Modulbezeichnung: Angewandte Informatik |
Studiengang: Management Sciences, Master, ASPO 01.10.2013 |
Code: DFMMS-222 |
SWS/Lehrform: 4V (4 Semesterwochenstunden) |
ECTS-Punkte: 6 |
Studiensemester: 2 |
Pflichtfach: ja |
Arbeitssprache: Deutsch |
Prόfungsart: Klausur (90 Minuten) und Projektarbeit (Gewichtung 1:1) (Wiederholung: Klausur semesterweise/Projekt jährlich) [letzte Änderung 24.07.2015] |
Verwendbarkeit / Zuordnung zum Curriculum: DFMMS-222 Management Sciences, Master, ASPO 01.10.2013, 2. Semester, Pflichtfach |
Arbeitsaufwand: Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 135 Stunden zur Verfügung. |
Empfohlene Voraussetzungen (Module): Keine. |
Als Vorkenntnis empfohlen fόr Module: |
Modulverantwortung: Prof. Dr. Stefan Selle |
Dozent: Prof. Dr. Christian Liebig Prof. Dr. Stefan Selle Dozenten des Studiengangs Nico Krivograd, M.Sc. [letzte Änderung 06.04.2017] |
Lernziele: Die Studierenden sollen durch die erfolgreiche Beendigung dieses Moduls in der Lage sein, Zusammenhänge des Wissensmanagements und Busineness Intelligence darzustellen, Methoden des Data Minings zu begreifen und anzuwenden, in selbstorganisierten Teams zu arbeiten, Arbeitsergebnisse zu verdichten und zu präsentieren, Projektergebnisse zu kritisieren. [letzte Änderung 24.07.2015] |
Inhalt: 1 Einführung und Knowledge Management (KM) Informatik und Algorithmen Tabellenkalkulation und Datenbanken Wissensmanagement 2 Business Intelligence (BI) Managementinformationssysteme und Reporting Datenmodellierung: Data Warehouse, Star-Schema, Snowflake-Schema Datenbereitstellung: Extract Transform Load(ETL)-Prozess Datenanalyse: Online Analytical Processing (OLAP) 3 Data Mining (DM) Data Mining Prozesse ABC-Analyse Scoring-Verfahren Clusteranalyse Assoziationsanalyse Entscheidungsbaum Regressionsanalyse [letzte Änderung 24.07.2015] |
Weitere Lehrmethoden und Medien: Vorlesung mit integrierten praktischen Übungen am PC (mit Hilfe von MS Excel und SAP BI 7.0). Projektstudium in selbstorganisierten Teams. [letzte Änderung 24.07.2015] |
Literatur: [1] Einführung, insb. Wissensmanagement Hansen, H. R., Neumann, G.: Wirtschaftsinformatik 1 Grundlagen und Anwendungen, 10. Auflage, UTB Verlag, Stuttgart, 2009. Kilian, D., Krismer, R., Loreck, S., Sagmeister, A.: Wissensmanagement Werkzeuge für Praktiker. 3. Auflage, Linde Verlag, Wien, 2007. Probst, G., Raub, S., Romhardt, K.: Wissen managen. Wie Unternehmen ihre wertvollste Ressource optimal nutzen. 6 Auflage, Gabler Verlag, Wiesbaden, 2010. Schubert, M.: Datenbanken Theorie, Entwurf und Programmierung relationaler Datenbanken, 2. Auflage, Vieweg+Teubner Verlag, Wiesbaden, 2007. [2] Business Intelligence Chamoni, P., Gluchowski, P.: Analytische Informations-systeme, 3. Auflage, Springer Verlag, Berlin, 2006. Gluchowski, P., Dittmar, C., Gabriel, R.: Management Support Systeme und Business Intelligence, Springer Verlag, Berlin, 2008. Hannig, U. : Knowledge Management und Business Intelligence, Springer Verlag, Berlin, 2002. Kemper, H.-G., Mehanna, W., Unger, C.: Business Intelligence Grundlagen und praktische Anwendungen, 2. Auflage, Vieweg Verlag, Wiesbaden, 2006. Marx Gómez, J. M., Rautenstrauch, C., Cissek, P.: Einführung in Business Intelligence mit SAP NetWeaver 7.0, Springer Verlag, Berlin, 2009. Mehrwald, C.: Datawarehousing mit SAP BW 7, 4. Auflage, Dpunkt Verlag, Heidelberg, 2007. Schmidt-Volkmar, P.: Betriebswirtschaftliche Analyse auf operationalen Daten, Gabler Verlag, Wiesbaden, 2008. [3] Data Mining Alpar, P., Niedereichholz, J.: Data Mining im praktischen Einsatz, Vieweg Verlag, Wiesbaden, 2000. Ester, M., Sander, J.: Knowledge Discovery in Databases, Springer Verlag, Berlin, 2000. Kießwetter, M., Vahlkamp, D.: Data Mining in SAP NetWeaver BI, Galileo Press, Bonn, 2007. Knoll, M., Meier, A.: Web & Data Mining, HMD Heft 269, Dpunkt Verlag, Heidelberg, August 2009. Runkler, T.A.: Information Mining, Vieweg+Teubner Verlag, Wiesbaden, 2009. Witten, I.H., Frank, E., Hall, M.A.: Data Mining, 3. Auflage, Morgan Kaufmann, Burlington, 2011. [letzte Änderung 24.07.2015] |
[Tue Aug 16 08:49:09 CEST 2022, CKEY=daib, BKEY=dms2, CID=DFMMS-222, LANGUAGE=de, DATE=16.08.2022]