Single View
Bachelor-Vorlesung
Business Intelligence (BI)
- Dozent:
- Prof. Dr. Mario Schaarschmidt
- Semester:
- Winter Semester 2024/2025
- Turnus:
- Wintersemester
- Termin:
- Dienstag, 8-10 Uhr
- Raum:
- R11 T03 C15
- Sprache:
- German
- Moodle:
- Lecture in Moodle
Wichtige Hinweise:
Ankündigung: Die Vorlesungen beginnen in der Regel erst ab der zweiten Vorlesungswoche. Die zugehörigen Übungen starten daher erst in der dritten Vorlesungswoche. Nähere Informationen dazu werden in der ersten Vorlesung bekannt gegeben.
Einschreibeschlüssel für den Moodle-Kurs: BIAPP1234
Beschreibung:
Das Modul Business Intelligence (BI) bietet Studierenden eine umfassende Einführung in die Techniken und Werkzeuge, die zur Analyse und Interpretation großer Datenmengen verwendet werden. BI ist ein zentraler Bestandteil moderner Unternehmen, da es die Basis für fundierte Entscheidungsfindungen bildet. Die Anwendung von BI-Methoden ermöglicht es Unternehmen, ihre Geschäftsprozesse zu optimieren, Markttrends frühzeitig zu erkennen und Wettbewerbsvorteile zu erlangen. In der heutigen datengetriebenen Welt spielt Business Intelligence eine entscheidende Rolle in der Unternehmensführung. Praktische Anwendungen von BI-Techniken sind vielfältig und reichen von der Verbesserung der Kundenbindung über die Optimierung von Lieferketten bis hin zur Vorhersage von Markttrends. Fachkräfte mit BI-Kompetenzen sind in der Lage, wertvolle Erkenntnisse aus Daten zu gewinnen und diese in strategische Handlungen umzusetzen. Dieses Modul bereitet Studierende darauf vor, in verschiedenen Branchen BI-Lösungen zu entwickeln und anzuwenden, um den wirtschaftlichen Erfolg ihrer Unternehmen zu steigern.
Qualifikationsziele:
Die Studierenden
- kennen die ökonomische Bedeutung und praktische Relevanz von BI
- verstehen die Besonderheiten von technischen und rechtlichen Rahmenbedingungen für den betrieblichen Einsatz von BI, auch im Vergleich zu Predictive Analytics
- kennen wesentliche Methoden und Techniken des BI
- können die Risiken des Einsatzes von BI einschätzen und den betrieblichen Einsatz planen
Gliederung:
- Begriffsdefinition und -abgrenzung
- betriebliche Anwendungssysteme als Datenquelle für BI-Systeme
- Bedeutung, Entwurf und Architektur von Data-Warehouse-Systemen
- Metadaten und Datenqualität
- Extraktion, Transformation und Laden von Daten (ETL)
- Data Marts und ODS-erweiterte Data-Warehouses
- Persistierung und Abfrage multidimensionaler Daten
- OLAP (relational, multidimensional, hybrid), Data Mining, Advanced Analytics
- statistische Verfahren der Datenanalyse
- Big Data, Unstructured Data, Streams etc.
- BI-Systeme in der Cloud
- Empfehlungssysteme
- Arbeiten mit marktgängigen Business-Intelligence-Werkzeugen
Literatur:
- Bauer, Günzel: Data-Warehouse-Systeme, dpunkt, 2013
- Chaudhuri, Dayal, Narasayya: An Overview of Business Intelligence Technology, Communications of the ACM, Vol. 54, No. 8, 2011
- Cleve, Lämmel: Data Mining, De Gruyter/Oldenbourg, 2016
- Müller, R. M., & Lenz, H. J. (2013). Business intelligence. Berlin, Heidelberg: Springer Berlin Heidelberg.
- Mohammed, A. B., Al-Okaily, M., Qasim, D., & Al-Majali, M. K. (2024). Towards an understanding of business intelligence and analytics usage: Evidence from the banking industry. International Journal of Information Management Data Insights, 4(1), 100215.