Data Science for Business

🚀 Überfüllter Hörsaal? Auswendiglernen? Standardaufgaben? Klausur? - Das mache ich mal anders: Ich habe Studierende in reale Projekte 'geschubst', in denen sie erleben, wie Data Science tatsächlich in Unternehmen angewendet wird und wie sie ihre datenanalytischen Mehrwerte 'verkaufen' können. Dieser Ansatz bringt frischen Wind in die Ausbildung Ihrer zukünftigen Mitarbeiter.

Warum Praxisnähe zählt:

🎯 Schon im ersten Semester fordern unsere Studierenden (zurecht!) die praxisrelevante Bildung, sind dann aber verunsichert, wenn die 'gute alte Klausur' und das 'Skript zum Auswendiglernen' wegfallen.

Was ich ihnen stattdessen biete:

Real-World Projekte: 🌍

🌍 In Zusammenarbeit mit Branchenführern wie parcIT, RheinEnergie, dem Prüfungsverband deutscher Banken und Deloitte erleben unsere Studierenden, was es bedeutet, an echten Data Science-Projekten mitzuwirken – ein unersetzlicher Teil ihrer Ausbildung.

Was haben sie jetzt zum Semesterende wirklich gelernt? 📚🔧

Natürlich die Statistik - denn nicht anderes ist Analytics, Data Science oder eben KI.

Aber darüber hinaus - das ist das, worauf es später ankommt: Sie haben gelernt, wie sie mit Datenanalytik in Unternehmen wirklich einen Unterschied machen können. Über das permanente Sparring mit Praktikern und mir haben sie neben "der Methode" nämlich folgendes mitgenommen:

🗣️ Effektive Stakeholder-Kommunikation: Überzeugungskraft und klare Vermittlung.

📖 Storytelling für Entscheidungsträger: Daten lebendig und greifbar machen.

🎤 Überzeugende Präsentationstechniken: Komplexe Inhalte verständlich präsentieren.

👥 Integration von Kooperationspartnern in Projektphasen: Nahtlose Zusammenarbeit fördern.

📈 Teamorganisation und Projektmanagement: Projekte effizient von A bis Z führen.

🎓 Von der Theorie zur Praxis: Akademisches Wissen in echte Berufschancen umwandeln.

💻 Anwendung moderner Analytics-Software: Theoretisches Wissen praktisch anwenden.

📋 Nachvollziehbare Dokumentation: Transparente und verständliche Dokumentation der Arbeitsprozesse.

Mein Fazit - bzw. was ich erlebt habe:

✔️ Kontinuierliche Verbesserung: Die Teams haben ihre Arbeit und ihren Output laufend verbessert

✔️ Vielfältige Herangehensweisen an die Lösung echter Business-Herausforderungen und das Abwägen und Finden bester Entscheidungen

✔️ Bessere Präsentationen und Argumentationen als ich es von den "klassischen" Beratungshäusern kenne

Am Ende des Semesters steht für mich fest: Diese praxisorientierte Ausbildung rüstet die Studierenden optimal für die heutigen Herausforderungen der Arbeitswelt. Ich bin stolz, die neue Generation von Fach- und Führungskräften auf ihrem Weg begleiten zu können!

In diesem Semester ermöglicht der Prüfungsverband deutscher Banken e.V. eine besondere Kooperation: Unsere Studierenden konzipieren Vorhersagemodelle, die dazu beitragen, die Entwicklung wichtiger KPIs und Finanzindikatoren zu Kapital- und Risikopositionen deutscher Banken frühzeitig zu erkennen. Mit ihren Modellen unterstützen sie, die Resilienz des Bankensystems besser einschätzen zu können.

Einen Meilenstein in diesem Projekt bildete das jüngste "Bergfest", bei dem die Studierenden ihre Prognosemodelle vorstellten. Die Veranstaltung wurde durch eine Keynote von Andreas Hähndel, dem CEO des Prüfungsverbands, bereichert. Dieses Engagement zeigt noch einmal deutlich den Wert, den unsere Kooperationspartner unserer Ausbildung beimessen.

