Im "Projektkurs Data Science & Business Analytics" lernt ihr bereits in eurem dritten und vierten Semester im Bachelor Wirtschaftswissenschaften an der Uni Ulm innovative Lehrmethoden kennen: Ihr arbeitet in Teams von drei Personen an Projekten, um Antworten auf wichtige Fragen aus der BWL und VWL mit realen Datensätzen zu finden. Die Ergebnisse eurer Projekte fasst ihr in einer Projektausarbeitung zusammen und präsentiert eure Kernergebnisse in einem Screencast. So erlernt ihr bereits im Studium Soft Skills zur Teamarbeit und Projektkoordination und trainiert eure Fähigkeiten der Datenanalyse, euer ökonomisches Verständnis und eure Präsentationsfähigkeiten.

Die Universität Ulm hat dieses innovative Konzept im Jahr 2021 mit dem Universitätslehrpreis gewürdigt.

Warum werde ich als WiWi bereits in den Pflichtkursen zu einem Data Science Experten?

Beispiel gefällig? Im Wintersemester 2022/2023 haben die Studierenden sich die Inflation im Euroraum näher angeschaut!

Eine Ausarbeitung von Julian Schmidt, Felix Langer und Florian Wiesbeck.


Flipped Classroom: Die etwas andere Lehre

Du willst mehr als nur eine Vorlesung? Dann bist du hier richtig!

In diesem Kurs lernst du nicht nur die Theorie, sondern auch die Praxis. Und das Beste: Du kannst selbst bestimmen, wann und wie du lernst. Wir bieten dir jede Woche 2-3 spannende Lehrvideos an, die du dir anschauen kannst, wann immer du willst. In den Lehrvideos erfährst du alles, was du über Programmieren in R, Datenvisualisierung, deskriptive Analyse und kausale Inferenz wissen musst um für die späteren Projekte gewappnet zu sein. In der Vorlesung wendest du dein Wissen dann an einer echten Case-Study an. Du arbeitest mit deinen Kommilitonen zusammen und löst spannende Probleme aus der realen Welt. Und wenn du noch mehr üben willst, haben wir für dich interaktive RTutor Problem Sets vorbereitet, mit denen du dein Programmierkönnen auf die Probe stellen kannst.

Kurze Lehrvideos

Durch kurze Lervideos lernst du kompakt alles was du an theoretischen Inhalten brauchst.

Case-Study in der Vorlesung

In einer vorlesungsbegleitenden Case-Study erforschst du die Arbeitslosigkeit in Deutschland mit Daten. Du lernst, wie du Daten sammeln, aufbereiten, analysieren und interpretieren kannst. Diese Case Study erstreckt sich über zwei Semester und du lernst, wie du:

Teil 1: Daten aus dem Internet herunterladen, in R importieren, bereinigen und zusammenführen kannst.

Teil 2: Daten statistisch beschreiben und grafisch darstellen kannst.

Teil 3: Eigene statistische Analysen in R durchzuführen. Weiterhin lernst du einzuschätzen, ob deine Ergebnisse kausal interpretiert werden können.

Neben der Case-Study lernst du im zweiten Semester, wann statistische Analysen kausal interpretiert werden können anhand:

Eines Feldexperiments

Einer Simulationsstudie zu Instrumentalvariablenschätzungen

Interaktive RTutor Problem Sets

Du lernst mittels interaktiven R-Tutor Problem Sets, was es heißt, seine eigene Datenanalyse zu machen. Willst du sehen, wie das aussieht? Probier es doch selbst aus, hier ist das erste Problem Set.


Hands-On: Löse spannende Projekte aus der Praxis

Datenanalyse ist mehr als nur Zahlen und Tabellen. Datenanalyse ist eine Kunst, die ihr in unserem Projektkurs meistern könnt!

Wie könnt ihr eure neu erworbenen Datenanalysefähigkeiten in der Praxis anwenden? Das erfahrt ihr am besten an konkreten Fragestellungen, die euch herausfordern und begeistern. Im Projektkurs gibt es jedes Semester neue, spannende Projekte, die ihr in euren Gruppen bearbeitet. Ihr werdet dabei von unseren erfahrenen Dozenten betreut und zusätzlich von Tutoren unterstützt.

