MLU
WIW.06745.03 - People Analytics (Vollständige Modulbeschreibung)
Originalfassung Englisch
WIW.06745.03 5 CP
Modulbezeichnung People Analytics
Modulcode WIW.06745.03
Semester der erstmaligen Durchführung
Fachbereich/Institut Wirtschaftswissenschaftlicher Bereich - School of Economics and Business
Verwendet in Studiengängen / Semestern
  • Human Resources Management (MA120 LP) (Master) > Betriebswirtschaftslehre HumanRes.ManagementMA120, Akkreditierungsfassung gültig ab WS 2019/20 > Pflichtmodule
  • Human Resources Management (MA120 LP) (Master) > Betriebswirtschaftslehre HumanRes.ManagementMA120, Akkreditierungsfassung (SS 2016 - SS 2020) > 2. Bereich Human Resource Management: Methoden und Instrumente
  • Human Resources Management (MA120 LP) (Master) > Betriebswirtschaftslehre HumanRes.ManagementMA120, Akkreditierungsfassung (WS 2020/21 - SoSe 2023) > Pflichtmodule
Modulverantwortliche/r
Weitere verantwortliche Personen
Prof. Dr. Anne-Katrin Neyer
Teilnahmevoraussetzungen
Kompetenzziele
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,
Modulinhalte
  • 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.
Lehrveranstaltungsformen Vorlesung (2 SWS)
Kursus
Übung (2 SWS)
Kursus
Kursus
Kursus
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester Semester
Angebotsrhythmus Modul jedes Wintersemester
Aufnahmekapazität Modul unbegrenzt
Prüfungsebene
Credit-Points 5 CP
Modulabschlussnote LV 1: %; LV 2: %; LV 3: %; LV 4: %; LV 5: %; LV 5: %.
Faktor der Modulnote für die Endnote des Studiengangs 1
Modulveran­staltung Lehrveranstaltungs­form Veranstaltungs­titel SWS Workload Präsenz Workload Vor- / Nach­bereitung Workload selbstge­staltete Arbeit Workload Prüfung incl. Vorbereitung Workload Summe
LV 1 Vorlesung Vorlesung 2 0
LV 2 Kursus Selbststudium 0
LV 3 Übung Übung 2 0
LV 4 Kursus Selbststudium 0
LV 5 Kursus Prüfungsvorbereitung 0
LV 5 Kursus Schriftliche Ausarbeitung 0
Workload modulbezogen 150 150
Workload Modul insgesamt 150
Prüfung Prüfungsvorleistung Prüfungsform
LV 1
LV 2
LV 3
LV 4
LV 5
LV 5
Gesamtmodul
Klausur
Wiederholungsprüfung
Regularien Teilnahme­voraussetzungen Angebots­rhythmus Anwesenheits­pflicht Gewicht an Modulnote in %
LV 1 Wintersemester Nein %
LV 2 Wintersemester Nein %
LV 3 Wintersemester Nein %
LV 4 Wintersemester Nein %
LV 5 Wintersemester Nein %
LV 5 Wintersemester Nein %