Analytische Informationssysteme

Einführung
Ablauf

 48 Vorlesungsstunden, jeweils !!! Zusatztermin !!!

gemischt Theorie + Praxis Informatikforum – „Echte
 Prüfung: Klausur Gesundheit durch Künstliche
Intelligenz“

 3 Dozenten: Jan Himmelspach, Uwe Referenten:

Jaroslav Bláha, CEO & Co-
Neuhaus, Michael Schulz Founder, CellmatiQ GmbH
 Abstimmung der Lehrinhalte
20. Mai 2019, 16:00
 Eine Klausur! Audimax, NORDAKADEMIE
 Foliensätze vor den Terminen in
moodle

Analytische Informationssysteme 2
Themenübersicht

Einführung

Datenmanagement und Reporting

Data Mining

Modellbildung

Spezielle Methoden: Überblick zu weiteren Methoden

Programmierung

Ethik

Organisation

Analytische Informationssysteme 3
Themenübersicht

Einführung

Datenmanagement und Reporting

Data Mining

Modellbildung

Spezielle Methoden: Überblick zu weiteren Methoden

Programmierung

Ethik

Organisation

Analytische Informationssysteme 4
1. Einführung

1.1 BEGRIFFSKLÄRUNG

Analytische Informationssysteme 5
Begriffsklärung

 Was sind für Sie „analytische Informationssysteme“?

Was könnte dies sein?
 Kennen Sie weitere Begriffe aus diesem Kontext?

Analytische Informationssysteme 6
 Begriffsklärung

Quelle: Cognos, FastCompany Analytische Informationssysteme 7

Begriffsklärung
Die Evolution von Analytics
Deskriptiv
• „After-the-facts“ Analysen auf Basis
historischer Daten.
• Stellt dar, wo ein Unternehmen zu seinen
Geschäftszielen steht
• Nutzung in Geschäftsbereichen für
faktenbasierte Analysen von Erfolg und
Misserfolg
Präskriptiv
• Synthetisiert Big Data, Mathematik,
Computer Science und Geschäftsregeln,
um Optionen für Entscheidungen zu
empfehlen.
• Ermöglicht es unter Bewertung aller
möglicher Optionen, Risiken zu vermeiden
oder zukünftige Optionen zu erkennen.
Analytische Informationssysteme
Prädiktiv
• Nutzt Data Mining, Statistik und ML-
Algorithmen, etc. zur Analyse aktueller
und historischer Daten, um zukünftige
Ereignisse und Ergebnisse vorauszusagen.
• Entdeckt Muster abgeleitet von
historischen und transaktionalen Daten
für zielgerichtetes Handeln.
Kognitiv
• Bezieht sich auf mentale Prozesse wie
lernen, Schlussfolgern, Entscheiden.
• Bandbreite von verschiedenen
analytischen Strategien, die benutzt
werden, um über Relationen von
geschäftsbezogenen Funktionen zu lernen.
• Nutzung natürlicher Sprache.
Quelle: IBM, 2014
8
Begriffsklärung

 Untersuchung von 500 Stellenanzeigen im Bereich

analytischer Informationssysteme
 Folgende Oberbegriffe wurden dabei identifiziert:

Analytische Informationssysteme 9
Begriffsklärung

Analytische Informationssysteme 10
Begriffsklärung

In den Stellenanzeigen identifizierte Begriffe konnten in

folgende Dimensionen zusammengefasst werden:

Analytische Informationssysteme 11
 Begriffsklärung

Die Dimensionen konnten

weiter in folgende Kategorien
unterteilt werden:

