Menü

Prof. Gabriela Alves Werb, Ph.D.

Professur für Betriebliche Informationssysteme

Schwerpunkte in der Lehre

  • Enterprise Resource Planning
  • Project Management

Sprechzeiten

VorlesungszeitVorlesungsfreie Zeit
Dienstags (10-11 Uhr) nach Vereinbarung per E-Mail.Nur nach Vereinbarung per E-Mail.

Zur Person

Gabriela Alves Werb hat die Professur für Betriebliche Informationssysteme an der Frankfurt University of Applied Sciences inne. Sie lehrt in den Engineering Business Information Systems (EBIS) und International Business Information Systems (IBIS) B.Sc. Programmen. 

Zudem ist sie Data Science Expertin im Forschungsdaten- und Service Zentrum (FDSZ) der Deutschen Bundesbank. Das FDSZ gehört zum Netzwerk vom Rat für Sozial- und Wirtschaftsdaten (RatSWD) und integriert Daten aus verschiedenen internen und externen Quellen, um hochwertige Mikrodaten für akademische Forschungsvorhaben zu verschaffen.

Zuvor forschte Gabriela Alves Werb als Doktorandin an der Goethe-Universität Frankfurt und am Leibniz Institute for Financial Research SAFE

Den Abschluss in Ingenieurwissenschaften erwarb sie an der Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio). Ihren M.Sc. und Ph.D. in Management absolvierte sie im Rahmen des Promotionsprogramms der Graduate School of Economics, Finance, and Management (GSEFM). Die GSEFM ist eine gemeinsame Graduiertenschule der Hochschulen Johann Wolfgang Goethe-Universität Frankfurt am Main, Johannes Gutenberg-Universität Mainz und Technische Universität Darmstadt mit quantitativen und forschungsorientierten Promotionsprogrammen. Sie wurde im Jahr 2020 mit "summa cum laude" promoviert (Erstgutachter Prof. Dr. Bernd Skiera, Zweitgutachter Prof. Guido Friebel, Ph.D.).

In ihrer Forschung widmet sich Gabriela Alves Werb Themen in der Schnittstelle zwischen Marketing, Finanzwesen und Wirtschaftsinformatik. Dabei untersucht sie wie Unternehmensstrategien auf digitalen Märkten Kunden, Unternehmen und Investoren neuen Risiken aussetzen können. Ihre empirische Forschung setzt auf verschiedene Datenquellen, wie Unternehmens-, Aktienmarkt- und Suchmaschinendaten sowie nutzgenerierte Inhalte. Diese wertet sie mithilfe von etablierten ökonometrischen Methoden sowie Methoden des maschinellen Lernens und künstlicher Intelligenz aus.

In der internationalen Information Systems Community engagiert sich Gabriela Alves Werb in Workshops sowie als Reviewerin für Fachtagungen, wie die European Conference on Information Systems (ECIS) und die International Conference on Information Systems (ICIS). Sie ist auch in verschiedenen internationalen Netzwerken aktiv, wie der European Marketing Academy (EMAC), dem Institute for Operations Research and the Management Sciences (INFORMS) und dem Marketing Science Institute (MSI).

Sie engagiert sich in öffentlich gefördert und privatwirtschaftlich finanzierten Forschungsprojekten, die zum Ziel haben, relevante Praxisprobleme für Konsumenten, Investoren und Entscheidungsträger in der Industrie zu lösen. Sie arbeitet dabei sowohl mit Konzernen als auch mit kleinen und mittelständischen Unternehmen zusammen. Ihre Forschungsprojekte wurden unter anderem durch die Deutsche Forschungsgemeinschaft (DFG), sowie durch das E-Finance Lab und die Vereinigung von Freunden und Förderern der Goethe-Universität unterstützt.

In ihrer Freizeit engagiert sich Gabriela Alves Werb für soziale Projekte, die die Integration von Kindern und jungen Erwachsenen mit Migrationshintergrund durch Bildung fördern sowie Frauen und Mädchen zur Selbstbestimmung befähigen.

Forschung
  • Marketing Strategy Consortium (2020) – Dritter Platz für den Preis für das beste Forschungsvorhaben.
Frankfurt am Main
  • Ehrung "Herausragende Persönlichkeiten mit Migrationshintergrund" (2018).
HAYS
  • Auszeichnung für Business Development 
  • Auszeichnung für zielorientiertes Business Development 
  • Top #5 Fee Maker in Brasilien
  • Top #3 für neue Geschäftsabschlüsse in Brasilien
IBM
  • IBM Global Financing Hero Award
  • Thanks! Award (Beiträge zum Lateinamerika Pricing-Team)
  • Thanks! Award (Teamarbeit)
  • Thanks! Award (Implementierung des LA-Business-Partner-Reports)
  • ITCS Summit, Frankfurt (Dez/2019): Towards Algorithmic Transparency: Shedding Light on the Black Box​​​​​​
  • Science Slam, Mainz (Nov/2019): Eine Reise zu den Sternen
  • Interdisziplinäres Forum Methodenzentrum 2019 Data Science (Jun/2019): Machine Learning: Praxis- und forschungsorientierte Anwendungen
  • Key Note Vortrag, Dean's List Veranstaltung, Fachbereich Wirtschaftswissenschaften (Mai/2019): Die „Ins and Outs“ einer Karriere in der Wissenschaft
  • Spot on Marketing-Science, Marketing Club Frankfurt (Dez/2018): The Value of Organic Search Visibility
  • E-Finance Lab Spring, Frankfurt (Feb/2018): Leveraging Multiple Data Sources to Measure a Firm’s Risk in Organic Search
  • Science Slam for Female Researchers, Frankfurt (Dez/2017): Tod durch Unsichtbarkeit

