Modulhandbuch

Advanced Business Intelligence

Empf. Vorkenntnisse

Relationale Datenbanken, Grundlagen zu Business Intelligence und Data Warehouse.

Lehrform Vorlesung/Übung
Lernziele

Die Studierenden erarbeiten sich anspruchsvolle Konzepte von analytischen Informationssystemen, wie sie beim Betrieb im Unternehmen zur Anwendung kommen. Dabei werden sowohl die Aspekte der Datenbereitstellung als auch die Aspekte der Datenvisualisierung behandelt. Ein inhaltlicher Schwerpunkt liegt dabei auf Konzepten und Systemen, die große Datenmengen verarbeiten und für analytische Zwecke zur Verfügung stellen.
Die Studierenden erlangen Kompetenzen in der Anwendung und Umsetzung dieser Konzepte mit Werkzeugen, die in der Unternehmenspraxis zum Einsatz kommen.

Dauer 1 Semester
SWS 4.0
Aufwand
  • Lehrveranstaltung:60 h
  • Selbststudium/
    Gruppenarbeit:120 h

  • Workload:180 h
ECTS 6.0
Voraussetzungen für Vergabe von LP

Modulprüfung Klausur (K90) + Praktische Arbeit

Modulverantw.

Prof. Dr. Tobias Hagen

Empf. Semester 1. Semester
Häufigkeit jedes 2. Semester
Verwendbarkeit

Wirtschaftsinformatik (Master)

Veranstaltungen Advanced Data Warehousing
Art Vorlesung/Übung
Nr. B+W1352
SWS 2.0
Lerninhalt

  • Unternehmensweite Data-Warehouse-Architekturen (inklusive neuerer Ansätze wie Data Lake, Lambda Architektur) 
  • DataWarehouse-Life-Cyle-Modell, Multitemperature DWH
  • Data Quality Management
  • Multidimensionale Datenmodellierung und Speicherstrukturen für Data Warehouses (Relational/Multidimensional)
  • In Memory Technologien
  • Data Warehouse und Big Data Systeme
  • Konkrete Umsetzung von Use Cases mit Hands-On Labs
Literatur

Bauer & Günzel: Data Warehouse Systeme, dpunkt.verlag (2013)
Lüdtke: SAP BW/4HANA: Konzepte, Prozesse, Funktionen. Rheinwerk Publishing (2017)
Hagen & Freyburger: SAP BW on HANA Step by Step, kindle (2017)

Datenvisualisierung
Art Vorlesung/Übung
Nr. B+W1353
SWS 2.0
Lerninhalt
  • Einsatz und Abgrenzung der verschiedenen Analysearten (Multidimensional / OLAP, formatiertes Reporting, Dashboards)
  • Grundlagen zur Wahrnehmung und zur Visualisierung von Informationen
  • Geeignete Techniken zur Visualisierung von Informationen, insbesondere (aber nicht nur) für extrem große, dynamische und heterogene Datenmengen (Big Data)
  • Visualisierungsstandards für Unternehmensdaten (z.B. IBCS)
  • Umsetzung von Case Studies mit Lösungen führender Softwarehersteller (zum Zeitpunkt der Drucklegung: Tableau, SAP BO Design Studio, SAP Advanced Analysis)
Literatur

Few: Information Dashboard Design, Analytics Press (2013)
Few: Show Me the Numbers: Designing Tables and Graphs to Enlighten, Analytics Press (2012)
Kohlhammer/Proff/Wiener: Visual Business Analytics, dpunkt Verlag Heidelberg (2013)


← Back Save as Docx