Studierende werden in diesem Kurs mit den Rahmenbedingungen, Hintergründen und der Geschichte von Big Data und der zunehmenden Relevanz für die Finanzdienstleistungsbranche vertraut gemacht. Auf Grundlage der Erfolgsfaktoren (sog. fünf V) erfolgt u.a. eine umfassende Erarbeitung IT- und datenspezifischer sowie datenrechtlicher Anforderungen. Dies befähigt die Kursteilnehmer, sich im Detail mit prozess- und produktbezogenen Anwendungen von Data Mining und Big Data Management im Versicherungswesen zu beschäftigen und diese kritisch zu reflektieren. Methoden der Datenanalyse wie u. a. supervised and unsupervised learning, deep learning sowie diversen Techniken der Datenvisualisierung befähigen die Studierenden, mit Big Data in der Versicherungsbranche zu arbeiten. Anhand einer exemplarischen Case Study werden die Studierenden in die Lage versetzt, das Erlernte auf neue Sachverhalte innerhalb der VU zu transferieren.

1. Hintergründe und Geschichte von Big Data und seiner Applikationen in der Versicherungsbranche
   1. Definitionen und Abgrenzung
   2. Charakterisierung von Big Data anhand der fünf und weiterer „Vs“
   3. Datenschutz, -sicherheit und –integrität
2. Enabler der digitalen Transformation in der Versicherungsbranche
   1. Digitale Transformation
   2. Enabler
3. Anwendung von Data Mining und Big Data Management im Versicherungswesen
   1. IT-Architekturen und Datenhaltung
   2. Herausforderungen und Möglichkeiten
   3. Prozessbezogene Anwendungen
   4. Produktbezogene Anwendungen
4. Methoden der Datenanalyse
   1. Supervised and Unsupervised Learning
   2. Deep Learning
   3. Decision Trees
   4. Neuronale Netzwerke
   5. Schließen in Bayes’schen Netzen
   6. Regressionsanalyse
   7. High Performance und Cloud-Computing
   8. Predictive Modeling und Model Aggregation Methods
5. Techniken der Datenvisualisierung
   1. Grundsätze der Datenvisualisierung
   2. Visualisierungsansätze
   3. Visualisierungstools
6. Case Study: Big Data Management in der Versicherungsbranche
   1. Adoptionsprozess

Im Rahmen des Kurses werden den Studierenden die Anforderungen vermittelt, wie Chancen, die sich am Markt ergeben erkannt werden und wie passende digitale Innovationen in der Finanzdienstleistungsbranche entwickelt und erfolgreich implementiert werden können. Voraussetzung dafür ist ein detailliertes Verständnis der Bedeutung digitaler Innovationen für die Zukunftsfähigkeit der VU. Darüber hinaus werden die Kompetenzen der Modellbildung für digitale Geschäftsmodelle (u.a. in Form der Kundenanforderungen und Customer Journey) vermittelt. Es werden Möglichkeiten aufgezeigt, wie innovative Geschäftsmodelle für die Versicherungsbranche operationalisiert werden können. Zudem werden Trends im Bereich der digitalen Entwicklung der Branche besprochen. Eine Case Study zum digitalen Innovationsmanagement in der Versicherungsbranche ermöglicht den Studierenden, ihr erworbenes Wissen exemplarisch anzuwenden.

1. Digitalisierung, Innovation und Transformation in der Versicherungsbranche
   1. Definition und Abgrenzung
   2. Charakterisierung von Digital Insurance
   3. Innovationen in der digitalen Evolution
   4. Herausforderungen und Möglichkeiten digitaler Innovationen
2. Opportunity Recognition: Neue Chancen am Markt erkennen
   1. Prozesse des Wandels und Erkennen von Chancen
   2. Aktuelle Situation und aktuelle Entwicklungen in der Versicherungsbranche
   3. Vertriebswege
   4. Regulierung und Datenschutz
3. Modellbildungen zur digitalen Versicherung
   1. Voice of the Customer
   2. Customer Journey Analysis
   3. Corporate Digital Insurance
   4. Customer Equity und Customer Value of Digital Insurance
   5. Kritische Erfolgsfaktoren
4. Innovationsmanagement in der Versicherungsbranche
   1. Innovationsmodelle
   2. Zukünftige Herausforderungen an Innovationen in der Versicherungsbranche
5. Aktuelle Entwicklungen: konzeptionelle Innovationen
   1. Der Blue Ocean Shift
   2. Netzwerk-Imperativ (Prosumer und Netzwerk-Orchestrierung)
   3. Recruiting und Personalentwicklung in der digitalen Welt
6. Case Study "Digital Innovation Management in der Versicherungsbranche"
   1. Das RPA-Projekt
   2. Die Entscheidungsvorlage

Bei Business Intelligence geht es um die Generierung von Informationen auf Basis von Betriebsdaten. Sie dient dazu, zielorientierte Managementpraktiken sowie die Optimierung relevanter Geschäftsaktivitäten zu ermöglichen.

Dieser Kurs stellt Techniken, Methoden und Modelle für die Datenbereitstellung und die Erzeugung, Analyse und Verbreitung von Informationen vor und diskutiert sie.

1. Motivation und Einführung
   1. Motivation und historische Entwicklung des Feldes
   2. Business Intelligence als Framework
2. Datenbereitstellung
   1. Operative und dispositive Systeme
   2. Das Data-Warehouse-Konzept
   3. Architekturvarianten
3. Data Warehouse
   1. Der ETL-Prozess
   2. DWH- und Data-Mart-Konzepte
   3. ODS und Metadaten
4. Modellierung multidimensionaler Datenräume
   1. Datenmodellierung
   2. OLAP-Würfel
   3. Physikalische Speicherkonzepte
   4. Sternenschema und Schneeflockenschema
   5. Historisierung
5. Analytische Systeme
   1. Freiform-Datenanalyse und OLAP
   2. Berichtssysteme
   3. Modellbasierte Analysesysteme
   4. Konzeptorientierte Systeme
6. Verteilung und Zugriff
   1. Informationsverteilung
   2. Informationszugang
7. Aktuelle und zukünftige Anwendungsfelder von Business Intelligence
   1. Mobile Business Intelligence
   2. Predictive and Prescriptive Analytics
   3. Künstliche Intelligenz
   4. Agile Business Intelligence

Unter Anwendung und Vertiefung der im Kurs „Business Intelligence (I)“ vermittelten Inhalte erstellen die Studierenden in diesem Kurs selbstständig eine Seminararbeit.

Dementsprechend werden die Studierenden mit der Methodik der Erarbeitung einer Seminararbeit vertraut gemacht. Dabei wird auf die Bereiche Recherche, Methodik und Analyse im Besonderen eingegangen. Die Studierenden wählen in Abstimmung mit dem Seminarleiter ein konkretes Thema aus dem bereitgestellten Themenkatalog aus und bearbeiten es in Form einer 7–10-seitigen Seminararbeit (unter Beachtung der Vorgaben im Leitfaden für Seminararbeiten).

Hierbei sollen die Studierenden auch mit dem Thema Literaturrecherche vertraut gemacht werden. Zwischenschritte in der Entwicklung der Seminararbeit werden online oder in den Tutorien diskutiert. Bei diesen Diskussionen sollte auf die Logik der Methodik und auf die Analyse besonders eingegangen werden.

• In diesem Kurs wird ein ausgewähltes Themengebiet aus dem Bereich Business Intelligence. Ein aktueller und in der Online-Plattform des Moduls bereitgestellter Themenkatalog bietet die inhaltliche Basis und kann vom Seminarleiter ergänzt bzw. aktualisiert werden.