Business Intelligence und Unternehmensführung (UNF)

Steuere Unternehmen mit Hilfe von 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

• A. Bauer and H. Günzel, Data Warehouse-Systeme, 4th ed. Heidelberg, Germany: dpunkt.verlag, 2013.
• R. Dillerup and R. Stoi, Unternehmensführung, 6th ed. Munich, Germany: Vahlen, 2022.
• R. Dillerup and R. Stoi, Eds., Fallstudien zur Unternehmensführung, 2nd ed. Munich, Germany: Vahlen, 2012.
• W. Gerken, Data-Warehouse-Systeme für Dummies. Weinheim, Germany: Wiley-VCH, 2018.
• H. Hungenberg and T. Wulf, Grundlagen der Unternehmensführung, 6th ed. Heidelberg, Germany: Springer Gabler, 2021.
• H.-G. Kemper et al., Business Intelligence: Grundlagen und praktische Anwendungen, 3rd ed. Wiesbaden, Germany: Vieweg+Teubner, 2010.
• V. Köppen et al., Data Warehouse Technologien, 2nd ed. Heidelberg, Germany: mitp-Verlag, 2014.
• H.-E. Müller and M. Wrobel, Unternehmensführung: Strategie – Management – Praxis, 4th ed. Munich, Germany: Vahlen, 2021.
• H. Plattner and A. Zeier, In-Memory Data Management, 2nd ed. Berlin and Heidelberg, Germany: Springer, 2013.
• G. Roth-Dietrich, Grundlagen und Methoden der Wirtschaftsinformatik. Hamburg, Germany: Books on Demand, 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 regelmäßig im Wintersemester
Kreditpunkte (CP)	5
Modulverantwortlich	Prof. Dr. Gabriele Roth-Dietrich
Dauer	1 Semester
Studienleistung	Keine
Prüfungsvorleistung	Keine
Prüfungsleistung	Continuous Assessment (CA)

Semesterwochenstunden (SWS) 

Vorlesung	2 SWS
Übung	2 SWS
Summe	4 SWS

Arbeitsaufwand (Workload) 

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