Autoplay
Autocomplete
Vorherige Lektion
Abgeschlossen und weiter
Digital Business Models
Modul 1: Grundlagen digitaler Innovation
Begrüßung (3:44)
Einleitung (0:42)
Unsicherheit als Geschäftsgrundlage (11:38)
Innovation - Grundlagen und Begriffe (12:39)
Agiles Projektmanagement (12:26)
Agile Werte - Agile Führung (6:46)
Learning Nugget: "Die fünf Scrum-Werte vertiefen"
Grundlegende agile Konzepte (1:08)
Lean Management (6:52)
Kanban (5:38)
Scrum (17:35)
Agile Transformation (27:21)
Quizfragen
Learning-Nugget: "The New New Product Development Game"
Modul 2: Ideen entwickeln
Einleitung (0:48)
Anforderungen (21:13)
Stakeholder Management (6:08)
Kommunikation und Konfliktmanagement (12:26)
Design Thinking (22:19)
Kano-Modell (7:48)
Kundenlebens-Zyklus (7:17)
Quizfragen
Learning-Nugget: "5 Tipps für digitale Geschäftsmodelle"
Modul 3: Ideen umsetzen
Einleitung (0:46)
Vision - Mission - Ziele (13:38)
Lean Startup Methoden (21:20)
Risiko-Management (7:58)
Business Development - Vertrieb (12:01)
Pitch Training (4:03)
Quizfragen
Learning Nugget: 55 Geschäftsmodelle der Universität St. Gallen
Learning Nugget: Sustainable Business Model Canvas
Modul 4: Beispiele und Case Studies
Einleitung (0:40)
Plattform-Modelle (5:23)
Robotics Process Automation (RPA) (11:06)
Künstliche Intelligenz (10:46)
Outro (0:48)
Download der Folien "Digital Business Model"
Bonus Exkurs Data Science
1.0 Einleitung (0:43)
1.1 Entscheidungen treffen (5:42)
1.2 Was sind Daten? (3:14)
1.3 Datentypen Teil 1 (3:53)
1.4 Datentypen Teil 2 (4:43)
1.5 Data Mining (6:48)
1.6 Visualisierung von Daten (3:02)
1.7 Fehler in der Statistik (3:04)
1.8 Kovarianz und Korrelation (2:24)
2.0 Einleitung Clustering (0:29)
2.1 Was ist Clustering (4:03)
2.2 Dendrogramm (3:28)
2.3 k-means Algorithmus (6:20)
2.4 k-nächste-Nachbar Verfahren (5:55)
3.0 Einleitung Regression (0:25)
3.1 Lineare Regression (5:38)
3.2 Logistische Regression (6:28)
4.0 Einleitung Graphentheorie (0:53)
4.1 Graphentheorie im Alltag (2:53)
4.2 Definitionen und Eigenschaften von Graphen (5:54)
4.3 Anwendungsbeispiel Graphentheorie (1:57)
5.0 Einleitung Entscheidungsbäume (0:27)
5.1 Entscheidungsbäume (9:55)
5.2 Random Forests (2:53)
6.0 Einleitung Neuronale Netze (0:21)
6.1 Einführung Neuronale Netze (8:35)
6.2 MNIST Ziffernerkennung (4:42)
Download der Folien "Exkurs: Data Science"
1.7 Fehler in der Statistik
Inhalt der Lektion gesperrt
Du bist bereits eingeschrieben
Bitte einloggen
.
Bitte den Kurs starten