Befehle des Menübands überspringen
Zum Hauptinhalt wechseln
Navigation nach oben
Anmelden
Headerbild
Business Analytics
Erfolgreich studieren.
Selektion nach Zielgruppen Go

Themen

 

 

Intelligence (BI), ist ein Oberbegriff, der die IT-Lösungen umfasst, welche eingesetzt werden mit dem Ziel, die Unternehmensdaten zu sammeln und zu analysieren. Die Daten betreffen unterschiedliche Geschäftsprozesse und Bereiche eines Unternehmens, darunter das Kundenmanagement (CRM), das Personalmanagements (HRM), die Bestandsverwaltung und die logistischen Prozessen. Ferner BI-Systeme sammeln und analysieren die Marktdaten, z.B. die Daten der Wettbewerber und der Kunden. Die Datenanalyse führt zu neuen Erkenntnissen über die Geschäftsprozesse und über den Markt. Diese Erkenntnisse dienen zur Unterstützung von Unternehmens‘ operativen und strategischen Entscheidungen.

Prof. Dr. Bernd Stauss

Die Absolventen des Studienganges Business Analytics werden dazu befähigt,

  • Die state-of-the-art ETL and Business Intelligence Systeme, z.B. Pentaho oder Business Objects, anzuwenden,
  • Die wichtigsten OLAP-Operationen wie Slicing und Dicing ausführen und die erhaltenen Daten als Berichte auszugeben
  • Interaktive Tools für die Datenvisualisierung anzuwenden und die visualisierten Daten zu interpretieren

Diese Fertigkeit werden die Absolventen zu wertvollen Ansprechpartner der Entscheidungsträger in den Unternehmen machen.

 

Prof. Dr. German Nemirovski

Data-Mining ist der Prozess der Datenanalyse, in dem die Verfahren und Algorithmen der Statistik und künstlicher Intelligenz, wie die Maschinenlernen-Algorithmen, sowie spezielle Visualisierungstechniken eingesetzt werden. Die Anwendung dieser Verfahren und Algorithmen hat das Ziel, die Zusammenhänge und Muster in den Daten aufzuspüren, welche die Entscheidungsträger in ihren Entscheidungen unterstützen. Ferner ermöglicht der Einsatz von den oben genannten Methoden eine hochgradige Automatisierung des Datenanalyseprozesses.

Unter Webmining wird die Übertragung von Techniken des Data-Mining zur Extraktion von Informationen aus den im World Wide Web zugänglichen Inhalten. Eine große Rolle spielen dabei die Algorithmen zur Textanalyse.

Die Absolventen werden des Studienganges Business Analytics werden dazu befähigt,

  • die oben gennannten Data und Web-Mining Verfahren und Algorithmen in der Praxis zu verwenden
  • mit mindestens einem Datamining Tool, z.B. RapidMiner, sicher umzugehen
  • Unternehmensdaten extrahieren, konsolidieren und für die Auswertung in geeigneten Kennzahlensystemen bzw. für Recherche / Mustererkennung aufzubereiten
  • die Komplexität, die Machbarkeit und den Innovationsgrad von angestrebten Problemlösungen erkennen bzw. miteinander zu vergleichen.

Im Unterschied zum World Wide Web, wie wir es gut kennen, das die Inhalte umfasst, die von den Menschen rezipiert werden,  schließt das Semantic Web die Inhalte ein, die für das Rezipieren durch die  Maschinen angedacht sind. Der Begriff “Semantic Web” bezeichnet die W3C‘s Vision der verlinkten Daten im Web. Die Open Linked Data ist eine mögliche Implementierung dieser Vision. Semantic Web – Technologien machen es möglich, die Daten-Repositorien im Web zu erstellen, die, Begriffsvokabulare zu definieren, und die Regeln für die Datenverarbeitung zu spezifizieren. Hierbei sind die folgenden Technologien von großer Bedeutung: RDF, SPARQL und OWL.

Die Absolventen werden des Studienganges Business Analytics werden

  • die wichtigsten Linked Open Data sources, wie die DBpedia, Linked GeoData, GEMET oder Product DB kennen
und dazu befähigt sein,
  • mithilfe von einem Ontologie-Editor, z.B. Protégé, Ontologien zu erstellen
  • SPARQL-Queries zu formulieren, diese über ein SPARQL-Endpoint abzusetzen und die Ergebnisse zu interpretieren
  • DL-Reasoner zu einsetzen und die Ergebnisse von Reasoning zu interpretieren
  • DL-Formalismen lesen und zu verstehen 

 

Large Scale Data Analysis and Parallalization:,
Große Datenmengen (BigData) müssen geeignet gespeichert werden, um sie schnell und effizient auswerten zu können. Zur Speicherung werden parallele Verfahren eingesetzt, indem Daten auf vielen Rechnerknoten gespeichert werden. Beispiele hierfür sind Hadoop oder verteilte relationale DBMS. Zur Auswertung der Daten kommt wieder vermehrt SQL zum Einsatz (Hadoop goes SQL). Implementierungen hierfür sind z.B. Hive von Apache oder BigSQL der IBM.

