Business Analytics: Advanced (E)
Niveau
Master
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
Datawarehousing:
* Kennen Bedeutung von Datenbanken und Datamining im Bereich Business Intelligence (BI)
* Kennen Anwendungen von Business Intelligence
* Können Anforderungen für BI erheben
* Können Geschäftsanforderungen in Datenmodelle überführen
* Kennen Arten von Daten und Datenschnittstellen
* Können Daten in unterschiedliche Formate konvertieren
* Kennen den OLAP Prozess
Datamining / Data Science:
* Kennen Techniken des Datamining
* Können Ergebnisse des Datamining darstellen
* Können einfache Mining Regeln anwenden
* Kennen BI - Funktionalitäten von ERP Systemen
* Kennen Hersteller von BI Lösungen
Process Mining:
* Kennen Ziele des Process Mining
* Kennen Voraussetzungen für Process Mining
* Kennen Unterschiede zwischen Data / Process Mining
* Kennen Herausforderungen bei der Implementierung
* Kennen Hersteller von Process Mining Software
Datawarehousing:
* Kennen Bedeutung von Datenbanken und Datamining im Bereich Business Intelligence (BI)
* Kennen Anwendungen von Business Intelligence
* Können Anforderungen für BI erheben
* Können Geschäftsanforderungen in Datenmodelle überführen
* Kennen Arten von Daten und Datenschnittstellen
* Können Daten in unterschiedliche Formate konvertieren
* Kennen den OLAP Prozess
Datamining / Data Science:
* Kennen Techniken des Datamining
* Können Ergebnisse des Datamining darstellen
* Können einfache Mining Regeln anwenden
* Kennen BI - Funktionalitäten von ERP Systemen
* Kennen Hersteller von BI Lösungen
Process Mining:
* Kennen Ziele des Process Mining
* Kennen Voraussetzungen für Process Mining
* Kennen Unterschiede zwischen Data / Process Mining
* Kennen Herausforderungen bei der Implementierung
* Kennen Hersteller von Process Mining Software
Voraussetzungen der Lehrveranstaltung
keine Angabe
Lehrinhalte
* Concept of business intelligence and specific aspects such as datawarehouse, OLAP.
* ETL, ELT - process
* Methods and techniques of data mining
* Techniques and up-to-date tools in the field of data warehousing & data mining
* Case studies or projects in the subject area with practical application of tools
* Tools / Vendors in the field of business intelligence
* ETL, ELT - process
* Methods and techniques of data mining
* Techniques and up-to-date tools in the field of data warehousing & data mining
* Case studies or projects in the subject area with practical application of tools
* Tools / Vendors in the field of business intelligence
Empfohlene Fachliteratur
* Runkler Th.; Information Mining; vieweg; 2000
* Langit L.; Smart Business Intelligence Solutions with Microsoft SQL Server; Microsoft Press; 2008
* Petersohn H.; Data Mining; Oldenbourg; 2005
* Provost F., Fawcett T.; Data Science for Business; O’Reilly; 2013
* Milton M.; Head First Data Analysis; O’Reilly; 2009
* Langit L.; Smart Business Intelligence Solutions with Microsoft SQL Server; Microsoft Press; 2008
* Petersohn H.; Data Mining; Oldenbourg; 2005
* Provost F., Fawcett T.; Data Science for Business; O’Reilly; 2013
* Milton M.; Head First Data Analysis; O’Reilly; 2009
Bewertungsmethoden und -Kriterien
Klausur
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
6
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Vortrag, Einzelarbeit mit Software, Gruppenarbeit, Präsentation und Diskussion von Aufgaben
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
3