bücher sind online zugänglich