Module


General information
Marketing Analytics
Marketing Analytics
BA-WM I - S 145
Prof. Dr. Stehmann, Julia (julia.stehmann@haw-kiel.de)
Prof. Dr. Stehmann, Julia (julia.stehmann@haw-kiel.de)
Sommersemester 2023
1 Semester
In der Regel jedes Semester
Deutsch
Curricular relevance (according to examination regulations)
Study Subject Study Specialization Study Focus Module type Semester
B.Sc. - WINF Online - Wirtschaftsinformatik Online Wahlmodul
B.A. - BWL - Betriebswirtschaftslehre (Regelstudienzeit 6 Semester) Wahlmodul
B.A. - BWL - Betriebswirtschaftslehre (letzte Aufnahme SoSe 2024) Wahlmodul
B.A. - BWL Online - Betriebswirtschaftslehre Online Wahlmodul
B.Sc. - WINF 7 Sem. - Wirtschaftsinformatik (7 Sem.) Wahlmodul
B.A. - BWL Online TZ - Betriebswirtschaftslehre Online Teilzeit Wahlmodul
B.Sc. - WINF - Wirtschaftsinformatik (6 Sem.) Wahlmodul

Qualification outcome
Areas of Competence: Knowledge and Understanding; Use, application and generation of knowledge; Communication and cooperation; Scientific self-understanding / professionalism.
Die Studierenden verstehen die Bedeutung von Big Data und deren Analyse für kurzfristige Marketingentscheidungen sowie langfristige Marketingstrategien. Sie kennen und unterscheiden verschiedene Datenanalyse-Techniken, bewerten deren Anwendungsbereiche, interpretieren Ergebnisse und sind sich der Grenzen der Analysen bewusst.
Anhand von Fallstudien und Datensätzen wenden die Studierenden geeignete Analyse-Techniken an, fassen komplexe Daten zu aussagekräftigen Erkenntnissen zusammen und leiten daraus betriebswirtschaftliche Implikationen für Unternehmen ab. Die Studierenden sind in der Lage, ihr erworbenes Wissen auf andere, reale Lebenssituationen zu übertragen.
Die Studierenden erklären und diskutieren komplexe Probleme in Präsentationen. Sie erstellen auf Basis von Theorie und Fakten fundierte Argumente für die eigene Lösungsaussage und sind in der Lage, diese der Öffentlichkeit und auch Laien zu vermitteln.
Die Studierenden können komplexe datenbezogene Aufgaben selbstständig und in Gruppen bearbeiten. Sie reflektieren ihre eigenen Fähigkeiten, Fertigkeiten und Kompetenzen in theoretischer und praktischer Hinsicht, was ihre berufliche Identität prägt.
Content information
Dieses Modul führt die Studierenden ein in das Thema "Marketing Analytics", an der Schnittstelle zu den Trendgebieten Data Science und künstlicher Intelligenz. Dazu werden Fallstudien und Datensätze entlang der Customer Journey bereitgestellt, analysiert und diskutiert. Die Studierenden werden in leistungsfähige Tools und Techniken eingeführt, die von modernen Unternehmen immer häufiger nachgefragt werden. Die behandelten Themen werden von den Studierenden regelmäßig, in Form von eigener Programmierung, im Laufe des Moduls angewandt und implementiert.

Folgende Themen stehen dabei im Fokus:
- Beschreibung von Kunden- und Marktdaten (z.B. mittels Lage- und Streuungsparamter sowie Datenvisualisierung)
- Generierung von Customer Insights und Bedarfsprognosen (z.B. mittels einfacher und multipler Regressionanalyse)
- A/B-Testing von Webseiten (z.B. mittels t-Test und Varianzanalyse)
- Segmentierung von Kundengruppen (z.B. mittels Clusteranalyse)
- Analyse von Kaufgewohnheiten (z.B. mittels Warenkorbanalyse)

#Marketinganalytics #Customerjourney #Datenanalyse #Datenvisualisierung #Lageparameter #Streuungsparameter #t-test #Varianzanalyse #Korrelationsanalyse #Chiquadrattest #Regressionsanalyse #Kundensegmentierung #Warenkorbanalyse #Excel #R
Artun, O., Levin, D.: Predictive Marketing, Wiley 2015.
Chapman, C., McDonnell Feit, E.: R for Marketing Research and Analytics, 2nd Edition, Springer 2019.
Field, A., Miles, J., Field, Z.: Discovering Statistics Using R, Sage 2012.
Kronthaler, F., Zöllner, S.: Data Analysis with RStudio, Springer 2021.
Teaching formats of the courses
Teaching format SWS
Lehrvortrag + Übung 4
Workload
4 SWS
5,0 Credits
48 Hours
102 Hours
Module Examination
Method of Examination Duration Weighting wird angerechnet gem. § 11 Absatz 2 PVO Graded Remark
Präsentation 30 Minutes 100 %
Miscellaneous
Grundlagenwissen in Statistik und Marketing, Interesse an Big Data und Data Science, Laptop (für Präsenztermine an der Fachhochschule), Englischkenntnisse (Großteil der Materialien auf Englisch)