Logo des Repositoriums

Auflistung nach Autor:in "Weber, Felix"

1 - 5 von 5
  • Zeitschriftenartikel
    Datengetriebene Entscheidungsfindung aus strategischer und operativer Perspektive im Handel
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 5, 2019) Kari, Mohamed; Weber, Felix; Schütte, Reinhard
    Mit der digitalisierungsbedingten Zunahme kontinuierlich erfasster Massendaten aus unterschiedlichsten Quellen entsteht die Hoffnung, einen besseren Zugang als je zuvor zur Realität zu erhalten. Angesichts des Big-Data-Phänomens stellt sich dabei für Handelsunternehmen die Frage, welche unternehmensweite Datenstrategie es zu verfolgen gilt. Dazu liefert der folgende Beitrag anhand eines Frameworks eine sachlogische Struktur für eine unternehmensweite Datenstrategie. Für jedes aufgezeigte Strategiefeld dieses Frameworks sind dabei Basisentscheidungen zu treffen, die die nötigen Voraussetzungen zur Nutzung von Daten für erfolgreiche Einzelprojekte als auch die erfolgreiche Eingliederung datengetriebener Aktivitäten in Standardprozesse schaffen. Neben der Datenstrategie wird auch der realisierbare betriebswirtschaftliche Beitrag für Einzelhändler anhand einer Fallstudie entfaltet. Dazu wird auf das Handelsmarketing und den Marketing-Mix als zentrales Konzept, und seit jeher eines der wichtigsten Tätigkeitsfelder im Einzelhandel, zur Aufstellung einer datengetriebenen Entscheidungsphänomenologie zurückgegriffen. Als Antwort auf die Frage, welche Datenstrategie angesichts von Big Data von einem Einzelhändler zu verfolgen ist, wurden verschiedene Teilbereiche identifiziert und Maßnahmen innerhalb dieser ausgearbeitet. Es wurde gezeigt, dass integrierte und kohärente Maßnahmen auf organisationaler und technologischer Ebene für die Sammlung, Speicherung, Verarbeitung, Verwendung, Steuerung und Transformation von Big Data im Unternehmen nötig sind. Mit Erfüllung der notwendigen Vorrausetzungen für Big Data im Rahmen der Datenstrategie ist es dabei möglich nicht nur die hier aufgezeigte Absatzseite der Unternehmung zu optimieren, sondern auch die tiefgreifende Integration der verschiedenen Prozessbereiche im Handelsunternehmen abzubilden. With the digitalization-induced increase in continuously recorded mass data from a wide variety of sources, there is hope of obtaining better access to reality than ever before. In view of the big data phenomenon, retail companies are faced with the question of which company-wide data strategy to pursue. The following article establishes a framework to provide a logical structure for a company-wide data strategy. For each strategy field of this framework, basic decisions have to be made. This are the necessary prerequisites for the use of data within successful separated projects as well as the successful integration of data-driven activities into standard processes. In addition to the data strategy, a case study will be used to unfold the feasible business contribution for retailers. For this purpose, retail marketing and the marketing mix will be used as the central concept, which has always been one of the most important fields of activity in retail, to establish a data-driven decision phenomenology. In response to the question as to which data strategy should be pursued by a retailer in view of Big Data, various sub-areas and measures within these were identified and elaborated. It is shown that integrated and coherent measures at the organizational and technological levels are necessary for the collection, storage, processing, use, control and transformation of Big Data in a company. By fulfilling the necessary prerequisites for Big Data within the framework of the data strategy, it is not only possible to optimize the sales side of the company, but also to enable a profound integration of the various process areas within a retail company.
  • Konferenzbeitrag
    Development of a Digital Goal Setting Companion for Higher Education
    (DELFI 2021, 2021) Weber, Felix; Schrumpf, Johannes; Thelen, Tobias
    Goal setting is known to be an effective way to guide behaviour and plays an essential role in self-regulated learning. Goals can serve as benchmarks for the evaluation of behaviour. Recently, research on goal networks instead of isolated goals has received growing interest. In this paper, we present a goal setting intervention that guides university students a) to develop personal educational goals and b) to derive sub-goals, actions and strategies to make those high-level goals tractable. The results are hierarchical goal systems connecting high-level goals to concrete actions. We illustrate the technical implementation as web-based application. Explorative data analysis of data from a paper-pencil preliminary study (n=8) and a first pilot study with a web-based software prototype (n=17) is presented. We conclude with an outlook on further development steps.
  • Zeitschriftenartikel
    Digitalisierung von Handelsunternehmen – diskutiert am Beispiel der Preispolitik
    (Wirtschaftsinformatik & Management: Vol. 13, No. 2, 2021) Weber, Felix; Schütte, Reinhard
  • Doctoral Colloquium Paper
    Goal Setting, Self-Monitoring and Self-Regulation Guided by a Digital Data-Driven Study Assistant
    (Beiträge der Doktorandenkolloquiums zur DELFI 2019, 2019) Weber, Felix
    This Research Proposal starts with a brief description of the SIDDATA-project from which it originates. Both aim at the implementation and investigation of a data-driven digital study assistant supporting university students in goal-setting and self-regulation for individual study goals. As starting point, theoretical backgrounds, such as Goal-Setting-Theory and Social Cognitive Theory are reviewed. Existing practical applications are summarized. From these foundations concrete use cases for our study assistant are derived. The experimental design for an evaluation of the assistant, data analysis methods and a time plan are outlined. Finally the proposal concludes with an outlook on limitations and potential benefits of this research project
  • Konferenzbeitrag
    A Neural Natural Language Processing System for Educational Resource Knowledge Domain Classification
    (DELFI 2021, 2021) Schrumpf, Johannes; Weber, Felix; Thelen, Tobias
    In higher education, educational resources are the vessel with which information get transferred to the learner. Information on the content discussed in the scope of the educational resources, however, is implicit and must be inferred by the user by reading the resource title or through contextual information. In this paper we present a state-of-the-art neural natural language processing system, based on Google-BERT, that maps educational resource titles into one of 905 classes from the Dewey Decimal Classification (DDC) system. We present model architecture, training procedure dataset properties and our performance analysis methodology. We show that aside from classification performance, our model implicitly learns the class hierarchy inherent to the DDC.