Stand: WiSe 2025
| Name | Supply Chain Finance | |
| Katalog-Nummer | FK 10#SCM#M6.9 | |
| Zugehörigkeit zu Curriculum |
Master Betriebswirtschaft | M6.9 | 5 Leistungspunkte
|
|
| Modulverantwortung |
Krischke, Andre (Prof. Dr.)
|
|
| Lehrende | ||
| Prüfung(en) |
Prüfungsform: ModA 80 % und Präs 20 %.
Detailangaben:
Organisation – Zielsetzung des Seminars • Zielsetzung des Seminars ist es, dass Sie sich einen fundierten Überblick über die vielfältige Thematik von Business Analytics erarbeiten; die fachliche „Klammer“ bildet dabei das Supply Chain Finance & Risiko Management • Geplant ist es die Theorie mit Hilfe eines Praxisprojekt in Kooperation mit einer Firma zu vertiefen; beim Vorgehen werden Sie sich an einem praxisnahen Problemlösungsprozess PLP – ähnliche ein (Beratungs-) Projekt – orientieren, den wir gemeinsam mit dem Praxispartner simulieren • Die Prüfungsform ist eine schriftliche Modularbeit (80%) – als Ausformulierung und Reflektion der Inhalte und Aktivitäten im PLP - und eine Note der laufenden Präsentationen (20%) vor dem Praxispartner
Prüfungsmodalitäten – Termine • Beginn der Bearbeitung: 28. März 2025 • Spätester Rücktritt von der Prüfung bis 28. April 2025 • Vorbereitung und Durchführung von ca. 2-3 Terminen (Daten TBD) mit/beim Praxispartner; geht als mündliche Note (20%) in finale Bewertung ein • Durchführung von Interviews beim Praxispartner im Mai und Juni, die Ergebnisse gehen in die Präsentationen und die Studienarbeit ein • Abgabe der schriftlichen Modularbeit (80%) durch JEDEN Teilnehmer*
Prüfungsmodalitäten – Modularbeit • Die Modularbeit setzt sich aus den im Seminar, Coaching-Terminen und Präsentationen diskutierten Themen zusammen • Es wird je EINE Modularbeit je Team angefertigt, jedoch muss jeder Abschnitt der Modularbeit eineindeutig einem Studierenden zugeordnet sein • Inhaltlich soll die Modularbeit • Die wesentlichen Aspekte der im Rahmen des Seminars bekanntgegebenen Literatur darstellen und darüber hinaus • Die wesentlichen Aspekte der Diskussion und Schlussfolgerungen des Seminars beinhalten • Als Abschluss sind bei jedem Thema eine kritische Würdigung und mögliche weitere Ansätze für Forschung & Praxis zu erläutern • Den durchgeführten Problemlösungsprozess kritisch reflektieren
Prüfungsmodalitäten – Format Modularbeit • Deckblatt (Namen, Matrikelnummer des gesamten Teams) • Gliederung der Themenfelder und Untergliederung in Kernfragen • (Annähernd) gleichmäßige Verteilung der Themen/Kernfragen auf die Teilnehmer des Teams und eineindeutig Zuordnung zum Studierenden • Verzeichnisse: Abkürzungs-, Abbildungs- und Literaturverzeichnis • Weitere Formalia: • Der Gesamtumfang soll mindestens 12.000 Wörter betragen (also ca. 8-10 Seiten je Teilnehmer) – Bei weniger als 5 Teilnehmern je Team ist Umfang proportional zu kürzen; bei 4 Teilnehmern also 80% • In den Anhang können die Teams Screenshots der 10 wichtigsten angefertigten Folien (2 pro Seite einfügen) mit einem kleinen Inhaltsverzeichnis und Bildunterschriften einfügen; jede Folie zählt 200 Worte • Damit ergibt sich eine Wortanzahl im ausformulierten Teil von 10.000 (ca. 34 Seiten o. Abbildungen/5 = 5 Seiten pro Teammitglied) • Schriftart Arial, Schriftgröße 12pt und Zeilenabstand einfach • Ausgewählte Darstellungen können aus den zitierten Quellen können übernommen werden, falls Sie die gemachten Aussagen unterstützen; die Anzahl sollte aber nicht mehr als 5 Darstellungen pro Thema betragen • Formal sauberes Zitieren, durchgehend nach einem System innerhalb einer Modularbeit eines Teams • -Einheitliche Form und Stil innerhalb einer Modularbeit eines Teams • Ehrenwörtliche Erklärung verpflichtend (Formulierung siehe Anhang) Hildsmittel:
Prüfende:
Krischke, Andre (Prof. Dr.)
