Business Analytics Talks

Das primäre Ziel von Business Analytics ist es Daten zu nutzen, um einen Mehrwert für Einzelpersonen, Unternehmen und Organisationen zu schaffen. Um dieses Ziel zu erreichen, deckt Business Analytics die gesamte Pipeline von der Datengenerierung, -sammlung und -verwaltung über das Feature Engineering und die Datenvorverarbeitung bis hin zum maschinellen Lernen, der Ableitung von Entscheidungen sowie der Kommunikation von Ergebnissen ab. In den letzten zehn Jahren hat ein Großteil der Forschung im Bereich Business Analytics Innovationen im maschinellen Lernen hervorgebracht. Allerdings stellt maschinelles Lernen oft nur einen winzigen Teil der gesamten Pipeline dar, während andere Teile ähnlich wichtig oder sogar noch wichtiger für die erfolgreiche Umsetzung eines Business-Analytics-Projekts sein können. Um diese Lücke zu schließen, bieten wir mit dem Track Business Analytics Talks die Möglichkeit, entscheidende Aspekte entlang der gesamten Pipeline von Business-Analytics-Projekten zu diskutieren.

Beitragsformate

Wir laden zur Einreichung der folgenden zwei Beitragsformate ein:

  1. Business Analytics Tweak Report: Wir laden Einreichungen ein, die Ideen innerhalb der Business Analytics Pipeline beschreiben, welche in der Vergangenheit empirisch Erfolg zeigten und es wert sind, in der Theorie diskutiert zu werden. Es wird erwartet, dass diese Ideen bereits einer ersten (vorläufigen) Evaluation unterzogen wurden. Die Evaluationen müssen aber nicht vollständig abgeschlossen sein. Die Autoren werden dahingehend ermutigt, erste Evaluationsergebnisse zu berichten und zu diskutieren.

  2. Business Analytics Pitfall Report: Wir begrüßen ebenfalls Einreichungen, die Ideen beschreiben, welche in der Vergangenheit zu negativen Ergebnissen führten, aber die es dennoch wert sind, in der Theorie diskutiert zu werden. Es wird erwartet, dass die Autoren die Gründe oder mögliche Ursachen für die negativen Ergebnisse klar beschreiben. Das Ziel hier ist es, einen Ort für derartige Forschung zu schaffen, die für die breitere Gemeinschaft von Interesse ist, aber dennoch unveröffentlicht bleiben könnte. Wir glauben, dass derartige Forschung unglaublich nützlich sein kann, um andere Forscher oder Praktiker davon abzuhalten, ähnliche, letztlich erfolglose Ideen zu verfolgen.

Für beide Beitragsformate werden die Einreichungen auf der Grundlage ihres potenziellen Beitrags für die Praxis und Forschung sowie ihres Potenzials für anregende Diskussionen bewertet.

Anforderungen an die Einreichung

Die Einreichungen können in deutscher oder englischer Sprache verfasst werden und müssen als Extended Abstracts erstellt werden, die der Standard-Einreichungsvorlage folgen (siehe https://www.wi22.de/call-for-papers/). Die Beiträge beginnen mit einem Abstract von max. 150 Wörtern und drei bis fünf Keywords. Außerdem ist die Seitenanzahl inklusive aller Inhalte (d.h. inklusive Abstract und Referenzen) auf vier Seiten begrenzt.

Die Beiträge können ausschließlich über das Online-Review-System der Konferenz (https://www.conftool.pro/wi22/) in den folgenden Formaten eingereicht werden:

  • Ersteinreichung (anonyme Version zur Begutachtung): pdf-Dokument
  • Endgültige Einreichung (druckfertige Version): pdf-Dokument

Veröffentlichung

Angenommene Beiträge werden in der AIS Electronic Library veröffentlicht.

