Search

Die Professionalisierung des Digital Analytics, der automatisierten Sammlung, Analyse und Auswertung von Web- und App-Daten, hat sich durch die Digitalisierung in den letzten Jahren stark erhoht. Die damit einhergehenden Moglichkeiten, mit Kunden zu interagieren und deren Verhalten zu verstehen, werden zunehmend wichtiger, um wirtschaftlich erfolgreich zu bleiben. In diesem Kapitel werden nach 2011 und 2016 die Resultate der dritten Digital-Analytics-Umfrage vorgestellt. Es zeigt aktuelle Trends, den steigenden Reifegrad, Nutzenpotenziale und KI-Anwendungen der Digital-Analytics-Praxis auf. Dazu gehoren die Personalisierung, Price Nudging, Anomaly Detection, Predictive Analytics sowie die Marketing Automation. Die grossten Herausforderungen sind die Datenqualitat, fehlendes Wissen beziehungsweise Know-How und die Datenkultur, sprich die Offenheit gegenuber Daten und datengetriebenen Prozessen im gesamten Unternehmen.

Die wachsende Komplexität, Internationalität und Dynamik prägen das Marktumfeld und seine Teilnehmer. Ausschlaggebend für diese Veränderungen ist die rasante Weiterentwicklung der Informationstechnologie (IT), was mit einer starken Vernetzung der gesamten Welt einhergeht. Folglich werden ganze Wertschöpfungsketten verändert, in neue Märkte vorgedrungen und zeitgleich der etablierte Markt von neuen Wettbewerbern erschlossen. Aufgrund dessen sind Unternehmen kontinuierlich zur Differenzierung gegenüber ihren Konkurrenten gezwungen. Die Digitalisierung wirkt sich demnach auf alle Unternehmensbereiche aus, auch auf das Controlling. Wie zahlreiche Controlling- und Management Accounting (MA) Beiträge belegen, verändert die Digitalisierung das Controlling bzw. das MA grundlegend. Die Digitalisierung setzt somit das Controlling bzw. das MA unter einem enormen Veränderungsdruck. Unternehmen werden mit verschiedenen digitalen Herausforderungen und Möglichkeiten konfrontiert, die nach positiver Bewältigung nachhaltige Wettbewerbsvorteile schaffen können. Das Controlling wird mit Technologien, wie Cloud-Anwendungen, integrierten ERP-Systemen, Business Intelligence (BI)-Systemen und Big Data konfrontiert. Einer der am stärksten von Digitalisierung betroffenen Controlling-Bereichen ist die operative Planung, die Budgetierung. Grund dafür sind die hohen Kapazitäten, die durch die Planung und die unterjährigen Forecasts, in der Budgetierung gebunden werden. Die Digitalisierung weist eine besondere Bedeutung für Unternehmen auf, denn durch sie werden Managementstrukturen notwendig, die bei Chancen und Risiken im digitalen Wandel eine Unterstützung bieten. Demnach schaffen die Digitalisierung und die damit einhergehenden Entwicklungen in der IT neue Möglichkeiten für das Unternehmen, die auch bis in den Bereich der Budgetierung reichen. eingereicht von Melanie Schneiber Universität Linz, Diplomarbeit, 2021 (VLID)6310160

This thesis deals with automatized, data-based fraud detection in the financial and banking sector. Machine Learning and Data Mining algorithms are widely spread in the field of the automatized detection of this kind of fraud. Generally, an algorithmic detection is followed by an assessment by professional staff. These assessments by humans cause high costs and are in practice a limited resource. Thus, companies are forced to use this human resource as systematic and optimal as possible. A general drawback of established methods remain the high rate of false positives (falsely detected frauds) by the algorithm. These false detections cause a high amount of needless assessments. Therefore, this thesis is dedicated to the question how to estimate a probability of fraud, or in other words a meaningful order of the algorithmic detections. The algorithmic detections with the highest probability of fraud are consequently the first ones being assessed. It will be shown on the example of credit card fraud that the presented method yields a significant increase of the rate of correct human assessments and in further consequence reduces costs and effort., Diese Arbeit thematisiert die automatisierte, datenbasierte Betrugsfallerkennung(engl. fraud detection) im Finanz- und Bankwesen. Machine Learning und Data Mining Algorithmen sind weit verbreitet in der automatisierten Erkennung von diesen Betrugsfällen. Einer positiven algorithmischen Erkennung eines Betrugsfalles folgt im Allgemeinen eine Begutachtung durch Fachpersonal. Genau diese menschlichen Überprüfungen verursachen hohe Kosten und sind in der Praxis eine begrenzte Ressource. Daher legen Unternehmen hohen Wert darauf diese möglichst systematisch und optimal einzusetzen. Eine Schwäche gängiger Methodiken sind die hohe Rate an fälschlicherweise algorithmisch erkannten Betrugsfällen, welche viele nicht notwendige menschliche Überprüfungen zur Folge haben. Daher widmet sich diese Arbeit der Frage wie für die erkannten Betrugsfälle eine Wahrscheinlichkeit, bzw. eine sinnvolle Überprüfungs-Reihenfolge geschätzt werden kann. Die wahrscheinlichsten Betrugsfälle können somit zuerst überprüft werden und die Ressource Mensch kann so optimal eingesetzt werden. Am Beispiel von Kreditkartenbetrugsfällen wird anschaulich gezeigt, dass sich durch diese Methodik die Rate an korrekten menschlichen Überprüfungen deutlich steigern lässt und somit Kosten und Aufwandeingespart werden können.

