Universität Wien FIND
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

050136 VU Business Intelligence I (2014W)

Prüfungsimmanente Lehrveranstaltung

Die zentrale Fragstellung von Business Intelligence ist die Gewinnung von Information aus Geschäftsprozessdaten, die eine bessere operative Umsetzung von strategischen Unternehmenszielen erlaubt und damit das Management in seinen Entscheidungen unterstützt. Dabei müssen Daten unterschiedlichster Herkunft (von internen strukturierten Informationssystemen über Daten der Geschäftsprozessorganisation bis hin zu semistrukturierten Daten aus dem Internet) und unterschiedlichster Struktur (von quantitativer Information bis zu textuellen Daten) zielgerichtet zusammengeführt und in Analysen verwendet werden. Die Nutzung dieser Informationsquellen setzt Kenntnisse über fortgeschrittene Methoden des Data Management, über Business Process Management und über analytische Methoden des Data Mining voraus.

Die Lehrveranstaltung Business Intelligence I gibt eine Einführung in grundlegende Methoden und Modellierungstechniken entlang der folgenden Einheiten:

- Vorbesprechung
- Einführung in Business Intelligence
- Modellierungstechniken der Business Intelligence 1
- Modellierungstechniken der Business Intelligence 2
- Datenmodellierung 1,
- Analysemethoden für Querschnittsdaten (Data Mining 1)
- Analysemethoden für Querschnittsdaten (Data Mining 2)
- Analysemethoden für Querschnittsdaten (Data Mining 2)
- Analysemethoden für Prozessdaten (Process Analysis and Simulation)
- Analysemethoden für Prozessdaten (Process Mining)
- Analysemethoden für Prozessdaten (Combined Methods: Process and Data Mining)

Im Abschnitt Analysemethoden für Querschnittsdaten werden klassischen Algorithmen des Data Mining vorgestellt und die Lösung von Fragestellung mit R behandelt.
Im Abschnitt Analysemethoden für Prozessdaten werden Algorithmen des Process Mining vorgestellt und die Lösung von Fragestellung mit ProM behandelt.
Themen für die Präsentationen: OLAP-Tools, Visualisierung, Textmining, Talend (Data Quality Management)

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Mittwoch 08.10. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 15.10. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 22.10. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 29.10. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 05.11. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 12.11. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 19.11. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 26.11. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 03.12. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 10.12. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 17.12. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 07.01. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 14.01. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Mittwoch 21.01. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG
Donnerstag 22.01. 08:00 - 09:30 Hörsaal 1, Währinger Straße 29 1.UG
Mittwoch 28.01. 08:00 - 11:15 Hörsaal 2, Währinger Straße 29 2.OG

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die zentrale Fragstellung von Business Intelligence ist die Gewinnung von Information aus Geschäftsprozessdaten, die eine bessere operative Umsetzung von strategischen Unternehmenszielen erlaubt und damit das Management in seinen Entscheidungen unterstützt. Dabei müssen Daten unterschiedlichster Herkunft (von internen strukturierten Informationssystemen über Daten der Geschäftsprozessorganisation bis hin zu semistrukturierten Daten aus dem Internet) und unterschiedlichster Struktur (von quantitativer Information bis zu textuellen Daten) zielgerichtet zusammengeführt und in Analysen verwendet werden. Die Nutzung dieser Informationsquellen setzt Kenntnisse über fortgeschrittene Methoden des Data Management, über Business Process Management und über analytische Methoden des Data Mining voraus.

Die Lehrveranstaltung Business Intelligence I gibt eine Einführung in grundlegende Methoden und Modellierungstechniken.
Vorgesehener Einheiten:
Einheit 1: Vorbesprechung
Einheit 2: Einführung in Business Intelligence
Einheit 3: Modellierungstechniken der Business Intelligence 1
Einheit 4: Modellierungstechniken der Business Intelligence 2
Einheit 5: Datenmodellierung 1,
Einheit 6: Datenmodellierung 2
Einheit 7: Analysemethoden für Querschnittsdaten (Data Mining 1)
Einheit 8: Analysemethoden für Querschnittsdaten (Data Mining 2)
Einheit 9: Analysemethoden für Querschnittsdaten (Data Mining 2)
Einheit 10: Analysemethoden für Prozessdaten (Process Analysis and Simulation)
Einheit 11: Analysemethoden für Prozessdaten (Process Mining)
Einheit 12: Analysemethoden für Prozessdaten (Combined Methods: Process and Data Mining)
Einheit 13: Präsentationen von Studierenden 1
Einheit 14: Präsentationen von Studierenden 2
Einheit 15: Präsentationen von Studierenden 3, Abschlussgespräche

In den Abschnitten: Analysemethoden für Querschnittsdaten werden klassischen Algorithmen des Data Mining vorgestellt und die Lösung von Fragestellung mit R behandelt.
In den Abschnitten: Analysemethoden für Prozessdaten werden Algorithmen des Process Mining vorgestellt und die Lösung von Fragestellung mit ProM behandelt.
Themen für die Präsentationen: OLAP-Tools, Visualisierung, Textmining, Talend (Data Quality Management)

Im zweiten Teil des Moduls im Sommersemester 2013 wird ein umfangreicheres BI-Projekt durchgeführt.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Lösung der Übungsaufgaben, Präsentationen im letzten Teil der Lehrveranstaltung und Abschlussgespräch oder Abschlussklausur über durchgeführten praktischen Übungen zu den theoretischen Teilen über Data Mining und Process Mining.

Mindestanforderungen und Beurteilungsmaßstab

Vermittlung grundlegender Kenntnisse in Data Mining und Process Mining und deren Anwednung in der Praxis unter Verwendung von geeigneter Software.

Prüfungsstoff

Die Lehrveranstaltung kombiniert Vorlesung über theoretische Konzepte mit der praktischen Lösung von Übungsaufgaben.

Literatur

The Top Ten Algorithms in Data Mining
Editor(s): Xindong Wu, University of Vermont, Burlington, USA; Vipin Kumar, University of Minnesota, Minneapolis, USA
Series: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series

Stephen Marsland: Machine Learning - An Algorithmic Perspective.CRC Press 2009

Wil M. van der Aalst: Process Mining. Springer 2011.

Process-Aware Information Systems
Editors: Marlon Dumas, Wil M.P. van der Aalst, Arthur H.M. ter Hofstede
Series: Wiley-Interscience (2005)

Gert H.N. Laurensen, Jesper Thorlund: Business Analytics for Managers - Taking Business Intelligence Beyond Reporting. Wiley 2010

Weitere Literatur wird in der Lehrveranstaltung angegeben.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Fr 31.08.2018 08:48