Di Maria

Melanie Di Maria

Tel. 0951 - 863 2699 

Email: bamberg@vawi.de

Studiengangmanagement Bamberg
Universität Bamberg | Studiencenter VAWi

An der Weberei 5
96047 Bamberg  


Universität Bamberg

Virtueller Weiterbildungsstudiengang Wirtschaftsinformatik (VAWi)
Fakultät für Wirtschaftsinformatik und Angewandte Informatik

An der Weberei 5
96047 Bamberg
* Pflichtfeld
Weichelt

Dr. Thomas Weichelt

Tel. 0201 - 183 3001

Email: essen@vawi.de

Studiengangmanagement Essen
Universität Duisburg-Essen | Studiencenter VAWi

Universitätsstraße 9
45141 Essen


Universität Duisburg-Essen

Virtueller Weiterbildungsstudiengang Wirtschaftsinformatik (VAWi)
Fakultät für Wirtschaftswissenschaften

Universitätsstraße 9
45141 Essen
* Pflichtfeld

Data-Warehouse-Systeme

Dozenten & Tutoren

Dozent:
Prof. Dr. Elmar J. Sinz

Tutoren:

Universität Bamberg

Fakultät für Wirtschaftsinformatik und Angewandte Informatik
Lehrstuhl für Wirtschaftsinformatik, insbes. Systementwicklung und Datenbankanwendungen
http://www.uni-bamberg.de/seda/

 

Einordnung, Turnus & Sprache

Turnus:
Sommersemester

Einordnung:
Datenmanagementsysteme

Sprache:
Deutsch

Lehrformen & Medienformen

Für dieses Modul steht eine internetbasierte Lernumgebung für die Durchführung der Lehr-/Lernprozesse und der Lernunterstützungsprozesse zur Verfügung. Dabei erfolgt die Betreuung der Studierenden durch die Lehrenden über asynchrone (Foren, E-Mail) und synchrone (Telefon) Kommunikationswerkzeuge. Diese stehen auch für die Kommunikation der Studierenden untereinander zur Verfügung.

Die Studierenden werden beim Wissenserwerb durch folgende elektronische Selbstlernmedien unterstützt:
Skript/Foliensätze

Zudem wird der Aufbau von Fertigkeiten und Kompetenzen insbesondere gefördert durch:
Fallstudien, tutoriell betreute Aufgabenbearbeitung, Gruppenarbeiten, Toolunterstützung (Data-Warehouse-Tool-Suite).

Es werden praxisbezogene Aufgaben gestellt, die mit Hilfe der erlernten Methoden und Theorien gelöst werden sollen. Den Studierenden wird eine am Lehrstuhl von Prof. Dr. Elmar J. Sinz entwickelte Data‐Warehouse‐Tool‐Suite (Modellierungswerkzeuge und OLAP‐System) zur Verfügung gestellt.

Arbeitsaufwand, ECTS-Credits & Zuordnung

Arbeitsaufwand
70-80h: Selbststudium
53h: Aufgabenbearbeitung
2h: Abschlussprüfung
125-135h: Gesammt

ECTS-Credits
VAWi 2.0: 5,0

Zuordnung:
10% Wirtschaftswissenschaften
25% Informatik
60% Kerngebiete der Wirtschaftsinformatik
5% allg. Grundlagen & Schlüsselqualifikationen

Voraussetzungen

Es wird empfohlen, zunächst das Modul Datenmanagement zu absolvieren.

Angestrebte Lernergebnisse

Durch das Modul Data‐Warehouse‐Systeme (DWHS) werden methodische Grundlagen auf dem Gebiet der Data‐ Warehouse‐Systeme vermittelt. Absolventinnen und Absolventen des Moduls ...

  • können die Nutzung von DWHS beurteilen und DWHS selbst nutzen,
  • kennen die wichtigsten methodischen Grundlagen, um an der Entwicklung, der Einführung und am Betrieb von DWHS mitzuwirken,
  • kennen die wichtigsten Architekturformen von DWHS und können diese beurteilen,
  • haben eine vollständige und realitätsnahe Fallstudie zur Entwicklung eines DWHS kennengelernt,
  • kennen aktuelle Entwicklungen im Bereich von DWHS,
  • selbstständig wissenschaftlich arbeiten und verbessern durch den Umgang mit offenen Fragestellungen ihr systemanalytisches Denken sowie ihre Abstraktionsfähigkeit,
  • haben durch problemorientierte Fragestellungen ihre Team‐ und Kommunikationsfähigkeit verbessert und sind in der Lage, Verantwortung für den Erfolg einer Projektgruppe zu übernehmen.
    •  

Studienempfehlungen

Für den erfolgreichen Abschluss des Moduls wird die Abgabe der Aufgabenbearbeitung im Rahmen der optionalen semesterbegleitenden Studienleistungen dringend empfohlen.

Die Bearbeitung der optionalen semesterbegleitendenStudienleistungen wird – auch im Sinne einer frühzeitigen und kontinuierlichen Vorbereitung auf die Abschlussklausur – ausdrücklich empfohlen. Es können bis zu 18 zusätzliche Punkte erworben werden.

