Klausur:

1. Operative Systeme vs. Data Warehouse Systeme

2. Eigenschaften von Business intelligence

3. Data Warehouse Referenzmodell beschreiben

4. Klassifikationshierarchie, verschiedene Typen + Beispiele

5. Fünf Vs + Big Data Beispiele

6. Assoziationsanalyse

Klausur Dispositive Anwendungssysteme:

Grundlagen:

- Folie 13: Data Warehouse, Abgrenzung zu anderen Veranstaltungen (horizontal etc.)

- Folie 18: grob historische Entwicklung, Abgrenzung zu anderen Systemen

- Folie 19: Definition BI: drei/vier Eigenschaften

- Folie 20: BI Übersicht (Begriffsverständnis)

- Folie 25: Eigenschaften eines Data Warehouse (Definition) nach Inmon

- Folie 27: Abgrenzung zu operativen Systemen (nennen Sie X Charakteristika)

- Folie 33: DW-Referenzmodell (mehr Details auf 30)

-> einige Infos zu den einzelnen Datentöpfen:

-> z. B. "temporär" bei Arbeitsbereich oder "SPOT" bei Basisdatenbank

Datenqualitätsmanagement:

- Folie 68: Entwicklungsphasen

- Folie 70: Fehlertabelle

- Folie 71: Datenqualitätsprüfung (auf dritter Ebene mind. 1 Beispiel aus Ebene 4 nennen.)

- Folie 74: DQ-Phasen-Mix

- Folie 75: DQM während der DW-Entwicklung

- Folie 77: kritische Aspekte an DW

- Folie 81: OLAP (nicht Kottsche Regeln, Fassi Regeln, etc)

- Folie 96 - 102: Unterschied zwischen Klassifikationsschema / -hierachie

-> Parallele Hierachie bei Zeit notwendig (Wochenjahr, ...)

- Folie 104: 5 Begriffe erklären/zuordnen können

3.2 ist nicht klausurrelevant

Modellierung:

- Folie 195: ADAPT / Star- / Snowflake-Schema / Galaxien (Faktentabellen / Dimensionstabellen)

Data Mining:

- Folie 209: Data Mining Definition (erläutern können)

- Folie 212: Data-Mining-Prozess (u.a. in Bezug auf DW-Prozess)

- Folie 216 - 218: Typische Aufgabenstellungen exemplarisch

- Folie 219: Zuordnung Data-Mining-Verfahren

- Folie 224ff.: Entscheidungsbaumverfahren und Assoziationsanalyse

-> Entscheidungsbaum oder Assoziationsanalyse durchführen

-> Berechnungsvorschrift hinschreiben können

-> Bei Berechnungen Formel hinschreiben

-> Ergebnisse deuten können

Big Data:

- Folie 292: Materielle Wirtschaftsgüter vs. Informationen

- Folie 294: Definition Big Data (3 V's / 4 V's / 5 V's)

- Folie 301: Einsatzszenarien für Big Data

4/9/17 20:3