Diskussionen mit den PV-Experten wie Michel Bauch, dem Bereichsleiter für Methoden und Modelle, halfen dabei, die Modelle weiter zu verfeinern, wertvolle Praxiseinblicke zu gewinnen und den Studierenden die weitere Verbesserung der Modelle zu ermöglichen.

Neben der technischen Komponente legen wir auch einen großen Wert auf die Vermittlungsfähigkeiten unserer Studierenden. Ein Workshop zu Data Science Storylining und Kommunikation, geleitet von Hannah Völker von Deloitte, bot praktische Einblicke in effektive Kommunikationsstrategien mit Stakeholdern für komplexe Datenanalysen.

Der Prüfungsverband bot zudem Einblicke in aktuelle Projekte und eröffnete Möglichkeiten für Studierende, an diesen Themen im Rahmen von Masterarbeiten oder Forschungsprojekten weiterzuarbeiten.



Insgesamt stellt diese Kooperation einen wertvollen Brückenschlag zwischen Theorie und Praxis dar und bietet spannende Perspektiven für die Zukunft in der Finanzbranche am Standort Köln.

Mit #DataScienceForBusiness verproben unsere Studierenden MachineLearning Ansätze für die genossenschaftliche Finanzgruppe.

🤔 Wie erkenne ich eigentlich #Risiken bei Kreditnehmern möglichst frühzeitig? Einfache Frage. Schwierige Antwort.

🔍 So ging es vor 4 Monaten mit unserem aktuellen Kooperationsprojekt zwischen der Kölner parcIT GmbH und der Cologne University of Applied Sciences im DataScience-Projekt los. Gestern dann die Abschlusspräsentation des TH Teams ihres #Challenger-Modells und die Antwort auf die Frage: "Wie können #GenoBanken ihre Risikofrüherkennung optimal parametrisieren?"

💡 Was habe ich erlebt: Eine unglaublich gute #Unterstützung der Kölner parcIT bei datentechnisch und methodisch schwierigen Fragestellungen. Auch an dieser Stelle: Vielen Dank für Eure Unterstützung Kamilla Thierjung, Christoph Zilligen und Thomas Jagodzinsky !

📈 Ein TH Team, das sich stark über die Monate entwickelt hat: Wir haben technische Zwischenpräsentationen erlebt, ein gutes #Stakeholdermanagement, vielfältige Verprobungen unterschiedlicher Ansätze (#ImbalancedDatasets, #Sampling Methoden, #Boosting oder #FeatureEngineering u.v.m.!) und zuletzt: Eine erstklassig fokussierte #Managementpräsentation mit den Kernbotschaften. Klasse gemacht!

In diesem Semester bietet die Kooperation mit der Kölner Rheinenergie AG den Studierenden eine besondere Herausforderung in der 'Data Science Challenge':

Die Teilnehmer analysieren anonymisierte Beispieldaten der Rheinenergie, um zwei Hauptfragen zu untersuchen:

Wie kann das Kundenverständnis verbessert und die Kundeninteraktion effektiver gestaltet werden?

Das Projekt kennzeichnet sich durch eine offene Fragestellung in der Datenanalytik. Dies stellt eine besondere Herausforderung für das 4-köpfige Team der TH Köln dar, da es sowohl um die detaillierte Datenexploration als auch um ein Verständnis der bestehenden Prozesse bei der Rheinenergie geht.

Ein wichtiger Bestandteil des Projekts war das kürzlich stattgefundene 'Bergfest', bei dem die Studierenden ihre Zwischenergebnisse vorstellten und mit den Fachexperten der Rheinenergie Jörg Peine (Bereichsleiter B2C) und Rüdiger Krischok (Leiter Forderungsmanagement), sowie Lukas Uerlichs und Marc Hamacher, diskutierten.

Hierbei wurde die bisherige Arbeit evaluiert und die nächsten Schritte des Projekts geplant.



Diese Kooperation veranschaulicht den wertvollen Austausch zwischen akademischer Theorie und praktischer Anwendung und bietet interessante Einblicke für die zukünftige Entwicklung der Region.

