Joint Autumn Meeting der AG MARKETING und AG DANK

By | 2. November 2022

Länderübergreifend, nachhaltig und wirtschaftsnah: Das gemeinsame Arbeitsgruppentreffen zur Thematik „Responsible Data Analysis and Machine Learning“ bot internationalen Akteuren aus Wissenschaft und Wirtschaft eine gelungene Bühne zum wechselseitigen Wissenstransfer.

 

Erstmals trafen sich die beiden Arbeitsgruppen „AG Datenanalyse und Klassifikation im Marketing (AG MARKETING)“ und „AG Datenanalyse und numerische Klassifikation“ (AG DANK )“ der Gesellschaft für Klassifikation (GfKl) e.V. zu einer gemeinsamen Sitzung, welche am 07. und 08.10. an der TU Clausthal stattfand und von der Clausthal Executive School und dem Institut für Wirtschaftswissenschaft ausgerichtet wurde.

Der Einladung waren Teilnehmende aus Deutschland, Frankreich, Großbritannien, Österreich und der Schweiz gefolgt, die die insgesamt elf Vorträge aus den Themenbereichen der Datenanalyse im Marketing bzw. der Datenanalyse und Klassifikation jeweils angeregt diskutierten. Die Vortragsinhalte waren von Start-Up-Überlebenswahrscheinlichkeiten über Instrumentenerkennung, Fake-News-Detektion und Kundenbewertungsanalyse bis hin zu medizinischen und makroökonomischen Anwendungsfällen sehr vielfältig.

Auch die Invited Talks von Professor Dr. Raoul V. Kübler (ESSEC Business School Paris) über den Einfluss von Social Media bei den vergangenen US-Präsidentenwahlen sowie von Moritz von Zahn (Goethe-Universität Frankfurt) über den Einfluss von „Green Nudges“ auf das Retourenverhalten beim Online-Shopping kamen sehr gut an. Darüber hinaus stellten Zoé Wolter und Philipp Bosch den Verein „CorrelAid e. V.“ vor, der Datenanalysen und -workshops für Non-Profits ehrenamtlich durchführt.

Den Abschluss des zweitägigen Treffens bildete der traditionelle Datenanalyse-Wettbewerb der AG DANK, bei dem es in diesem Jahr galt, die Ergebnisse eines Biathlon-Sprint-Rennens anhand der Ergebnisse der etwa 20 vorherigen Wettkampf-Ergebnisse möglichst genau vorherzusagen. Hier zeigte sich, dass auch intuitive Modelle, d.h. überlegtes Raten, zu sehr treffsicheren Ergebnissen führen können und manch komplexes Modell schlagen können.