ADHOC – Ad-hoc-Analysen ▪ ANA – Analyse ▪ BERA – Beratung ▪ BEW – Bewertung ▪ BIGD – Big Data ▪ DASP – Datenanalysesprachen ▪ DAUFB –
Datenaufbereitung ▪ DBSP – Datenbanksprachen ▪ DIENS – weitere Dienstleistungen ▪ DIGIT – Digitalisierung ▪ DMKL – klassische Data-Mining-Verfahren ▪
DOSP – andere domänenspezifische Sprachen ▪ FINA – Finanzen ▪ IND4 – Industrie 4.0 ▪ INDU – Industrie ▪ INF – Informatik ▪ ING – Ingenieurswesen ▪ INTDD
– Internet der Dinge ▪ KUND – Kundenanalysen ▪ MARK – Marketing ▪ MARKT – Marktanalysen ▪ MATH – Mathematik ▪ MKT – Marketinganalysen ▪ MONI –
Monitoring ▪ NAWI – Naturwissenschaften ▪ NTDB – nicht-traditionelle DBMS ▪ PLAN – Planung ▪ PROG – Prognose ▪ REGU – Regulatorik ▪ REP – Reporting ▪
RSK – Risikoanalysen ▪ SPEZ – spezialisierte Analysen ▪ SPEZM – spezielle Methoden ▪ STAT – statistische Verfahren ▪ STEU – Steuerung ▪ STRDA –
strukturierte Daten ▪ SUDA – semi- und unstrukturierte Daten ▪ TDB – traditionelle DBMS ▪ UNIVP – universelle Programmiersprachen ▪ UNTW – weitere
Unternehmensanalysen ▪ VISU - Visualisierung ▪ WEB – Analysen von Websites ▪ WEBS – Web-Sprachen ▪ WINF - Wirtschaftsinformatik ▪ WIRTS – Wirtschaft

Analytische Informationssysteme 12
 Begriffsklärung

Relevanz der identifizierten

Kategorien bei dem
Oberbegriff Analytics

ADHOC – Ad-hoc-Analysen ▪ ANA – Analyse ▪ BERA – Beratung ▪ BEW – Bewertung ▪ BIGD – Big Data ▪ DASP – Datenanalysesprachen ▪ DAUFB –
Datenaufbereitung ▪ DBSP – Datenbanksprachen ▪ DIENS – weitere Dienstleistungen ▪ DIGIT – Digitalisierung ▪ DMKL – klassische Data-Mining-Verfahren ▪
DOSP – andere domänenspezifische Sprachen ▪ FINA – Finanzen ▪ IND4 – Industrie 4.0 ▪ INDU – Industrie ▪ INF – Informatik ▪ ING – Ingenieurswesen ▪ INTDD
– Internet der Dinge ▪ KUND – Kundenanalysen ▪ MARK – Marketing ▪ MARKT – Marktanalysen ▪ MATH – Mathematik ▪ MKT – Marketinganalysen ▪ MONI –
Monitoring ▪ NAWI – Naturwissenschaften ▪ NTDB – nicht-traditionelle DBMS ▪ PLAN – Planung ▪ PROG – Prognose ▪ REGU – Regulatorik ▪ REP – Reporting ▪
RSK – Risikoanalysen ▪ SPEZ – spezialisierte Analysen ▪ SPEZM – spezielle Methoden ▪ STAT – statistische Verfahren ▪ STEU – Steuerung ▪ STRDA –
strukturierte Daten ▪ SUDA – semi- und unstrukturierte Daten ▪ TDB – traditionelle DBMS ▪ UNIVP – universelle Programmiersprachen ▪ UNTW – weitere
Unternehmensanalysen ▪ VISU - Visualisierung ▪ WEB – Analysen von Websites ▪ WEBS – Web-Sprachen ▪ WINF - Wirtschaftsinformatik ▪ WIRTS – Wirtschaft

Analytische Informationssysteme 13
 Begriffsklärung

Relevanz der identifizierten

Kategorien bei dem
Oberbegriff
Business Intelligence

ADHOC – Ad-hoc-Analysen ▪ ANA – Analyse ▪ BERA – Beratung ▪ BEW – Bewertung ▪ BIGD – Big Data ▪ DASP – Datenanalysesprachen ▪ DAUFB –
Datenaufbereitung ▪ DBSP – Datenbanksprachen ▪ DIENS – weitere Dienstleistungen ▪ DIGIT – Digitalisierung ▪ DMKL – klassische Data-Mining-Verfahren ▪
DOSP – andere domänenspezifische Sprachen ▪ FINA – Finanzen ▪ IND4 – Industrie 4.0 ▪ INDU – Industrie ▪ INF – Informatik ▪ ING – Ingenieurswesen ▪ INTDD
– Internet der Dinge ▪ KUND – Kundenanalysen ▪ MARK – Marketing ▪ MARKT – Marktanalysen ▪ MATH – Mathematik ▪ MKT – Marketinganalysen ▪ MONI –
Monitoring ▪ NAWI – Naturwissenschaften ▪ NTDB – nicht-traditionelle DBMS ▪ PLAN – Planung ▪ PROG – Prognose ▪ REGU – Regulatorik ▪ REP – Reporting ▪
RSK – Risikoanalysen ▪ SPEZ – spezialisierte Analysen ▪ SPEZM – spezielle Methoden ▪ STAT – statistische Verfahren ▪ STEU – Steuerung ▪ STRDA –
strukturierte Daten ▪ SUDA – semi- und unstrukturierte Daten ▪ TDB – traditionelle DBMS ▪ UNIVP – universelle Programmiersprachen ▪ UNTW – weitere
Unternehmensanalysen ▪ VISU - Visualisierung ▪ WEB – Analysen von Websites ▪ WEBS – Web-Sprachen ▪ WINF - Wirtschaftsinformatik ▪ WIRTS – Wirtschaft