Anfang Oktober ist unser neues Lehrsetting gestartet:

Wir freuen uns über das immense Interesse - Der Kurs war deutlich überbucht und kurzer Hand haben wir die Kapazität der Use Cases heraufgesetzt.

Aktuell arbeiten 7 Teams in unserer Finance- und HR-Challenge an den unterschiedlichen Fragestellungen zu Risk, Pricing, Social Media und JobMarket-Analytics.

Die TH Köln begleitet unser Modul in den nächsten Monaten in einer Blogpostreihe, die wir hier gerne verlinken.

➡️ Wie können Risiken vorhergesagt werden?
➡️ Wie kann ein Pricing verbessert werden?
➡️ Was sind Trending Topics in Social Media?
➡️ Welche Job Skills suchen Unternehmen bei Bewerberinnen und Bewerbern?

Antworten auf diese Fragen bieten #DataScience, #Analytics und #KI – kurzum die moderne Datenanalytik. Das Besondere: An der TH Köln lernen BWL-Studierende das nicht aus dem Lehrbuch, sondern in realen Business- und Forschungskontexten.

Im dritten Semester des Masters #MarktorientierteUnternehmensführung können die Studierenden an einer Finance- und HR-Challenge teilnehmen. Sie bilden Teams und entwickeln zusammen mit Partnern aus der Wirtschaft Use Cases, setzen Data Science-Projekte um und pitchen ihre Algorithmen vor den Praxispartnern aus den Bereichen #Banking, #Insurance, #Consulting und #Media.

Das neue semesterumfassende Projektsetting wird bis Februar in einer LinkedIn-Serie begleitet.

Im nächsten Post: Wie funktioniert die #LowCode #Analytics-Plattform KNIME, die die Studierenden zur Datenanalyse nutzen?

Thomas Hemmerle, parcIT GmbH:

parcIT und TH Köln starten gemeinsames Studierendenprojekt im Bereich „Machine Learning“

"Seit einigen Monaten ist man im Gespräch, nun kann es losgehen: Vier Studierende des Master-Studiengangs „Marktorientierte Unternehmensführung“ an der Technischen Hochschule Köln erhalten im Wintersemester 2022/2023 die Möglichkeit, gemeinsam mit der parcIT an der Entwicklung neuer Modelle für die Vorhersage von Sondertilgungsoptionen zu arbeiten."

Lesen Sie hier den gesamten Beitrag unseres Praxispartners parcIT:

Link zur parcIT Mediathek

Stephan Dürscheid, Markus Reiner (beide parcIT), Maximilian Schotten, Vladislav Stoev und Prof. Dr. Tobias Schlüter (von links)

In allen Use Cases arbeiten unsere Teams mit der OpenSource Software KNIME.

Egal ob Data Wrangling, Exploration, Summary Stats oder Predictive Analytics - die Anwendungen können einheitlich umgesetzt werden. Und auch bei der Datenbeschaffung rund um WebScraping, APIs, SocialMedia-Anbindung oder der Analyse unstrukturierter Daten wie bspw. im TextMining können unsere Teams in der selben Umgebung kollaborativ arbeiten. Und die, die Python nutzen möchten, integrieren dies einfach mittels Python-KNIME-Nodes.

In der Finance- & HR-Challenge des Masters #MarktorientierteUnternehmensführung widmen sich die Studierenden unterschiedlichen datenanalytischen Herausforderungen. Dazu benötigen sie eine Data-Science-Software, mit der sie schnell produktiv arbeiten und analytische Ergebnisse erzielen können, kurz: ein modernes #LowCode bzw. #NoCode-Analysewerkzeug.

Entschieden hat sich Dozent Prof. Dr. Tobias Schlüter für die deutsche Software #KNIME. Mit dieser Plattform können Studierende ohne Programmierkenntnisse auf verschiedene Technologien zur Datenverarbeitung zugreifen. Gleichzeitig können Programmiererfahrene mit #R- oder #Python-Kenntnissen ihre Codes auch direkt in dieser Software nutzen.