Am Ende eines jeden Projekts zeigt ihr eure Ergebnisse in einer 5-minütigen Kurzpräsentation, die ihr mittels Screencast aufnehmt. Das ist eine tolle Möglichkeit, eure Präsentationsfähigkeiten zu verbessern und euer Portfolio zu erweitern.

Ihr wollt wissen, wie solche Projekte aussehen? Hier haben wir euch ein paar Projekte aus den letzten Semestern zusammengestellt, präsentiert von den Studierenden selbst!

Uber und Lyft in Chicago

In diesem Projekt haben die Studierenden Daten zu Uber und Lyft Fahrten in Chicago analysiert und Empfehlungen für Uber Fahrer bezüglich Gewinnmaximierung ihrer Fahrten und der Stadt Chicago bzgl. Stadtplanung abgegeben. Simon Hofer, Daniel Rauser und Alexander Wilhelm haben die hier vorgestellten Analysen in ihrem Projekt erarbeitet.

Trifft Corona alle gleich?

In diesem Projekt haben sich die Studierenden die Corona Inzidenzen in deutschen Städten näher angeschaut und speziell unterschiedliche Stadtteile von Düsseldorf. Basierend darauf haben Sie Empfehlungen für eine effektivere Bekämpfung von Corona abgegeben. Die Ergebnisse und Präsentation stammen von Leonie Embacher, Ralf Groß und Zoe Purovic.

Wer nutzt eine Krankenversicherung?

In diesem Projekt haben sich die Studierenden die Ausweitung der gesetzlichen Krankenversicherung Medicaid in Oregon (Amerika) angeschaut. Da diese Ausweitung durch ein Feldexperiment wissenschaftlich begleitet wurde und die Daten öffentlich verfügbar sind, konnten die Studierenden hier interessante Erkenntnisse gewinnen. Doch seht selbst im Vortrag von Laurin Gessler, Emily Maximiuc und Oliver Pesch.


Über den Tellerrand schauen und voneinander lernen

In dieser Vorlesung werdet ihr zu echten Experten für Datenanalyse. Ihr lernt, wie ihr spannende Fragen mit Daten beantworten könnt und wie ihr eure Ergebnisse überzeugend präsentiert. Aber das ist noch nicht alles. Ihr lernt auch, wie ihr selbst kritisch und konstruktiv Feedback geben könnt, und wie ihr als Gruppe dieses Feedback eurer Mitstudierenden nutzt, um eure eigene Arbeit zu verbessern und neue Perspektiven zu entdecken. Dafür haben wir verschiedene Feedbackmethoden in der Vorlesung etabliert:

Peer Review Verfahren

In diesem Kurs lernst du, wie du kritisches und konstruktives Feedback geben kannst.

  • In der Vorlesung: Mit dem Dozenten besprichst du, was gutes Feedback ausmacht. Du lernst, wie du die Stärken und Schwächen einer Projektausarbeitung erkennen und formulieren kannst. Du lernst auch, wie du konkrete Vorschläge zur Verbesserung machen kannst.
  • Nach jedem Projekt: Du schreibst einen Peer-Review Report, bei dem du eine Ausarbeitung einer anderen Gruppe aus deinem Kurs bewertest. Du gibst ihnen anonym dein Feedback, das sie dann lesen und umsetzen können. So hilfst du ihnen, ihre Projekte zu verbessern und lernst selbst, wie du Feedback geben kannst.

Dadurch schärfst du deine Kommunikations- und Bewertungsfähigkeiten und hilfst gleichzeitig deinen Mitstudierenden. 

Feedback von Tutoren und Dozenten

Neben dem Feedback der Mitstudierenden durch das Peer-Review erhält jede Gruppe auch Feedback von einem Tutor und dem Dozenten nach jedem Projekt. Somit habt ihr als Gruppe ein umfassendes Bild bezüglich der Qualität eurer Projektarbeit und könnt an euren Stärken und Schwächen arbeiten.