Inhalte & Gliederung

Kapitel 1: Einführung und Motivation „Data‐Warehouse“

  • Zielsetzung
  • Funktion und Nutzung von Data‐Warehouse‐Systemen
  • Fallstudie
  • Planung von Data‐Warehouse‐Systemen
  • Einsatzbereiche für Data‐Warehouse‐Systeme
  • Überblick über Aufbau und Inhalt des Moduls

Kapitel 2: Das multidimensionale Datenmodell

  • Hypercube: Kennzahl, Dimension, Dimensionshierarchie
  • Operatoren auf multidimensionalen Datenschemata
  • Realisierungsformen des multidimensionalen Datenmodells
  • Multidimensionales OLAP (MOLAP)
  • Relationales OLAP (ROLAP)
  • Hybrides OLAP (HOLAP)
  • Flexibilisierung von Data‐Warehouses (Data Vault)

Kapitel 3: Modellierung multidimensionaler Data‐Warehouse‐Schemata

  • Kennzahlen und Kennzahlensysteme
  • Dimensionen und Dimensionshierarchien
  • Aggregierbarkeit von Kennzahlen
  • Visualisierung mehrdimensionaler Datenstrukturen
  • Schemaarchitektur von Data‐Warehouse‐Systemen
  • Das Semantische Data‐Warehouse‐Modell (SDWM)
  • Weitere Ansätze für die konzeptuelle Modellierung von Data‐Warehouse‐Systemen

Kapitel 4: Architektur von Data‐Warehouse‐Systemen

  • Grundlagen der Architektur von Data‐Warehouse‐Systemen
  • Verteilung von Data‐Warehouse‐Systemen
  • Präsentationswerkzeuge für DWH‐Systeme
  • Softwareschichten von DWH‐Systemen
  • Metadaten von DWH‐Systemen

Kapitel 5: Gestaltung und Durchführung der Datenerfassung

  • Extraktion
  • Transformation
  • Laden
  • Werkzeugunterstützung des ETL‐Prozesses
  • Zeitliche Veränderung von qualitativen Daten

Kapitel 6: Fallstudie: Entwicklung von Data‐Warehouse‐Systemen

  • Analyse
  • Design
  • Implementierung
  • OLAP‐Client

Kapitel 7: Betrieb von Data‐Warehouse‐Systemen

  • Personengruppen und Akzeptanz
  • Nutzergruppen und Berechtigungskonzepte
  • Datenschutz
  • Datenqualität

Kapitel 8: Aktuelle Entwicklungen im Bereich von Data‐Warehouse‐Systemen

  • Reduzierung der Ladelatenz
  • Reduzierung der Analyse‐, Entscheidungs‐ und Umsetzungstoleranz
  • MapReduce: Verteiltes Speichern und paralleles Verarbeiten großer Datenmengen (am Beispiel Hadoop)
  • Einsatz von NoSQL‐Datenbanksystemen

 

Studien- und Prüfungsleistungen

  • Klausur [90 Minuten/ 90 Punkte/ 100%]
  • Ggf. Bonus durch zwei (2) nachgewiesene optionale Studienleistung [ 18 Punkte / 20 %].

Der Bonus kann nur angerechnet werden, wenn in der Klausur mindestens 45 Punkte erreicht sind und die optionale semesterbegleitende Studienleistung durch Abgabe / Einreichen der Lösung zur Aufgabenbearbeitung nachgewiesen ist. Die Bestnote (1,0) kann ohne den Bonus erreicht werden.

Literatur

Allgemeine Grundlagen
  • Ferstl O.K., Sinz E.J.: Grundlagen der Wirtschaftsinformatik. 7. Auflage, Oldenburg, München 2013.
  • Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme. Business Intelligence‐Technologien. 4. Auflage, Berlin et al. 2010.
Entwicklung, Betrieb und Nutzung von Data‐Warehouse‐Systemen
  • Bauer A., Günzel H. (Hrsg.): Data‐Warehouse‐Systeme. Architektur – Entwicklung – Anwendung. 4. Auflage, dpunkt.verlag, Heidelberg 2013.
  • Lehner W.: Datenbanktechnologie für Data‐Warehouse‐Systeme. Konzepte und Methoden. dpunkt.verlag, Heidelberg 2003.
  • Inmon W.H.: Building the Data Warehouse. 5th Edition. Jon Wiley & Sons, West Sussex 2005.
  • Muksch H., Behme W. (Hrsg.): Das Data Warehouse‐Konzept. 4. Aufl., Gabler, Wiesbaden 2000.
  • Oehler C.: OLAP. Grundlagen, Modellierung und betriebswirtschaftliche Lösungen. Hanser‐Verlag, München 2000.
  • Wieken J.‐H.: Der Weg zum Data Warehouse. Addison‐Wesley, München 1999.
Implementierung von Data‐Warehouse‐Systemen
  • Kimball R., Ross M.: The Data Warehouse Toolkit. 3rd Edition, Wiley, New York 2013.

Wichtige Hinweise: Das Modul Data‐Warehouse‐Systeme ist eine Erweiterung eines Teilbereichs des Kurses Data‐Warehouse‐ und Data‐ Mining‐Systeme, der im SS2010 letztmalig angeboten wurde. ECTS‐Credits können hier nur im Modul Data‐Warehouse‐Systeme erworben werden!

 

© 2019 VAWi, Alle Rechte vorbehalten. Impressum | Datenschutz Anmelden