Forschung

Beiträge in Zeitschriften (Peer-Review)

Alves Werb, G. and Schmidberger, M. (2021), "Predictive Modeling in Marketing: Ensemble Methods for Response Modeling", Die Unternehmung – Swiss Journal of Business Research and Practice, forthcoming.

Working Paper

Alves Werb, G., Skiera, B. and Doppler, C. (2021), "Visibility-at-Risk: Measuring Firms’ Risk of Visibility Losses in Organic Search Results", Working paper.

Alves Werb, G. (2020), "The Google Effect: Linking Organic Search Visibility to Shareholder Value", Working paper.

Alves Werb, G., and Paul, T. (2020), "In Reviews We Trust: The Dark Side of Review Incentive Programs", Working paper.

Managementorientierte Veröffentlichungen

Alves Werb, G. and Skiera, B. (2019), "Visibility in Organic Search: Why Should Managers and Investors Care about It?", E-Finance Lab Quarterly 03/2019, EFL - The Data Science Institute.

Themen
  • Marktbasierte Vermögenswerte
  • Nicht-finanzielle Risiken
  • Aktienmärkte
  • Suchmaschinen
  • Online-Marktplätze und Online-Plattformen
  • Digitale Marketingstrategie
  • Nutzergenerierte Inhalte
Methoden
  • Machinelles Lernen
  • Zeitreiheanalyse
  • Natürliche Experimente
  • Monte Carlo Methoden
  • Text Mining
  • Deep Learning
  • Statistische und ökonometrische Methoden
  • Finance Brown Bag Seminar (Frankfurt, Apr/2018)

  • 9th Theory + Practice in Marketing Conference (Los Angeles, Mai/2018)

  • 47th Annual Conference of The European Marketing Academy (Glasgow, Mai/2018)

  • 2018 INFORMS Marketing Science Conference (Philadelphia, Jun/2018)

  • 15th Symposium on Statistical Challenges in Electronic Commerce Research (Rotterdam, Jun/2018)

  • 16th ZEW Conference on the Economics of Information and Communication Technologies (Mannheim, Jun/2018)

  • 2018 ISBM Academic Conference (Boston, Aug/2018)

  • Marketing Research Seminar (Riezlern, Sep/2018)

  • 48th Annual Conference of The European Marketing Academy (Hamburg, Mai/2019)

  • 6th Marketing Strategy Meets Wall Street Conference (Fontainebleau, Jun/2019)

  • 2019 INFORMS Marketing Science Conference (Rome, Jun/2019)

  • Marketing Research Seminar (Riezlern, Sep/2019)

  • E-Finance Lab Jour Fixe (Frankfurt, Sep/2019)

  • 30th Workshop on Information Systems and Economics (Munich, Dez/2019)

  • 82nd Annual Business Researcher Conference (Frankfurt, Mar/2020)

  • Finance Brown Bag Seminar (Frankfurt, Mai/2020)

  • 49th Annual Conference of The European Marketing Academy (Budapest, Mai/2020 – Tagung abgesagt)

  • 16th Symposium on Statistical Challenges in Electronic Commerce Research (Madrid, Jun/2020 – online)

Lehre

Ich biete Lehrveranstaltungen in folgenden Studiengängen an:

IBIS
  • ERP with SAP, SoSe 2021 (Moodle)
EBIS
  • Project Management, SoSe 2021 (Moodle)
  • Workshop für Praktiker und Forschende, 82. Jahrestagung des VHB, Frankfurt (Mar/2020): Towards Interpretable Machine Learning: An Overview of Current Techniques to Shed Light on the Black Box
  • Workshop für Praktiker und Forschende, E-Finance Lab Spring Conference, Frankfurt (Feb/2018): Text Mining with R
  • Kurs für Mitglieder des Center for Latin American Monetary Studies (CEMLA) und Beschäftigte von Notenbanken in Lateinamerika (Nov/2020): Introduction to Machine Learning
  • Kurs für Beschäftigte von Notenbanken weltweit (Mar/2021): Introduction to Machine Learning
Gabriela Alves WerbID: 9522
letzte Änderung: 29.04.2021