Master of Science (M.Sc.)
Big Data & Business Analytics

1. Semester

Kompaktkurs¹

Big Data Architektur & Infrastruktur

• Big-Data-Infrastruktur
• Datenstrukturierung
• Datensynchronisation/Parallelität
• Speicherverwaltung

Big Data Analytics

• Datenquellen und Datenkategorisierung
• Visual Analytics / Knowledge Discovery & Data Mining / Explorative Datenanalyse
• KI-Methoden wie z.B. Machine Learning
• Computational Intelligence: Fuzzy-Logik, Neuronale Netze, Evolutionäre Algorithmen

Entscheidungsorientiertes Management

• Klassische Entscheidungslehre
• Managemententscheidungen aus psychologischer Sicht
• Entscheidungen im Strategiekontext

Wissenschaftliche Methodik

• Qualitative und quantitative Forschungsmethoden
• Quantitative Datenanalyse (Anwendungen mit R, statistische Testverfahren, multivariate Verfahren)

2. Semester

Angewandte Programmierung

• Anwendungszyklus (Data Analysis Lifecycle)
• Typische Systemkomponenten
• Programmiermodelle im Bereich Big Data
• Gängige Programmiersprachen, Programmierumgebungen und Frameworks: SQL, R, Java und Python
• Anwendung ausgewählter Programmiermodelle

Analyse semi- & unstrukturierter Daten

• Crawling und Vorverarbeitung
• Text Mining / Web Mining
• Social-Media-Analyse
• Taxonomien/Ontologien (+OWL)/semantische Modellierung/Semantic Web

Führung & Nachhaltigkeit

• Führungstheorien, -stile, -techniken und –instrumente
• Normative & Strategische Unternehmensführung als Ausgangspunkt für Diversitäts- und
  Nachhaltigkeitsaspekte
• Verankerung von Nachhaltigkeit in der Wertschöpfungskette
• Ethische Aspekte bzgl. Führung und Nachhaltigkeit

Transfer Assessment²: Transfer-Bericht 1

3. Semester

Projektmanagement von Big Data Projekten

• Projekte und Projektmanagement
• Projektmanagement-Grundlagen
• Vorgehensmodelle für IT-Projekte
• Agile Vorgehensmodelle für IT-Projekte
• Besondere Aspekte von Big-Data-Projekten für das Projektmanagement

Big Data Analyseprojekt

• Auswahl eines Anwendungsfeldes für das Analyseprojekt
• Projektarbeit mit erster vollständig eigener Datenanalyse

Anwendungsfelder Business Analytics

• Ziele und Aufgabengebiete für Big Data-Anwendungen
• Sektor und Art der Datenquellen
• Konkrete Anwendungsfelder und ihre Verfahren

Transfer Assessment²: Transfer-Bericht 2

4. Semester

Ethik & Recht

• Ethische Aspekte der Nutzung von Big Data
• Rechtliche Aspekte der Big Data Nutzung (IT- & Datenschutzrecht)
• Compliance

Big Data Consultingprojekt

• Auswahl eines Anwendungsfeldes für das Analyseprojekt
• Data Storytelling
• Adressierung einer Managementfragestellung
• Datengewinnung, -aufbereitung, & -analyse
• Aufbereitung der Erkenntnisse für das Management

Strategische Geschäftsmodellentwicklung

• Geschäftsmodellvarianten und -innovationen
• Strategische Aspekte eines Geschäftsmodells
• Vorgehensmodelle zur Geschäftsmodellentwicklung und -transformation
• Methoden zur Bewertung von Geschäftsmodellen
• Business-Analytics-Strategie zur Gestaltung und Transformation von Geschäftsmodellen

Transfer Assessment²: Transfer-Bericht 3

5. Semester

Master-Thesis und Kolloquium