, Weber, Dirk (Prof. Dr.)
|
|
| Lehr- und Lernform(en) |
| 4 SWS | SU - wird nicht angeboten
|
|
| Arbeitsaufwand |
Präsenzzeit: 0 Stunden
Selbststudium, Vor- und Nachbereitung, Prüfungsvorbereitung: 0 Stunden
|
|
|
Voraussetzungen
|
|
|
|
Verwendbarkeit
|
|
|
| Inhalt / Lernziele |
Lernziele / Kompetenzen Unter dem Einfluss der Digitalisierung wandeln sich die traditionellen linearen Supply Chains zu komplexen Supply Chain Netzwerken in denen weniger die interne Optimierung einzelner Aktivitäten als die unternehmensübergreifende Koordination vor allem der Prozesse an den Schnittstellen eine zunehmende Rolle spielt. Dabei bietet die zunehmende verfügbare Datenmenge im Sinne von Big Data neue Möglichkeiten der Analyse zur Verbesserung dieser Prozesse. Dazu muss jedoch über einen wohl strukturierten Prozess aus reinen Daten und Informationen Erkenntnisse gewonnen werden, auf deren Basis Entscheidungen getroffen werden können. Dazu wird das gesamte Spektrum der Analysemethoden von Deskriptiver Analytik über diagnostische und prädiktive Verfahren hin zu präskriptiven Analysemethoden in Anwendung auf die Entscheidungen die typischerweise in Supply Chains getroffen werden müssen untersucht. Eine besondere Betonung liegt hierbei auf den finanziellen Auswirkungen und Zusammenhängen entlang der Wertschöpfungskette. Inhalte
Eingesetzte Methoden der Betriebswirtschaftslehre r Modelle und Methoden der Analyse (Forschungs- und Analysemodelle): · Einbindung der Ansätze in Supply Chain Research Methoden r Quantitativ-Empirische Methoden (Vergleichende – statistische, mathematische Methode, Datenanalysen): · Diskussion und Anwendung diverser Data-Science Methoden (s.o.) r Qualitativ-Interpretative Methoden (Experteninterview, Umfragen, standardisierte Erhebungen): · Überprüfung der Ergebnisse im Rahmen der Fallstudien an Hand empirischer Daten Lehr-und Lernmethoden:
Literatur · Aggarwal, Charu C. (2015): Data Mining. The textbook. Cham: Springer. · Andrienko, Natalia; Andrienko, Gennady (2006): Exploratory Analysis of Spatial and Temporal Data. A Systematic Approach. Berlin, Heidelberg: Springer-Verlag Berlin Heidelberg. · Bagchi, Tapan (2018): FACTORY ANALYTICS. A Door Opener to make Factories Profitable: Independently published. · Berthold, Michael (Hg.) (2003): Intelligent data analysis. An introduction. 2nd, rev. and extended ed. Berlin: Springer. · Bloching, Björn; Luck, Lars; Ramge, Thomas (2015): Smart Data. Datenstrategien, die Kunden wirklich wollen und Unternehmen wirklich nützen: redline Verlag. · Cady, Field (2017): The data science handbook. · Cleve, Jürgen; Lämmel, Uwe (2016): Data Mining (De Gruyter Studium). 2., aktual. Aufl., 2nd updated ed.: De Gruyter Oldenbourg (De Gruyter Studium). · Davenport, Thomas H.; Harris, Jeanne G.; Morison, Robert (2010): Analytics at work. Smarter decisions, better results. Boston, Mass: Harvard Business Press. · Downey, Allen B. (2018): Think Python. Think Python. · Elsner, Martin; González, Glenn; Raben, Mark (2018): SAP Leonardo. Design Thinking, Internet der Dinge, Machine Learning, Big Data, Analytics und Blockchain mit SAP (SAP PRESS). 1. Aufl.: SAP PRESS. · Gandhi, Sharad; Ehl, Christian (2018): AI & U. Translating artificial intelligence into business. · Kohli, Manu (2018): Introducing Machine Learning with SAP Leonardo: SAP PRESS. · Murray, Daniel G. (2013): Tableau your data. Indianapolis, IN: Wiley. · NITIN KALe; NANCY JONES (2018): PRACTICAL ANALYTICS. · Provost, Foster; Fawcett, Tom (2017): Data Science für Unternehmen. Data Mining und datenanalytisches Denken praktisch anwenden (mitp Business). 1. Auflage 2017: mitp. · Rose, Doug (2016): Data Science. Create Teams That Ask the Right Questions and Deliver Real Value. · Sharda, Ramesh (2018): Business intelligence, analytics, and data science. Business intelligence, analytics, and data science. fourth edition, global edition. · Stubbs, Evan (2011): The value of business analytics. Identifying the path to profitability. Hoboken, NJ: Wiley (Wiley & SAS business series). · Watson, Michael; Nelson, Derek (2014): Managerial analytics. Upper Saddle River, NJ: Pearson. |
|