Business Intelligence and Big Data (ILV)

Zurück
LV-NummerM4.07740.10.040
LV-KürzelBI&BD
Studienplan2015
Studiengangssemester 1. Semester
LehrveranstaltungsmodusPräsenzveranstaltung
Semesterwochenstunden / SWS2,0
ECTS Credits3,0
Unterrichtssprache Deutsch

Die Studierenden sind in der Lage,

die konzeptionellen Grundlagen von Business Intelligence zu erklären,
den Wert von Daten und systematischer Datenanalyse als Grundlage der strategischen Planung herauszuarbeiten,
die erforderlichen Voraussetzungen für die Durchführung von Auswertungen zu analysieren,
die dafür erforderlichen technologischen Grundlagen zu erklären,
die konzeptionellen Grundlagen von Big Data (Bearbeitung von großen und komplexen Datenmengen) zu erklären,
die dafür erforderlichen technologischen Herausforderungen zu analyiseren und
diese im Umfeld von Business Intelligence einzuordnen.

Im ersten Teil der Lehrveranstaltung erhalten die Studierenden Informationen über die Notwendigkeit von Datenanalysen in Unternehmen, als Voraussetzung für Managemententscheidungen bzw. als Entscheidungsgrundlage für das Business Development.

Im zweiten Teil der Lehrveranstaltung wird ein Überblick über Arten von Daten und deren Speicherung in Unternehmen gegeben, die notwendigen Transformationsprozesse erklärt und die Grundlagen der Speicherung in Data Warehouse o.ä. vermittelt. Darauf aufbauend erhalten die Studierenden Informationen über die Möglichkeiten der Auswertungen der Daten und Darstellung der Ergebnisse.

Im dritten Teil der Lehrveranstaltung erhalten die Studierenden Informationen zum Themenbereich Big Data. Dabei wird insbe-sondere auf die, im Gegensatz zu Business Intelligence, unter-schiedlichen konzeptionellen Grundlagen eingegangen. Darauf aufbauend erfolgt eine Kurzeinleitung der technologischen Grundlagen. Abschließend werden ausgewählte Aspekte der Analyse von großen Datenmengen vermittelt.

Foster Provost, Tom Fawcett: Data Science for Business: What you need to know about data mining and data-analytic thinking Verlag: O'Reilly & Associates;

Eric Siegel: Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die Verlag: John Wiley & Sons; (2013)

Thomas H. Davenport: Big Data at Work: Dispelling the Myths, Uncovering the Opportunities Verlag: Harvard Business School Press (2014)

Viktor Mayer-Schönberger, Kenneth Cukier: Lernen mit Big Data: Die Zukunft der Bildung Verlag: Redline Verlag (2014)

Matthew A. Russell Mining the Social Web: Data Mining Face-book, Twitter, LinkedIn, Google+, GitHub, and More Verlag: O'Reilly & Associates; Auflage: 2 (2013)

Thomas A. Runkler Data Mining: Methoden und Algorithmen intelligenter Datenanalyse (Computational Intelligence) Verlag: Vieweg+Teubner Verlag; (2011)

Pavlo Baron: Big Data für IT-Entscheider: Riesige Datenmengen und moderne Technologien gewinnbringend nutzen Verlag: Carl Hanser Verlag GmbH & Co. KG (2013)

Vortrag, Gruppenarbeiten, Fallbeispiele

Schriftliche Klausur