Eine Einführung in die benötigten Technologien gab Stefan Helfrich (Konstanz) vor Ort in Köln. Er unterstützt auch während des gesamten Semesters zusammen mit Aline Bessa (New York, USA) und Roberto Daniele Cadili (Rom, Italien). So lernen die Studierenden gleichzeitig die #internationale #kollaborative Zusammenarbeit und erhalten wertvolle Tipps rund um die Funktionalitäten der Plattform und den Aufbau von Workflows.

Im nächsten Post beginnt die Vorstellung der einzelnen Use Cases.

In diesem Use Case dreht sich alles um Social Media Analyse und Twitter im Besonderen. Was bewegt Data Scientist in Deutschland und der Welt? Welche Themen werden diskutiert?

Wie das unsere Studierenden machen? Sie verbinden KNIME mit der Twitter API, laden Tweets und analysieren sie mittels Text Mining Verfahren.

Im Ergebnis erhalten sie Einblicke in die Trending Topics von Praktikern.

Was sind die Trending Topics, also die angesagten Themen, für #DataScience, #Analytics und #AI?

Aktuell finden das Studierendenteams in der Finance- & HR-Challenge des Masters #MarktorientierteUnternehmensführung mit #SocialMediaAnalytics heraus: Hier geht es um #SocialListening – also das automatisierte Analysieren und Auswerten von Themen in Social Media, die Data Scientists und Führungskräfte in Analytics, Digitalisierung & Co. bewegen. Die Idee: Die Studierenden sollen erfahren, was Praktiker*innen aktuell interessiert – und nicht nur das lernen, was seit Jahren in Lehrbüchern steht.

Wie unterscheiden sich also die Themen in unterschiedlichen Regionen?

Welche Branchen sind besonders von den Veränderungen der Digitalisierung betroffen?

Wo verändert Data Science etablierte Geschäftsmodelle?

Die Herausforderung dabei: Social-Media-Datenquellen finden und Data Retrieval optimieren. Wie können zum Beispiel Millionen von Tweets auf Twitter automatisiert ausgewertet werden? Die Studierenden behandeln APIs, Webanalytics und Text Mining, um die Inhalte von Social-Media-Beiträgen analysierbar zu gestalten.

Im nächsten Post: Pricing Analytics für Versicherungen.

Kalkulationsmodelle für Versicherungsverträge basieren vor allem auf einer möglichst individuellen Analyse historischer Daten. Grundvoraussetzung für stabile und ausreichende Kalkulationen sind, dass erkannte Muster und Strukturen in historischen Daten auf die Zukunft übertragbar sind.

Und jetzt gibt es aber eine völlig neue Fahrzeugkategorie: Elektroautos.



Wie sehen deren Schadenprofile im Vergleich zu Verbrennern aus? Welche Implikationen hat das auf die Tarifierung? Mit welchen Data Science Methoden können Schadenhäufigkeiten und -höhen bestmöglich geschätzt und für die Kalkulation genutzt werden?

Zusammen mit Experten der PWC Actuarial Risk Modelling untersuchen dies zwei Studierendenteams in unserer Challenge.

Der Absatz neuer #Elektrofahrzeuge wächst rasant. Und was ist mit ihrer #Versicherung? Muss das #Pricing angepasst werden? Wie entwickeln sich #Schadendaten? In der Rolle eines Unternehmensberaters analysieren die Studierendenteams des Masters Marktorientierte Unternehmensführung Schadendaten und Pricingmodelle für elektrische Fahrzeuge:

In der Finance- und HR-Challenge fokussiert dieser Use Case die Auswirkungen der #Mobilitätswende auf den Versicherungsmarkt und die #Kalkulation im Besonderen. Mit Data Science Algorithmen prognostizieren die Studierenden Schäden und liefern wichtige Insights für die Kalkulation neuer auf E-Autos angepasster Versicherungsprodukte.

Dabei werden sie durchgehend von den Experten der PwC Actuarial Risk Modelling Services, Julia Alleröder, Manuel Grbac, Dr. Rafael Kurek und Halil Özlü, unterstützt.

