Lernergebnisse
Die Studierenden erwerben die Fähigkeit, datenbasierte Entscheidungen für unterschiedliche logistische Problemstellungen zu treffen. Hierzu wenden sie problemorientiert Analyseverfahren aus dem Bereich der Descriptive, Predictive und Prescriptive Analytics an, bewerten deren Ergebnisse kritisch und lernen, diese Verfahren sinnvoll zu verknüpfen, um auch komplexere Fragestellungen zu bearbeiten. Im Fokus stehen dabei nicht nur die Methoden selbst, sondern insbesondere ihre zielgerichtete Anwendung auf praxisnahe Problemstellungen sowie der bewusste Umgang mit Unsicherheiten in den Analyseergebnissen.
Die Auswahl der logistischen Fragestellungen ist vielfältig gestaltet. Die Studierenden befassen sich unter anderem mit der Analyse von Nachfrage- und Preisentwicklungen, der Prognose von Transportzeiten, der Netzwerkplanung, dem Ausgleich von Angebot und Nachfrage, der Produktklassifizierung, Warenkorbanalysen sowie der Bewertung von Wertschöpfungspartnern. Dabei erlernen sie, die Methoden flexibel auf neue Herausforderungen zu übertragen und die Ergebnisse kritisch zu hinterfragen.
Im Rahmen der Veranstaltung arbeiten die Studierenden intensiv mit der interpretativen Programmiersprache R und den zugehörigen R Markdown Notebooks. Gleichzeitig vertiefen sie ihre Kenntnisse im Umgang mit MS Excel. Sie lernen, große Datenmengen gezielt zu nutzen, um Geschäftsprozesse zu identifizieren, die sich negativ auf die Nachhaltigkeit eines Unternehmens auswirken. Darüber hinaus erfahren sie, wie solche Erkenntnisse im Unternehmenskontext kommuniziert werden können und welche Maßnahmen zur Verbesserung der Nachhaltigkeit in den betroffenen Logistikprozessen ergriffen werden können.