Im Rahmen des Forschungsvorhabens TINA (Techniken zur Interaktiven Nautischen AIS-Datenanalyse) haben Wissenschaftler der Hamburger Forschungseinrichtung Fraunhofer CML Möglichkeiten für die automatisierte nautische Seeverkehrsraumanalyse untersucht. Dem Vorhabenzugrunde liegt die Auswertung von AIS-Daten.

Volume 2018, Issue 11, Die volatilen Geschäftsumgebungen von produzierenden Unternehmen stellen besondere Anforderungen an das Bestandsmanagement und verlangen fundierte und schnelle Entscheidungen der Unternehmen. Essentiell hierfür ist der Einsatz von Big Data und Business Analytics zu Analyse- und Prognosezwecken und zur Grundlage für letztlich autonome Entscheidungen. In dieser Arbeit wird ein Reifegradmodell entwickelt, das auf wichtigen technologischen, personellen und prozessualen Voraussetzungen für den Einsatz von Business Analytics basiert und produzierenden Unternehmen zur Bewertung und Weiterentwicklung ihres Bestandsmanagements dient., The volatile business environments of manufacturing companies demand special requirements for the inventory management and require flexible and fast decisions of the companies. The application of Big Data and Business Analytics for analysis and forecasting purposes and to derive automated and ultimately autonomous decisions is essential for this task. This paper presents a maturity model based on important technological, personnel and process requirements for the application of Business Analytics and serves manufacturing companies to evaluate and improve their inventory management using Business Analytics.

Am 25. November 2016 feierte die School of Advanced Professional Studies (SAPS) in Anwesenheit von Universitätspräsident Prof. Dr.-Ing. Michael Weber, Altpräsident Prof. Dr.-Ing. Karl Joachim Ebeling, Prof. Dr. Volker Reuter, Rektor der Hochschule Ulm, Gästen von der Hochschule Biberach und der Vertreterin des Ministeriums für Wissenschaft, Forschung und Kunst, Prof. Heike Bühler, ihr fünfjähriges Bestehen mit einem Festakt im Wissenschaftszentrum der Universität auf Schloss Reisensburg – die beste Gelegenheit also, Bilanz über den Verlauf und die Erfolge der ersten Jahre zu ziehen! So nutzten die Mitarbeiterinnen und Mitarbeiter die Möglichkeit für die Gäste ein abwechslungsreiches Programm zu bieten und kurze inhaltliche Glanzlichter zu den von der SAPS aktuell durchzuführenden Einzel- und Verbundvorhaben zu setzen. Das Jahr 2016 hielt für die SAPS aber noch weitere Höhepunkte bereit: ■ den Start dreier neuer Förderprojekte als Einzel- oder Verbundvorhaben, davon eines mit der Hochschule Biberach und ein weiteres zum Jahresbeginn unter Beteiligung namhafter Industrieunternehmen und Federführung durch die Technische Universität München; ■ den Start des dritten von der SAPS organisatorisch verantworteten Masterstudiengangs: In den »Aktuarwissenschaften« immatrikulierten sich zum Sommersemester 2016 erstmals Studierende; ■ die Entwicklung und erfolgreiche Erprobung weiterer Studienmodule im Bereich »Business Analytics«; ■ die Festlegung des Curriculums für den ersten in der Fakultät für Naturwissenschaften verorteten weiterbildenden Masterstudiengang Biopharmazeutisch-Medizintechnische Wissenschaften; ■ die Inbetriebnahme eines ersten reinen Online-Weiterbildungsangebots, geleitet von Prof. Fegert aus der Medizinischen Fakultät, im April 2016; ■ den Ausbau der Diploma of Advanced Studies-Angebote als Vertiefungsrichtungen im Kontaktstudium; ■ den Beginn eines ersten Kurses im Bereich des Instruktionsdesigns; ■ den Start einer neu konzipierten Inhouse-Schulungsmaßnahme für Daimler Academic Programs im November 2016; ■ die Gutachtersitzung zur Clusterakkreditierung der weiterbildenden Studiengänge der Universität Ulm durch die ASIIN im November 2016. Diese und viele weitere Themen, über die der hier vorliegende Jahresbericht informiert, waren prägend für das sehr aktive Jahr 2016 der SAPS, das die Entwicklung der wissenschaftlichen Weiterbildung an der Universität Ulm weiter deutlich voran gebracht hat.