188.429 Business Intelligence
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2019W, VU, 4.0h, 6.0EC

Merkmale

  • Semesterwochenstunden: 4.0
  • ECTS: 6.0
  • Typ: VU Vorlesung mit Übung

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage 

  • analytische Methoden einzusetzen um aus großen Datenmengen unternehmerisch relevante Erkenntnissen zu gewinnen.
  • unternehmerischen Problemstellungen und Fragestellungen systematisch mit Daten zu begegnen.
  • Data Warehousing und Big Data Technologien zu evaluieren
  • die Vor- und Nachteile unterschiedlicher Data Warehousing und Big Data Architekturen abzuwägen.
  • zur Beantwortung von analytischen Fragestellungen solide Prozesse zu definieren
  • die konkreten Fragestellungen hinsichtlich Business Goals und Data Mining Goals zu ermitteln
  • Datenalayse sowohl mittels überwachter als auch unüberwachter Lernverfahren inklusive der notwendigen Vorverarbeitun durchzuführen
  • Die Ergebnisse kritisch zu  bewerten und zu interpretieren

 

Inhalt der Lehrveranstaltung

  • Business Intelligence Referenzarchitektur
  • OLAP (Multidimensionalitität)
  • Logische Modellierung (STAR, SNOWFLAKE)
  • ETL Prozess
  • Closed-Loop Decision Making
  • Big Data Technologien
  • Data Lakes
  • Data Mining - Knowledge Discovery in Databases
  • Patterns und Taxonomien
  • Vorausschauende (predictive) und beschreibende (descriptive) Regeln (Klassifikation, Regression, Assoziation, Clustering)
  • Anwendungen von Business Intelligence

Der Data Warehousing Teil vermittelt ionsbesondere die folgenden Fähigkeiten:

  • Data Warehouse durch Charakteristika zu definieren, die diese von anderen Informationssystemen unterscheiden
  • die Vor- und Nachteile von Data Warehousing Ansätzen zu beschreiben
  • die Struktur eines Data Warehouse zu beschreiben
  • Die Charakteristika unterschiedlicher Arten von Daten in einem Data Warehouse aufzulisten
  • Datenmodelle in einem Data Warehouse zu unterscheiden
  • Dimensionale Modelle und deren Elemente zu beschreiben
  • OLAP-Abfragen
  • Datenmodellierung mit Star- und Snowflake-Schemata
  • Überblick zu DWH Entwicklungsprozessmodellen
  • Überblick über organisatorische und praktische Aspekte bei der Umsetzung einer DWH-Lösung

Der Data Mining Teil umfasst:

  • Definition von Data Mining, Data Mining Prozesse: CRISP-DM, ASUM-DM
  • Data Preprocessing
  • Unüberwachte Methoden des maschinellen Lernens: Clusteranalyse
  • Überwachte Methoden des maschinellen Lernens: Klassification
  • Evaluierung von Analyseergebnissen und Modellen

Methoden

- Vortrag

- Flipped Classroom

- praktische Übungen in Kleingruppen

Prüfungsmodus

Schriftlich und Mündlich

Weitere Informationen

Alle notwendigen Informationen erhalten Sie in der Vorbesprechung

Alle Unterlagen finden Sie im TUWEL Kurs zur Lehrveranstaltung.

 In der Vorbesprechung (Teilnahme stark empfohlen) werden die genauen Modalitäten und Details zur Abwiklung vorgestellt.

 

ECTS-Breakdown


18h   Vorlesungsbesuch
50h   Übungsteil Data Warehousing and Big Data (Assignment oder Projekt)
40h   Übungsteil Data Mining
1h     Abgabegespräche
39h   Literatur und Prüfungsvorbereitung
2h     Prüfungen

150 Stunden (= 6 ECTS)

Vortragende

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Do.12:00 - 14:0003.10.2019 - 12.12.2019HS 11 Paul Ludwik Vorlesung
Do.17:00 - 19:3019.03.2020EI 3 Sahulka HS Wiederholungstest
Business Intelligence - Einzeltermine
TagDatumZeitOrtBeschreibung
Do.03.10.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.10.10.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.17.10.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.24.10.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.07.11.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.14.11.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.21.11.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.28.11.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.05.12.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.12.12.201912:00 - 14:00HS 11 Paul Ludwik Vorlesung
Do.19.03.202017:00 - 19:30EI 3 Sahulka HS Wiederholungstest

Leistungsnachweis

- Schriftliche Tests zu den einzelnen Vorlesungteilen

- Bewertung praktischer Übungen durch Abgaben und Abgabegespräche

Prüfungen

TagZeitDatumOrtPrüfungsmodusAnmeldefristAnmeldungPrüfung
Mo.17:00 - 19:0013.01.2020EI 7 Hörsaal schriftlich18.12.2019 07:00 - 10.01.2020 23:59in TISSWritten Exam
Mo.17:00 - 19:0013.01.2020EI 9 Hlawka HS schriftlich18.12.2019 07:00 - 10.01.2020 23:59in TISSWritten Exam
Do.17:00 - 19:3019.03.2020EI 3 Sahulka HS schriftlich01.02.2020 07:00 - 18.03.2020 12:00in TISSWritten Exam (Re-take)

LVA-Anmeldung

Von Bis Abmeldung bis
09.09.2019 00:00 23.10.2019 00:00 23.10.2019 00:00

Curricula

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

Folgende Kenntnisse werden vorausgesetzt:

  1. Conceptual database design
  2. Relational database model
  3. Normalization
  4. DBMSs
  5. SQL
  6. Statistik

Es wird die Möglichkeit geboten, diese Kenntnisse am Beginn der Übung zu wiederholen.

Begleitende Lehrveranstaltungen

Vertiefende Lehrveranstaltungen

Weitere Informationen

Sprache

Englisch