MLU
WIW.06745.03 - People Analytics (Complete module description)
Original version English
WIW.06745.03 5 CP
Module label People Analytics
Module code WIW.06745.03
Semester of first implementation
Faculty/Institute Wirtschaftswissenschaftlicher Bereich - School of Economics and Business
Module used in courses of study / semesters
  • Human Resources Management (MA120 LP) (Master) > Betriebswirtschaftslehre HumanRes.ManagementMA120, Version of accreditation (SS 2016 - SS 2020) > 2. Bereich Human Resource Management: Methoden und Instrumente
  • Human Resources Management (MA120 LP) (Master) > Betriebswirtschaftslehre HumanRes.ManagementMA120, Version of accreditation valid from WS 2019/20 > Pflichtmodule
  • Human Resources Management (MA120 LP) (Master) > Betriebswirtschaftslehre HumanRes.ManagementMA120, Version of accreditation (WS 2020/21 - SoSe 2023) > Pflichtmodule
Responsible person for this module
Further responsible persons
Prof. Dr. Anne-Katrin Neyer
Prerequisites
Skills to be acquired in this module
Studierende...
  • können die Relevanz und Wertschöpfung von datenbasierten Entscheidungsfindungen im Kontext von Personalentscheidungen verdeutlichen,
  • können aktuellen Methoden, analytische Ansätze und Metriken zur Beantwortung von Fragestellungen rund um die Funktionen des HR-Bereiches darstellen,
  • kennen die Grundlagen hinsichtlich der Generierung von Daten im HR-Bereich,
  • kennen die theoretischen Grundlagen im Bereich Business Intelligence und Data Warehouses und können diese anwenden,
  • kennen die wichtigsten Grundlagen von Python (R) zur praktischen Anwendung der datenbasierten Entscheidungsfindung und können diese erläutern,
  • können die wichtigsten theoretischen Grundlagen des Machine Learnings reflektieren,
Module contents
  • Grundlegende Begrifflichkeiten rund um People Analytics
  • Klassifizierung von Daten im HR-Bereich
  • Grundlegende Methoden der Datenanalyse im HR-Bereich
  • BI-Systemarchitektur: grundlegende BI-Methoden und Technologien
  • Grundlagen Python: Schleifen, Variablen, grundlegende Datenstrukturen wie Listen, Strings etc.
Forms of instruction Lecture (2 SWS)
Course
Exercises (2 SWS)
Course
Course
Course
Languages of instruction German, English
Duration (semesters) 1 Semester Semester
Module frequency jedes Wintersemester
Module capacity unlimited
Time of examination
Credit points 5 CP
Share on module final degree Course 1: %; Course 2: %; Course 3: %; Course 4: %; Course 5: %; Course 5: %.
Share of module grade on the course of study's final grade 1
Module course label Course type Course title SWS Workload of compulsory attendance Workload of preparation / homework etc Workload of independent learning Workload (examination and preparation) Sum workload
Course 1 Lecture Vorlesung 2 0
Course 2 Course Selbststudium 0
Course 3 Exercises Übung 2 0
Course 4 Course Selbststudium 0
Course 5 Course Prüfungsvorbereitung 0
Course 5 Course Schriftliche Ausarbeitung 0
Workload by module 150 150
Total module workload 150
Examination Exam prerequisites Type of examination
Course 1
Course 2
Course 3
Course 4
Course 5
Course 5
Final exam of module
Klausur
Exam repetition information
Prerequisites and conditions Prerequisites Frequency Compulsory attendance Share on module grade in percent
Course 1 Winter semester No %
Course 2 Winter semester No %
Course 3 Winter semester No %
Course 4 Winter semester No %
Course 5 Winter semester No %
Course 5 Winter semester No %