Business Intelligence & Analytics (E)
Niveau
Master
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Absolventin, der Absolvent / die Studierenden:
Datawarehousing:
* kennt Bedeutung von Datenbanken und Datamining im Bereich Business Intelligence (BI)
* Kennt Anwendungen von Business Intelligence
* Kann Anforderungen für BI erheben
* Kann Geschäftsanforderungen in Datenmodelle überführen
* Kennt Arten von Daten und Datenschnittstellen
* Kann Daten in unterschiedliche Formate konvertieren
* Kennt den OLAP Prozess
Datamining / Data Science:
* Kennt Techniken des Datamining
* Kann Ergebnisse des Datamining darstellen
* kann einfache Mining Regeln anwenden
* kennt BI - Funktionalitäten von ERP Systemen
* Kennt Hersteller von BI Lösungen
Process Mining:
* Kennt Ziele des Process Mining
* Kennt Voraussetzungen für Process Mining
* Kennt Unterschiede zwischen Data / Process Mining
* Kennt Herausforderungen bei der Implementierung
* Kennt Hersteller von Process Mining Software
Datawarehousing:
* kennt Bedeutung von Datenbanken und Datamining im Bereich Business Intelligence (BI)
* Kennt Anwendungen von Business Intelligence
* Kann Anforderungen für BI erheben
* Kann Geschäftsanforderungen in Datenmodelle überführen
* Kennt Arten von Daten und Datenschnittstellen
* Kann Daten in unterschiedliche Formate konvertieren
* Kennt den OLAP Prozess
Datamining / Data Science:
* Kennt Techniken des Datamining
* Kann Ergebnisse des Datamining darstellen
* kann einfache Mining Regeln anwenden
* kennt BI - Funktionalitäten von ERP Systemen
* Kennt Hersteller von BI Lösungen
Process Mining:
* Kennt Ziele des Process Mining
* Kennt Voraussetzungen für Process Mining
* Kennt Unterschiede zwischen Data / Process Mining
* Kennt Herausforderungen bei der Implementierung
* Kennt Hersteller von Process Mining Software
Voraussetzungen der Lehrveranstaltung
keine Angabe
Lehrinhalte
* Konzepte von BI
* Anwendung von BI im Kontext von ERP
* Methoden von Data / Process Mining
* Software zur Unterstützung von Data / Process Mining
* Anwendung von BI im Kontext von ERP
* Methoden von Data / Process Mining
* Software zur Unterstützung von Data / Process Mining
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
van der Aalst W. M.P.; Process Mining – Data Science in Action; Heidelberg; 2016;. 2nd edition
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
van der Aalst W. M.P.; Process Mining – Data Science in Action; Heidelberg; 2016;. 2nd edition
Bewertungsmethoden und -Kriterien
Klausur
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
6
E-Learning Anteil in %
15
Semesterwochenstunden (SWS)
4.0
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
Name des/der Vortragenden
Dr. Arnim Franzmann
Studienjahr
2
Kennzahl der Lehrveranstaltung/des Moduls
DAT.2
Art der Lehrveranstaltung/des Moduls
Integrierte Lehrveranstaltung
Art der Lehrveranstaltung
Pflichtfach
Praktikum/Praktika
nicht zutreffend