Präsentation

Angenommene Beiträge werden in einer separaten “Business Analytics Talks”-Session als 30-minütige Vorträge präsentiert. In jedem Vortrag sind die ersten 15 Minuten für eine Präsentation und die letzten 15 Minuten für eine Diskussion reserviert. Die Präsentation sollte in englischer Sprache verfasst sein. Die Hauptidee dieses Formats ist es, Forscher und Praktiker zu ermutigen, ihre Erfahrungen aus der Praxis zu diskutieren und Wissen auszutauschen, das zu erfolgreichen Business Analytics Projekten führt.

Mögliche Forschungsthemen

Die Forschung aus beiden Beitragsformaten kann Themen aus verschiedenen Geschäftskontexten abdecken. Exemplarische, aber nicht ausschließliche Themenschwerpunkte sind:

  • Die Erzeugung, Sammlung, Verwaltung, Darstellung und Visualisierung von Daten,
  • Anwendungen der deskriptiven, prädiktiven und präskriptiven Analytik,
  • Fortschritte bei statistischen und maschinellen Lerntechniken,
  • Techniken zur Kommunikation von Business-Analytics-Ergebnissen an das Management,
  • Techniken für das Management von Business-Analytics-Projekten,
  • Ethische und rechtliche Aspekte der Business-Analytik.

Zeitplan für den Begutachtungsprozess

Die Einreichungsfrist und die endgültige Entscheidung sind auf die Termine der regulären, wissenschaftlichen Tracks abgestimmt:

  • Letzte Möglichkeit für eine Einreichung (Submission Deadline): 01.09.2021 – 14 Uhr
  • Schnelles und konstruktives AE Feedback: 15.09.2021
  • Abgabe der Reviewer-Gutachten: 10.10.2021
  • Abgabe der AE-Gutachten: 20.10.2021
  • Entscheidung der Track-Chairs: 27.10.2021
  • Information an Autoren: 31.10.2021
  • Einreichung der überarbeiteten Beiträge: 15.11.2021
  • Finale Entscheidung und Information an Autoren: 21.11.2021
Prof. Dr. Mathias Kraus

Prof. Dr. Mathias Kraus Friedrich-Alexander Universität Erlangen-Nürnberg

Mathias Kraus ist Assistenzprofessor für Data Analytics an der Friedrich-Alexander-Universität Erlangen-Nürnberg. Das Hauptziel seiner Forschung ist es, Gesundheitsdaten mit Hilfe von Data Analytics zu nutzen, um bessere Behandlungsentscheidungen zu erreichen. Dazu entwickelt er innovative Methoden aus den Bereichen Statistik, maschinelles Lernen und Big Data, um zu weiteren Entwicklungen in der datengetriebenen Entscheidungsunterstützung im Gesundheitsmanagement beizutragen.

Sven Weinzierl

Sven Weinzierl Friedrich-Alexander Universität Erlangen-Nürnberg

Sven Weinzierl ist derzeit wissenschaftlicher Mitarbeiter und Doktorand am Lehrstuhl für Digital Industrial Service Systems, Friedrich-Alexander-Universität Erlangen-Nürnberg. Seine Forschungsinteressen konzentrieren sich auf die datengetriebene Entscheidungsunterstützung in Organisationen. Dies umfasst die Gestaltung sowie den Einsatz innovativer Machine-Learning- und Deep-Learning-Lösungen, mit besonderem Fokus auf verschiedene Aufgaben im datengetriebenen Geschäftsprozessmanagement.

Associate Editors

  • Nicolas Banholzer (ETH Zürich)
  • Fabian Giesecke (Westfälische Wilhelms-Universität Münster)
  • Gunther Gust (Albert-Ludwigs-Universität Freiburg)
  • Nikolai Stein (Julius-Maximilians-Universität Würzburg)
  • Matthias Stierle (Friedrich-Alexander Universität Erlangen-Nürnberg)
  • Patrick Zschech (Friedrich-Alexander Universität Erlangen-Nürnberg)