Veranstaltungen
Vorlesung
Business Intelligence
- Name im Diploma Supplement
- Business Intelligence
- Anbieter
- Lehrstuhl für Wirtschaftsinformatik und Applikationsmanagement
- Lehrperson
- Prof. Dr. Mario Schaarschmidt
- Turnus
- Wintersemester
- SWS
- 2
- Sprache
- deutsch
- maximale Hörerschaft
- unbeschränkt
- Hörerschaft
empfohlenes Vorwissen
Grundkenntnisse zu Digital Business und Geschäftsmodellen
Abstract
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.
Lehrinhalte
In der Vorlesung werden die wesentlichen Grundkonzepte sowie die Ziele von Business Intelligence vorgestellt, auch und insbesondere in Abgrenzung von Data Analytics.
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
Literaturangaben
- 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.
didaktisches Konzept
Die Veranstaltung umfasst einerseits klassische Vorlesungen, in denen ein/e Dozent/in Inhalte erläutert und Fragen interaktiv diskutiert werden. Darüber hinaus sind die Studierenden aufgefordert, Inhalte z.B. mit Hilfe von angebotenen Videos, Online-Quizzes und interaktiven digitalen Lernsystemen selbständig zu erarbeiten oder zu wiederholen.