Business Intelligence und Unternehmensführung (UNF)

Unternehmenssteuerung mit Daten: Du lernst, wie Unternehmen mit Business Intelligence bessere Entscheidungen treffen. Im Mittelpunkt stehen Data Warehouses und die Analyse großer Datenmengen sowie Methoden zur Erkennung von Trends und Entwicklungen. Aktuelle Technologien wie Big Data, In-Memory-Systeme und KI-Analysen runden die Inhalte ab.

Inhalte

• Grundbegriffe und Systeme der Unternehmensführung, Strategieimplementierung
• Grundlagen von Business Intelligence
• Data Warehouses, Abgrenzung OLTP- und OLAP-Systeme
• DW-Architektur, Modellierung von Data Warehouses und Umsetzung der Datenmodelle, Aufbau eines DWs, Abfragen in DWs, Slowly Changing Dimensions
• Business Intelligence und Data Mining: Data Mining-Prozess, Data Mining-Methoden
• Predictive Analytics: Anwendungsbeispiele, kritische Betrachtung (gesellschaftliche und ethische Aspekte)
• Aktuelle Entwicklungen: In-Memory-Datenbanken, Verschmelzung von OLTP- und OLAP-Systemen, Embedded Analytics, Big Data-Daten im BI, Predictive Analytics usw.)
• Einbettung eines BI-Systems in eine Systemlandschaft
• Betrieb eines BI-Systems
• Übungen zu Data Warehousing und Data Mining mit SAP Datasphere und SAP Analytics Cloud

Lernziele/Kompetenzen

Die Studierenden sind in der Lage,

• Steuerungsinstrumente zur Unternehmensführung verstehen und bewerten sowie Auswirkungen unternehmerischer Entscheidungen abschätzen
• Architektur von Data Warehouses verstehen
• den gesamten Data Warehousing-Prozess durchführen, d.h. Data Cubes für Data Warehouses mehrdimensional modellieren und in ein relationales Tabellendesign umsetzen, Datenqualitätsanforderungen im Rahmen der ETL-Prozesse einordnen, Algorithmen für die Dublettensuche und Fehlerkorrektur verstehen und durchführen, OLAP-Navigationen nachvollziehen
• Business Intelligence-Systeme für die Unternehmensführung einsetzen und aktuelle Beispiele sowie Use Cases einordnen und kritisch bewerten
• neue Entwicklungen im BI-Bereich (z.B. Auswertung von Big Data-Daten, In-Memory-Datenbanken, Predictive Analytics, Blockchain) kritisch würdigen

Literatur

• Bauer, A. und H. Günzel, Data Warehouse-Systeme, 4. Aufl., Heidelberg 2013
• Dillerup, R. und R. Stoi, Unternehmensführung, 6. Aufl., Mümchen 2022
• Dillerup, R. und R. Stoi (Hrsg.), Fallstudien zur Unternehmensführung, 2. Aufl., München 2012
• Gerken, W., Data-Warehouse-Systeme für Dummies, Weinheim 2018
• Hungenberg, H. und T. Wulf, Grundlagen der Unternehmensführung, 6. Aufl., Heidelberg u.a. 2021
• Kemper, H.-G. u.a., Business Intelligence: Grundlagen und praktische Anwendungen, 3. Aufl., Wiesbaden 2010
• Köppen, V. u. a., Data Warehouse Technologien, 2. Aufl., Heidelberg u. a. 2014, mitp-Verlag, ISBN 978-3-8266-9588-9
• Müller, H.-E. und M. Wrobel, Unternehmensführung: Strategie – Management – Praxis, 4. Aufl., München 2021
• Plattner, H. und A. Zeier, In-Memory Data Management, 2. Aufl., Berlin und Heidelberg 2013
• Roth-Dietrich, G., Grundlagen und Methoden der Wirtschaftsinformatik, Hamburg 2018

Dozentinnen / Dozenten

• Prof. Dr. Gabriele Roth-Dietrich

Empfohlene Vorkenntnisse

• Abgeschlossenes Grundstudium
• Wirtschaftsinformatik 3 (WI3)
• Datenmanagement (DM)
• Unternehmensinformatikprojekt (UP)
• Praktisches Studiensemester (PS)

Daten zum Modul

Semester	6/7
Unterrichtssprache	Deutsch
Häufigkeit	Wintersemester
Kreditpunkte	5
Modulverantwortlich	Prof. Dr. Gabriele Roth-Dietrich
Dauer	1 Semester
Studienleistung	Keine
Prüfungsvorleistung	Keine
Prüfungsleistung	Continuous Assessment (CA)

Semesterwochenstunden

Vorlesung	2 SWS
Übung	2 SWS
Summe	4 SWS

Arbeitsaufwand (work load)

Vorlesung	30 h
Selbststudium	90 h
Aufgaben	30 h
Summe	150 h