Data Science, d.h. der Erkenntnisgewinn aus Daten, ist seit Jahrhunderten zentraler Bestandteil wissenschaftlichen Bestrebens. Durch das Big-Data-Phänomen sowie Fortschritte in Datenverarbeitung und –analyse ergeben sich jedoch seit kurzem substanziell neue Fragestellungen und Möglichkeiten für Data Science. Dies stimulierte nicht nur neue Forschungsbestrebungen in der Wirtschaftsinformatik im Gebiet der Data Science, sondern hatte auch einen wesentlichen Einfluss auf traditionelle Forschungsgebiete der Wirtschaftsinformatik wie Business Intelligence und Decision Support Systeme. In diesem Track begrüßen wir die gesamte Vielfalt der wirtschaftsinformatischen Forschungsbestrebungen im Gebiet von Data Science & Business Analytics. Diese reichen von der Generierung, Erhebung und Repräsentation von (Big) Data, über Weiterentwicklungen von statistischen & maschinellen Lernverfahren, bis hin zu Anwendungen von Predictive und Presciptive Analytics in den verschiedensten betriebswirtschaftlichen Kontexten. Darüber hinaus lädt der Track Beiträge aus den Bereichen Business Intelligence, Data Warehousing und Decision Support Systeme, gerne auch im Kontext von Big Data, ein. Wir ermutigen die Einreichung von relevanten und originellen Beiträgen zu Data Science & Business Analytics unter Berücksichtigung der methodischen Breite des Forschungsgebiets, das sowohl qualitative als auch quantitative Forschungsarbeiten sowie gestaltungsorientierte Beiträge einschließt.
Mögliche Themen
- Big Data Erhebung, Speicherung und Integration
- (Big) Data Management, wie z.B. Datenqualitätsmanagement, Metadatenmanagement oder Data Governance
- Open Data und Marktplätze für Daten
- Predictive Analytics und Prescriptive Analytics
- Statistische und maschinelle Lernverfahren für Big Data, wie z.B. Web Analytics, Network Analytics, Streaming Analytics und Text Mining, sowie deren Anwendungen
- Visualisierung von Big Data und Visual Analytics
- Ökonomischer Wert und strategische Implikationen von Big Data, wie z.B. datengetriebene Innovationen
- Business Intelligence, Data Warehousing und In-Memory Analytics
- Decision Support Systeme
- Nutzung und Bedeutung von Business Analytics in Unternehmen
Track chairs
Prof. Dr. Barbara Dinter
Technische Universität Chemnitz
Prof. Dr. Jan Krämer
Universität Passau
Track Chairs kontaktieren
Associate Editors
Henning Baars, Universität Stuttgart
Ivo Blohm, Universität St.Gallen
Tobias Brandt, Albert-Ludwigs-Universität Freiburg
Ralf Buschermöhle, Hochschule Osnabrück / Fakultät Management, Kultur und Technik
Verena Dorner, KIT
Jan Fabian Ehmke , Freie Universität Berlin
Carsten Felden, TU Bergakademie Freiberg
Stefan Feuerriegel, Universität Freiburg
Christoph Flath, Universität Würzburg
Gilbert Fridgen, Universität Bayreuth
Burkhardt Funk, Universität Lüneburg
Michaela Geierhos, Universität Paderborn
Peter Gluchowski, Technische Universität Chemnitz
Gundula Heinatz Bürki, Mobiliar / Leiterin Mobiliar Lab für Analytik der ETH
Andreas Hilbert, Technische Universität Dresden
Christian Janiesch, Universität Würzburg
Hans-Georg Kemper, Universität Stuttgart
Ralf Knackstedt, Stiftung Universität Hildesheim
Stefan Lessmann, HU Berlin
Marco Meier, Universität Augsburg
Oliver Müller, IT University of Denmark, Kopenhagen, Dänemark
Torsten Priebe, Simplity
Bodo Rieger, Universität Osnabrück
Michael Scholz, Universität Passau
Thomas Setzer, KIT
Mariya Sodenkamp, Otto-Friedrich Universität Bamberg
Steffen Stock, Europäische Fachhochschule
Leena Suhl, Universität Paderborn
Jochen Wulf, IWI, Universität St.Gallen