Zwei besondere Highlights hat dieser Case: Die Thematik ist derart aktuell, dass die Studierenden zusammen mit PwC ihre Erkenntnisse auch auf dem diesjährigen #FaRis-Symposium den Experten der Versicherungsbranche präsentieren werden. Auch die Abschlusspräsentation im Januar wird im Kölner PwC-Office zusammen mit internationalen Partnern der PWC Actuarial Risk Modelling Services stattfinden.

Im nächsten Post: Customer Analytics mit der parcIT GmbH.

30.000 offene Jobs im Bereich Data Science:

Welche Unternehmen suchen? Welche Kompetenzprofile werden von Kandidaten in den Bereichen Data Science, Analytics oder Business Intelligence heute erwartet? Wo sind HotSpots für gute Jobs? Und welche Branchen suchen schwerpunktmäßig in welchen Regionen?

Wie man solche Informationen und Daten gewinnt, aufbereitet und interaktiv auswertbar gestaltet, lernen unsere Studierendenteams in dieser Challenge. Hierzu bauen sie Webscraping Technologien auf, führen TextAnalytics durch und analysieren die rd. 30.000 offenen Positionen im deutschsprachigen Raum für den Schwerpunkt "Datenanalytik".

#Digitalisierung – #Datenexperten – #Fachkräftemangel: Überall und immer öfter bleiben Stellen unbesetzt, Unternehmen finden keine Fachkräfte und die Produktivität sinkt. Für Hochschulen stellt sich daher die Frage: Was sind die #Skills der Zukunft? Welche Branchen suchen in welchen Regionen Mitarbeiter*innen mit speziellen #Kompetenzprofilen?

Diese Fragen werden in der aktuellen Finance- und HR-Challenge im Master Marktorientierte Unternehmensführung beantwortet: Im Use Case „Job Market Analytics“ analysieren die Studierenden den gesamten Stellenmarkt im Bereich Data Science / Business Intelligence und setzen hierfür #Webscraping- und #TextMining-Technologien mit Hilfe von #Python und #KNIME um.

Die generierten Insights zeigen leicht verständlich, welche Kompetenzen besonders gesucht sind, welche Branchen auf besondere Kompetenzprofile Wert legen und wie sich der Stellenmarkt in Deutschland verändert.

Die Challenge neigt sich dem Ende entgegen – die kommenden Posts zeigen die Ergebnishighlights der Challenge, die von Prof. Dr. Tobias Schlüter geleitet wird.

Vivian Bockhorn, Stephan Dürscheid, Dr. Markus Reiner, parcIT GmbH:

Erfolgreicher Abschluss für gemeinsames Studierendenprojekt mit TH Köln

Rund vier Monate lang herrschte reger Austausch, nun hat das Studierendenprojekt zwischen der parcIT und der Technischen Hochschule Köln im Wintersemester 2022/2023 einen erfolgreichen Abschluss gefunden. Beim finalen Präsentationstermin vor Ort in der parcIT stellten die vier Studierenden aus dem Master-Studiengang „Marktorientierte Unternehmensführung“ ihre Ergebnisse zur Entwicklung neuer Modelle für die Vorhersage von Sondertilgungsoptionen vor.

Lesen Sie hier den gesamten Beitrag unseres Praxispartners parcIT:

Link zur parcIT Mediathek

parcIT- und Studierendenteam der TH Köln

Unser Praxispartner KNIME zertifiziert die Teilnehmer unseres Moduls. So haben unsere Studierenden zusätzlich die Einschätzung des Data Science Softwareherstellers, die sie für Ihren späteren Berufseinstieg nutzen können:



1st Place in the Data Science for Business Challenge "Finance & HR" with KNIME - Fall 2022

Issued by KNIME

Earners of this badge successfully developed a project that delivered financial or HR insights using KNIME Analytics Platform. The outstanding implementation of data science techniques has generated excellent results.

Earning Criteria

Successfully completed an outstanding project with one of several industry partners on Job Market Analytics. Leveraging prior KNIME knowledge the earners have generated superior insights and presented them to the industry partners in multiple, excellent in-person sessions.