Lehre und Prüfung online
Studierende in Vorlesung

Business Analytics and Data Science - Detailseite

  • Funktionen:
Veranstaltungsart Vorlesung Veranstaltungsnummer 707922
Semester WiSe 2023/24 SWS 2
Rhythmus jedes 2. Semester Moodle-Link
Veranstaltungsstatus Freigegeben für Vorlesungsverzeichnis  Freigegeben  Sprache englisch
Belegungsfrist Es findet keine Online-Belegung über AGNES statt!
Veranstaltungsformat Präsenz


Gruppe 1
Tag Zeit Rhythmus Dauer Raum Raum-
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Do. 10:00 bis 12:00 wöch Institutsgebäude - 202 Spandauer Straße 1 (SPA 1) - (Hör-/ Lehrsaal anst. o. Exp.-)   findet statt    
Gruppe 1:

Zugeordnete Person
Zugeordnete Person Zuständigkeit
Lessmann, Stefan, Professor, Dr. verantwortlich
Abschluss Studiengang LP Semester
Master of Education (BS)  Wirtschaftspädagogik (WV) 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )     -  
Master of Science  Betriebswirtschaftslehre Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Master of Science  Economics/ Management Sc. Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Master of Science  Statistik Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Master of Science  Volkswirtschaftslehre Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Master of Science  Wirtschaftsinformatik Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Programmstud.-o.Abschl.MA  Betriebswirtschaftslehre Programm ( POVersion: 1999 )     -  
Programmstud.-o.Abschl.MA  Statistik Programm ( POVersion: 1999 )     -  
Programmstud.-o.Abschl.MA  Volkswirtschaftslehre Programm ( POVersion: 1999 )     -  
Programmstud.-o.Abschl.MA  Wirtschaftsinformatik Programm ( POVersion: 1999 )     -  
Programmstud.-o.Abschl.MA  Wirtschaftspädagogik (WV) Programm ( POVersion: 1999 )     -  
Zuordnung zu Einrichtungen
Wirtschaftswissenschaftliche Fakultät, Wirtschaftsinformatik

The module Business Analytics and Data Science (BADS) is concerned with theories, concepts, and practices to inform and support managerial decision making by means of formal, data oriented methods. Students have the opportunity to develop a variety of skills, including:

  • Students are familiar with the three branches of descriptive, predictive and prescriptive analytics and appreciate the relationships between these streams.
  • Given some data, students are able to select appropriate techniques to summarize and visualize the data so as to maximize managerial insight.
  • Students understand the potential and also the limitations of predictive analytics to aid decision making. They comprehend when and how business applications can benefit from predictive analytics. Given some decision task, they are able to recommend suitable prediction methods.
  • Students are familiar with statistical programming languages. Using standard tools, they can develop basic and advanced prediction models and assess their accuracy in a statistically sound manner.

The lecture is accompanied by a tutorial session, in which lecture topics are further elaborated. The aim of the tutorial is to develop and assess empirical models using contemporary data science software. More specifically, the Python programming language is used in tutorial session. Students who are not familiar with Python are given an opportunity to learn Python/programming fundamentals in the first weeks of the tutorial sessions. In order to acquire the skills needed for the course in such short time frame, students must be prepared to invest ample time into self-study exercises.


StO/PO MA 2016: 6 LP, Modul: "Business Analytics and Data Science"


Written exam (90 min)


MA-WI Pflicht

Andere Master Wahlpflicht


Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WiSe 2023/24. Aktuelles Semester: SoSe 2024.
Humboldt-Universität zu Berlin | Unter den Linden 6 | D-10099 Berlin