Datenanalyse
Fakultät für Informatik und Mathematik ©
Name Datenanalyse
Verantwortlich Georg Peters
SWS 4
ECTS 5
Sprache(n) Deutsch
Englisch
Lehrform SU mit Praktikum
Angebot in jedem Wintersemester
Aufwand

Präsenzstudium: ca. 42 Std., Eigenstudium: ca. 108 Std.

Voraussetzungen

Grundlagen der Wirtschaftsinformatik, insbesondere folgende Module aus dem Bachelor Wirtschaftsinformatik:

  • Betriebswirtschaftslehre
  • Datenbanksysteme
  • Software Engineering I und II
  • Softwareentwicklung I und II
  • Statistik und Operations Research
  • Wirtschaftsmathematik I und II
Ziele

LERNZIELE: Ziel des Moduls ist die Vermittlung von Kenntnissen zu Zielen, Theorie und Praxis der Datenanalyse und der automatisierten Auswertung von großen Datenmengen. Beispiele: Kreditwürdigkeitsprüfungen (Schufa, Kreditkarten etc.), Klassifizierung von Kundendaten (Kundenbindungsprogramme u.ä.) bis zur kontrovers diskutierten Rasterfandung.

FACH- & METHODENKOMPETENZ:

  • Die Studierenden erwerben grundlegend Kenntnisse über den Umgang mit Methoden, Techniken, Verfahren und Werkzeugen zur Analyse von Daten.
  • Die Studierenden gewinnen Wissen über den Einsatz von Konzepten der Datenanalyse im betrieblichen Umfeld.
  • Die Studierenden können Verfahren zur Datenanalyse fundiert beurteilen und anwenden.
  • Die Studierenden verfügen über die fachlicheFähigkeiten, um Projekte zur Datenanalyse im betrieblichen Umfeld zu verstehen, zu steuern und voranzutreiben.

ÜBERFACHLICHE KOMPETENZ:

  • Die Studierenden arbeiten in Projekten mit dem Fokus auf Datenanalyse in Teams zusammen.
  • Die Studierenden erarbeiten sich Teilgebiete der Datenanalyse selbständig und planen ihre Arbeitsabläufe eigenverantwortlich.
Inhalt
  • Bedeutung der Datenanalyse im Bereich der Informationstechnik und Wirtschaft
  • Explorative und konfirmatorische Datenanalyse
  • Methoden zur Datenvorverarbeitung (Preprocessing, Feature-Extraktion)
  • Verfahren zur Analyse großer Datenmengen und komplexer Datenstrukturen
  • Spezielle Aspekte und gewählte Anwendungen zur Datenanalyse
  • Ausgewählte Verfahren des Operations Research
Medien und Methoden
  • Folien (Powerpoint, PDF) und Tafel
  • Labor-PC mit Softwaretools zur Datenanalyse (Excel, R-Project u.a.)
Literatur
  • Blitzstein, J. K. & Hwang, J. (2014), Introduction to probability, CRC Press, Boca Raton, London, New York.
  • Bruce, P. & Bruce, A. (2017), Practical Statistics for Data Scientists: 50 Essential Concepts, O'Reilly Media, Sebastopol.
  • Grimmett, G. & Welsh, D. (2014), Probability: an introduction, Oxford University Press, Oxford.
  • Haerdle, W. K. & Hlavka, Z. (2015), Multivariate Statistics - Exercises and Solutions, Springer, Berlin, Heidelberg.
  • Han, J.; Pei, J. & Kamber, M. (2011), Data mining: concepts and techniques, Morgan Kaufmann, San Francisco.
  • Hand, D. J. & Berthold, M. (2003), Intelligent Data Analysis: An Introduction, Springer, Berlin.
  • James, G.; Witten, D.; Hastie, T. & Tibshirani, R. (2013), An introduction to statistical learning, Springer, New York.
  • Klenke, A. (2013), Probability theory: a comprehensive course, Springer, Berlin, Heidelberg.
  • Mittag, H. J. (2017), Statistik, Springer Spektrum.
  • sowie weitere in der Veranstaltung bekanntgegebene Literatur.
Zuordnungen Curricula
SPO Fachgruppe Code ab Semester Prüfungsleistungen
IG Version 2010 CGBV: Fachliche u. persönliche Profilbildung IG-ANM-0010 1 benotete schriftliche Prüfung 90 Minuten
IG Version 2010 EC: Fachliche u. persönliche Profilbildung IG-ANM-0010 1 benotete schriftliche Prüfung 90 Minuten
IG Version 2010 SWE: Fachliche u. persönliche Profilbildung IG-ANM-0010 1 benotete schriftliche Prüfung 90 Minuten
IS Version 2009 WPF Informatik und Wirtschaft IF-S-M-I03 1 benotete schriftliche Prüfung 90 Minuten
IN Version 2010 Pflicht IF-WI-M-09 1 benotete schriftliche Prüfung 90 Minuten
IS Version 2017 WPF Informatik und Wirtschaft IF-S-M-I03 1 benotete schriftliche Prüfung 90 Minuten