Prof. Dr. Thomas Eppler

Für statistische Auswertungen wird vermehrt R verwendet. R Implementierungen im Bereich BigData sind RHive von Apache oder BigR der IBM.Business Intelligence Systeme wie BigSheet der IBM oder Tableau sind Analysesoftware für große Datenmengen, die ihre Daten aus beliebigen verteilten und nichtverteilten relationalen DBMS oder aus Hadoop beziehen. Ergebnismengen werden berechnet und grafisch dargestellt oder an R zur weiteren Bearbeitung übergeben.

BigData verbindet daher die Datenspeicherung mit Business Intelligence- und Statistiksystemen zu einem integrierten System, bei dem die einzelnen Bestandteile (verteilte Datenhaltung, verteilte Auswertung, Statistik) barrierefrei zusammenarbeiten.

 

Prof. Dr. Nils Herda

Strategic IT-Management fokussiert im Rahmen des Studiengangs Business Analytics auf die Aufgaben des Top-Managements im Unternehmen. Die Dynamik und Komplexität international vernetzter Märkte erfordert ein professionelles IT-Management auf Basis weltweit verfügbarer, unternehmensweiter sowie -übergreifender Geschäftsprozesse.

Der Chief Information Officer (kurz: CIO) ist als Leiter der Informationstechnologie daher gefordert, die IT-Strategie der Unternehmung kontinuierlich weiterzuentwickeln. Im Rahmen der Lehrveranstaltung werden daher Methoden und Verfahren behandelt, die auf die Zusammenarbeit mit CIO und Top-Management vorbereiten.

So werden etwa IT-Strategien in international ausgelegten Fallstudien erarbeitet und mit IT-Managern externer Unternehmen ausführlich diskutiert. Eine besondere Bedeutung kommt dabei dem Anwendungskontext des Studiengangs zu, wie der Einsatz von Prognosesystemen und der individuellen Aufbereitung für das Top-Management.​

Die Lehrveranstaltung Business Process Management and Data Compliance fokussiert im Rahmen des Studiengangs Business Analytics auf das Geschäftsprozessmanagement, das vom Management des Unternehmens verantwortlich wird. Insbesondere weltweit agierende Großunternehmen und Unternehmen des gehobenen Mittelstands sind gefordert, die Wertschöpfungsstrukturen konsequent mit der Informationstechnologie abzustimmen.

Diese operative Verankerung der IT-Strategie verbunden mit der Zielstellung einer „operational excellence“ führt zu einer Steigerung der Produktivität, einer höheren Kundenzufriedenheit sowie einer generellen Werterhöhung. Im Anwendungskontext des Studiengangs und von IT-Governance, Risk and Compliance Management werden zudem spezifische Aspekte des Data Compliance behandelt, um gesetzeskonformen Anforderungen an die Daten angemessen Rechnung zu tragen.​

 

Unter Verteilten (Unternehmens-) Anwendungen (Distributed Enterprise Applications) werden gemeinhin komplexe Software-Systeme zusammengefasst, die auf mehreren, potentiell unterschiedlichen Hard- und Betriebssystemplattformen eines Unternehmens zum Einsatz kommen. Wurden „Verteilte Anwendungen“ anfangs u.a. hauptsächlich wegen den sich hierdurch ergebenden Vorteilen, wie etwa die einer Last-Balancierung oder der Möglichkeit eines verstärkten Datenschutzes, betrieben, so traten in den letzten Jahren  zunehmend andere Kriterien in den Vordergrund – so lassen sich hierdurch komplexe Anwendungen meist leichter entwickeln, wenn die Aufgaben- bzw. Problemstellung ebenfalls dezentral behandelt wird.

Prof. Dr. Jörg Röhrle

Die Verteilung wird zudem erleichtert, wenn die beteiligten Systeme „gleich“ sind hinsichtlich der Systemvoraussetzungen, was letztendlich zur Entwicklung der J(2)EE-Architektur führte, die mittlerweile als Standard hierfür gilt. Der zentrale Bestandteil einer solchen Architektur ist ein Applikationsserver mit inhärenter TP_Monitor-Funktionalität zur Realisierung verteilter Transaktionen. Die Veranstaltung „Distributed Enterprise Applications“ behandelt die Konzeption und Implementierung solcher Anwendungen an praktischen Beispielen.​