Data Analytics and Decision Support

Dozent/in	Benedikt Marxer, MA
Veranstaltungsart	Vorlesung
Code	HS261042
Semester	Herbstsemester 2026
Durchführender Fachbereich	Wirtschaftswissenschaften
Studienstufe	Bachelor
Termin/e	Fr, 18.09.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 25.09.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 09.10.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 23.10.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 30.10.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 06.11.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 13.11.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 20.11.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 27.11.2026, 10:15 - 14:00 Uhr, 2.A07 Fr, 04.12.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 11.12.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 18.12.2026, 10:15 - 14:00 Uhr, HS 1 Fr, 22.01.2027, 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	Die verbindliche Anmeldung erfolgt über das UniPortal, siehe Hinweise weiter unten im Feld «Leistungsnachweis». Für Kursinformationen und -materialien ist eine Registrierung auf der E-Learning-Plattform OLAT vom 31. August – 25. September 2026 erforderlich. 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/17903616177
Leistungsnachweis	***WICHTIG*** Um den Leistungsnachweis zu erbringen und Credits zu erwerben, ist eine Anmeldung über das Uni Portal innerhalb der regulären Prüfungsanmeldefrist (29. Oktober – 12. November 2026) ZWINGEND ERFORDERLICH. Verspätete An- und Abmeldungen werden nicht berücksichtigt. Nach Ablauf der Anmeldefrist ist die Teilnahme am Kurs VERBINDLICH. Wird die Veranstaltung ohne triftigen Grund und ohne korrekte Abmeldung (inkl. Belege, siehe Wegleitung Prüfungen) nicht abgelegt, so gilt der Leistungsnachweis als nicht bestanden (failed bzw. Note 1).
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