Business Intelligence & Analytics (ILV)

Zurück
LV-NummerB4.06360.40.840
LV-KürzelBIA
Studienplan2024
Studiengangssemester 4. Semester
LehrveranstaltungsmodusPräsenzveranstaltung und Fernlehre
Semesterwochenstunden / SWS3,0
ECTS Credits5,0
Unterrichtssprache Deutsch

Die Studierenden sind in der Lage,
• fundierte Kenntnisse im Bereich des Datenmanagements einschließlich der Datenakquise, -integration und -bereinigung zu erlangen und dieses Wissen praktisch anzuwenden.
• die einzelnen Phasen des Analytics Prozesses zu verstehen und diese auch näher zu erläutern.
• den Zusammenhang zwischen Business Intelligence/Business Analytics und Controlling zu verstehen und herzuleiten.
• die Grundlagen des Business Intelligence (BI) Konzepts und die Bedeutung von Datenanalysen für Entscheidungsfindungen in Unternehmen zu verstehen und zu erläutern.
• Daten effektiv aufzubereiten, indem sie Techniken des Datenmanagements und der -bereinigung anwenden, um qualitativ hochwertige Daten für BI-Analysen zu gewährleisten.
• Daten aus verschiedenen Quellen zu identifizieren, zu organisieren und sie aufzubereiten, um sie für BI-/AB-Analysen nutzbar zu machen.
• Daten zu analysieren und zu interpretieren, um Einblicke in geschäftliche Trends, Muster und Probleme zu gewinnen.
• ausgewählte BI-Applikationen wie MS Power BI/MS Azure fallbezogen anzuwenden.
• auf Basis von MS Excel/MS Power BI dynamische Power Queries zu erstellen bzw. Pivot Analysen anzuwenden und die Ergebnisse in Dashboards dynamisch darzustellen.
• die Potentiale von Cloud Computing anhand von MS Azure und dessen Dienste zu erkennen.
• die vermittelten Inhalte anhand von Fallbeispielen in der Praxis anzuwenden.
• die Fähigkeit zur Anwendung von BI-Konzepten in realen Geschäftssituationen zu demonstrieren.
• eigenständig BI-Lösungen zu entwickeln, indem sie Datenintegration, -analyse und -visualisierung in einer Fallstudie umsetzen.

• Grundlagen Datenmanagement
• Grundlagen von Business Intelligence und Business Analytics
• Datenmanagement mit MS Excel und Power Query/Pivot
• MS Power BI Dashboards und Reports
• MS Power BI Enterprise Architektur
• Integration von einfachen MS Azure Diensten

Carpenter, J./Hewitt, E. (2016): Cassandra: The Definitive Guide. Distributed Data At Web Scale. Beijing, Boston, Farnham, Sebastopol, Tokyo: O'Reilly.
Celko, J. (2014): Joe Celko's complete guide to NoSQL. What every SQL professional needs to know about nonrelational databases. Waltham, MA: Morgan Kaufmann.
Cordon, C./Garcia-Milà, P. et al (2016): Strategy Is Digital. How Companies Can Use Big Data in the Value Chain. Heidelberg: Springer-Verlag GmbH.
Edlich, S./Friedland, A./Hampel, J./Brauer, B. (2010): NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken. München: Hanser.
Freiknecht, J./Papp, S. (2018): Big Data in der Praxis. Lösungen mit Hadoop, Spark, HBase und Hive. Daten speichern, aufbereiten, visualisieren, 2., erw. Aufl. München: Hanser.
Jung, H. H./Kraft, P. (Hrsg.) (2017): Digital vernetzt. Transformation der Wertschöpfung. Szenarien, Optionen und Erfolgsmodelle für smarte Geschäftsmodelle, Produkte und Services. München: Carl Hanser Verlag.
Kleppmann, M. (2017): Designing data-intensive applications. The big ideas behind reliable, scalable, and maintainable systems. Sebastopol, CA: O'Reilly Media.
Papp, S./Weidinger, W./Meir-Huber, M. (2019): Handbuch Data Science. Mit Datenanalyse und Machine Learning Wert aus Daten generieren. München: Carl Hanser Verlag.
Pochiraju, B./Sridhar, S. (2019): Essentials of Business Analytics. An Introduction to the Methodology and its Applications. Heidelberg: Springer-Verlag GmbH.
Runkler, T. A. (2012): Data Analytics. Models and Algorithms for Intelligent Data Analysis. Wiesbaden: Vieweg+Teubner Verlag.
Schuster, H./Arendt-Theilen, F./Morgenthaler, R. (2018): Power BI Desktop - Einstieg und Lösungen. Daten gekonnt analysieren und visualisieren. München: Carl Hanser Verlag.
Werther, I. (2013): Business Intelligence. Komplexe SQL-Abfragen am Beispiel eines Online-Shops; inkl. Testdatenbank mit über zwei Millionen Datensätzen, 1. Aufl. München: Carl Hanser Verlag.
Nelles, S. (2022): Power BI mit Excel. Das umfassende Handbuch, 3. Auf. Bonn: Rheinwerk Verlag.
Nelles, S. (2022): Excel im Controlling. Das umfassende Handbuch, 5. Aufl. Bonn: Rheinwerk Verlag.
Schels, I. (2020): Business Intelligence mit Excel. Datenanalyse und Reporting mit Power Query, Power Pivot und Power BI Desktop, 2. Aufl. München: Carl Hanser Verlag.
Schön, D. (2022): Planung und Reporting im BI-gestützten Controlling. Grundlagen, Business Intelligence, Mobile BI und Big-Data-Analytics. 4. Aufl. Wiesbaden: Springer.
Seiter, M. (2023): Business Analytics. Wie Sie Daten für die Steuerung von Unternehmen nutzen, 3. Aufl. München: Vahlen.

Vortrag, Diskussion, Einzel- und Gruppenarbeiten, Bearbeiten von Fallbeispielen aus der Praxis

Integrierte Modulprüfung
Immanenter Prüfungscharakter: Präsentation, Fallbearbeitung, Einzel- und Gruppenarbeit, schriftliche Abschlussprüfung