|
|
|
42200 Business Intelligence im Wintersemester 2014/2015 |
 |
Das Semester dieser Veranstaltung ist beendet. |
|
|
grundlegende Überarbeitung: Wintersemester 2013/2014 |
Umfang: 6.0 SWS |
|
Übungsumfang: 0.0 SWS |
nächster geplanter Einsatz: -keine Angaben vorhanden- |
|
Versionen |
Autorinnen und Autoren |
|
Teilnahmevoraussetzungen |
Beschreibung |
|
|
 |
|
Beschreibung |
|
KursbeschreibungKE 1: Grundlagen und Herausforderungen der Business Intelligence
Entscheidungen unter Risiko sind die tägliche Herausforderung jeden unternehmerischen Handelns. Während es heute kein Problem mehr ist, Daten zu sammeln, stellt die Filterung der Daten und die Aufbereitung für eine wirklich intelligente Entscheidungsunterstützung eine zentrale Aufgabe dar. Durch beispielsweise Scanner-Kassen oder den Verkauf von Produkten über das Internet, aber auch durch Payback-Systeme können immer mehr Daten über den Kunden gesammelt werden. Doch nur, wenn diese Daten auch ausgewertet und interpretiert werden können, sind diese wirklich wertvoll und nutzenbringend für das Unternehmen. In dieser Kurseinheit werden das grundlegende Konzept der Business Intelligence dargestellt sowie wesentliche Begriffe und Grundlagen erläutert. Es wird gezeigt, wie der Entscheidungsprozess durch Business Intelligence unterstützt werden kann. Dabei wird insbesondere auf die Bedeutung der Informationen zur Entscheidungsunterstützung und auf die Transformation von Daten hin zu Informationen eingegangen, denn nur Informationen können letztlich die Basis für eine gute Entscheidungsunterstützung sein und daraus abgeleitetes Wissen erzeugen.
KE 2: Methoden und Instrumente der Business Intelligence
Der Prozess der Datenaufbereitung, angefangen bei den Rohdaten bis hin zu den nutzbaren Infor-mationen, auch Knowledge Discovery in Databases (KDD) genannt, steht im Fokus dieser Kursein-heit. Der Prozess umfasst im Wesentlichen die drei Schritte: Vorbereitung der Daten, Anwendung von Data Mining und Nachbereitung der aus dem Data Mining gewonnenen Ergebnisse. Bevor die Daten verwendet werden können, sind vorbereitende Schritte, wie z. B. die Analyse der fachlichen Problem- und Zielstellung, notwendig, damit die Daten zielgerichtet aufbereitet und analysiert werden. Ein weiteres wichtiges Kriterium ist in diesem Zusammenhang die Datenqualität. Um eine gute Qualität zu erhalten, müssen die Daten entsprechend aufbereitet werden. Hierzu werden verschiedene Ansätze und Modelle vorgestellt, um die Datenaufbereitung erfolgreich durchzuführen. Der Schwerpunkt der Kurseinheit liegt auf der Erläuterung der verschiedenen Data Mining-Methoden. Diese werden ausführlich vorgestellt und diskutiert und anhand von Fallbeispielen erläutert. Im letzten Schritt des KDD-Prozesses müssen die durch die Anwendung von Data Mining gewonnen Ergebnisse aufbereitet und umgesetzt werden. So besteht die Möglichkeit, die gewonnen Ergebnisse graphisch auszuwerten, sodass deren Interpretation erleichtert werden kann. Je nach Reichweite der gewonnen Ergebnisse sind Anpassungen innerhalb der Geschäftsprozesse notwendig. Es wird erläutert, welche Möglichkeiten zur Integration der Erkenntnisse in die Geschäftsprozesse bestehen und wie diese Integration effizient durchgeführt werden kann.
KE 3: Intelligente Datenhaltung udn Datenbereitstellung im Rahmen der Business Intelligence
Damit die Daten im Rahmen des KDD-Prozesses überhaupt genutzt werden können, müssen diese zunächst gesammelt und bereitgestellt werden. Wichtig ist hierbei, dass dieser Schritt bereits strukturiert erfolgt. In dieser Kurseinheit werden die grundlegenden Konzepte und Möglichkeiten vorgestellt, um Daten effizient zu sammeln und bereitzustellen. Basis hierfür sind Data Warehouses, die Daten zentral speichern. In diesem Kontext werden entsprechende Anforderungen und ver-schiedene Data Warehouse-Architekturen vorgestellt. Mittels Online Analytical Processing (OLAP) können Daten zielgerichtet analysiert werden. In der Kurseinheit werden die verschiedenen Ausprägungen von OLAP sowie Anforderungen, die an OLAP gestellt werden, damit die Datenanalyse zielführend ist, vorgestellt. Anhand von Beispielen werden die Vor- und Nachteile von OLAP sowie der verschiedenen Data Warehouse-Architekturen näher erläutert.
KE 4: Neue Entwicklungen und Anwendungsbeispiele der Business Intelligence
Der Begriff „Business Intelligence“ wurde bereits in den 1990er Jahren durch die Gartner Group geprägt. Doch in den letzten Jahren hat sich der Begriff erweitert und neue Entwicklungen sind aufgetreten. Die vierte Kurseinheit beschäftigt sich mit den verschiedenen Anwendungsmöglichkeiten von Business Intelligence. Ein Beispiel hierfür ist das Business Intelligence 2.0, bei dem die Technologien des Web 2.0 zur verbesserten Entscheidungsunterstützung integriert werden. Eine zweite Erweiterung stellt das Collaborative Business Intelligence dar, bei der speziell die Entscheidungsfindungsprozesse, in denen mehrere Entscheider agieren, untersucht werden. Des Weiteren wird in der Kurseinheit gezeigt, wie einzelne Unternehmensaufgaben, wie beispielsweise das Controlling oder Marketing, Daten intelligent nutzen, um z. B. Wettbewerbsvorteile zu erzielen, aber auch Entscheidungen fundiert treffen oder Daten konsequent überwachen zu können. |
|
|
|
|
Termine |
|
Veranstaltungsbeginn: 01.10.2014 |
|
|
Material |
|
|
Diese Lehrveranstaltung beinhaltet zugriffsgeschütztes Material, das nur nach dem Einloggen und bei vorhandener Belegung der Lehrveranstaltung eingesehen werden kann. Studierende der FernUniversität sollten sich einloggen. |
|
|
Einheiten |
|
|
|
|
FernUniversität in Hagen, 58084 Hagen, Telefon: +49 2331 987-01, E-Mail: fernuni@fernuni-hagen.de