Sowohl lokale Startups wie „Gurkerl“ als auch multinationale Unternehmen wie beispielsweise „Amazon“ haben stark in Ihre Data Science Departments investiert. Rund um die Uhr laufen Experimente und Machine Learning Algorithmen um Erkenntnisse aus riesigen Datenmengen zu gewinnen. Nichtsdestotrotz müssen die gewonnenen Erkentnisse in ausführbare Geschäftsentscheidungen übersetzt werden. Dies kann zu ineffektiver Kommunikation führen, wenn Datenwissenschaftler:innen und Führungspersönlichkeiten eine divergierende Sprache verwenden.

Dieser Kurs bietet Studierenden die Möglichkeit die Lücke zwischen Data Science und Geschäftsentscheidungen zu schließen und „Datenübersetzer“ zu werden. Der Kurs bietet Einblicke in die Interaktion von Daten, Narrativen und Visualisierungen, und deren zugrundeliegenden neurowissenschaftlichen Konzepten. Studierende werden lernen, wie man Daten effektiv kommuniziert, wenn das angesprochene Publikum nicht mit statistischem und datenwissenschatlichem Jargon vertraut ist. Die Lerninhalte werden Studierenden theoretisch und praktisch nähergebracht.

Der Kurs ist in drei Abschnitte eingeteilt:

1. Theorie und Praxis des Storytellings;
2. Korrelation und Kausalität;
3. Nach einer kurzen Einführung in die Neurowissenschaften der Wahrnehmung widmen wir uns deren Anwendung auf Theorie und Praxis von Visualisierungen.

Dieser Kurs verwendet die Programmiersprache R um Daten zu interpretieren und präsentieren. Es wird kein Vorwissen bezüglich R vorausgesetzt.

Methoden, Prinzipien und Theorien von Dateninterpretation und -visualisierung sowie Kommunikation von datenbasierten Analysen und die Anwendung dieser im Business Setting.

Die Ziele des Kurses sind:

• Übersetzter zwischen Datenwissenschaftler:innen und Manager:innen zu werden;
• Zu lernen wie man Kausalität innerhalb eines Business Settings interpretiert und kommuniziert;
• Zu lernen wie man datenbasierte Analysen mit Hilfe von angemessenen, neuronal-effektiven Visualisierungs- und Präsentationstechniken effektiv kommuniziert.
• Zu lernen wie man Geschäfts- und Marktdaten mit Hilfe der Programmiersprache R analysiert und interpretiert. 

Sie müssen mindestens 80% aller Termine besuchen, um den Kurs zu bestehen. Alle versäumten Termine müssen mit einem Essay über die behandelten Materialien kompensiert werden. Dies gilt sowohl für Präsenz- als auch für Online-Einheiten (falls letzteres erforderlich sein sollte). Sowohl in der ersten Einheit als auch bei der Endklausur (vorletzte Einheit) besteht Anwesenheitspflicht.

Der Kurs wird mit einer Kombination aus interaktiven Einheiten, Klassendiskussionen und Studentenpräsentationen unterrichtet. Die Theorien werden auf reale Beispiele angewandt und am Schluss von den Studierenden in einem Miniprojekt umgesetzt. Ziel ist es, eine offene Lernumgebung zu schaffen, die Trial-and-Error, Diskussionen und die Weiterentwicklung praktischer Fähigkeiten für datenbasierte Unternehmen fördert. Der Schwerpunkt des Kurses liegt auf (der neuronalen Repräsentation von) Datenvisualisierung und den Werkzeugen, die erforderlich sind, um interpretierbare und ansprechende Diagramme für verschiedene Zielgruppen zu erstellen.

Um auf die Vorlesungen vorbereitet zu sein, müssen Sie das für die Woche zugewiesene Material durcharbeiten und bereit sein, Fragen dazu zu beantworten. Die Einheiten selbst dienen (1) der Ermittlung und Anwendung von theoretischen Konzepten und (2) der Klärung unklarer Punkte die weiterer Diskussion bedürfen.

Die Benotung setzt sich wie folgt zusammen:

• Gruppenpräsentationen (40%)
• Endklausur (30%)
• Teilnahme an Diskussionen basierend auf dem Studienmaterial (schriftlich oder mündlich; 10%)
• Hausaufgaben (20%)

Das Benotungsschema ist wie folgt definiert:

< 60%                               nicht genügend (5)

60% bis 69,99%               genügend (4)

70% bis 79,99%               befriedigend (3)

80% bis 89,99%               gut (2)

>= 90%                             sehr gut (1)

Please log in with your WU account to use all functionalities of read!t. For off-campus access to our licensed electronic resources, remember to activate your VPN connection connection. In case you encounter any technical problems or have questions regarding read!t, please feel free to contact the library at readinglists@wu.ac.at.

Grundlegende Statistikkenntnisse.

Achtung: Sie müssen ausreichend Englischkenntnisse mitbringen, um Literatur und Folien folgen zu können!

Auf Nachfrage.