Analytische Informationssysteme 14
 Begriffsklärung

Relevanz der identifizierten

Kategorien bei dem
Oberbegriff
Business Analytics

ADHOC – Ad-hoc-Analysen ▪ ANA – Analyse ▪ BERA – Beratung ▪ BEW – Bewertung ▪ BIGD – Big Data ▪ DASP – Datenanalysesprachen ▪ DAUFB –
Datenaufbereitung ▪ DBSP – Datenbanksprachen ▪ DIENS – weitere Dienstleistungen ▪ DIGIT – Digitalisierung ▪ DMKL – klassische Data-Mining-Verfahren ▪
DOSP – andere domänenspezifische Sprachen ▪ FINA – Finanzen ▪ IND4 – Industrie 4.0 ▪ INDU – Industrie ▪ INF – Informatik ▪ ING – Ingenieurswesen ▪ INTDD
– Internet der Dinge ▪ KUND – Kundenanalysen ▪ MARK – Marketing ▪ MARKT – Marktanalysen ▪ MATH – Mathematik ▪ MKT – Marketinganalysen ▪ MONI –
Monitoring ▪ NAWI – Naturwissenschaften ▪ NTDB – nicht-traditionelle DBMS ▪ PLAN – Planung ▪ PROG – Prognose ▪ REGU – Regulatorik ▪ REP – Reporting ▪
RSK – Risikoanalysen ▪ SPEZ – spezialisierte Analysen ▪ SPEZM – spezielle Methoden ▪ STAT – statistische Verfahren ▪ STEU – Steuerung ▪ STRDA –
strukturierte Daten ▪ SUDA – semi- und unstrukturierte Daten ▪ TDB – traditionelle DBMS ▪ UNIVP – universelle Programmiersprachen ▪ UNTW – weitere
Unternehmensanalysen ▪ VISU - Visualisierung ▪ WEB – Analysen von Websites ▪ WEBS – Web-Sprachen ▪ WINF - Wirtschaftsinformatik ▪ WIRTS – Wirtschaft

Analytische Informationssysteme 15
 Begriffsklärung

Relevanz der identifizierten

Kategorien bei dem
Oberbegriff
Data Analytics

ADHOC – Ad-hoc-Analysen ▪ ANA – Analyse ▪ BERA – Beratung ▪ BEW – Bewertung ▪ BIGD – Big Data ▪ DASP – Datenanalysesprachen ▪ DAUFB –
Datenaufbereitung ▪ DBSP – Datenbanksprachen ▪ DIENS – weitere Dienstleistungen ▪ DIGIT – Digitalisierung ▪ DMKL – klassische Data-Mining-Verfahren ▪
DOSP – andere domänenspezifische Sprachen ▪ FINA – Finanzen ▪ IND4 – Industrie 4.0 ▪ INDU – Industrie ▪ INF – Informatik ▪ ING – Ingenieurswesen ▪ INTDD
– Internet der Dinge ▪ KUND – Kundenanalysen ▪ MARK – Marketing ▪ MARKT – Marktanalysen ▪ MATH – Mathematik ▪ MKT – Marketinganalysen ▪ MONI –
Monitoring ▪ NAWI – Naturwissenschaften ▪ NTDB – nicht-traditionelle DBMS ▪ PLAN – Planung ▪ PROG – Prognose ▪ REGU – Regulatorik ▪ REP – Reporting ▪
RSK – Risikoanalysen ▪ SPEZ – spezialisierte Analysen ▪ SPEZM – spezielle Methoden ▪ STAT – statistische Verfahren ▪ STEU – Steuerung ▪ STRDA –
strukturierte Daten ▪ SUDA – semi- und unstrukturierte Daten ▪ TDB – traditionelle DBMS ▪ UNIVP – universelle Programmiersprachen ▪ UNTW – weitere
Unternehmensanalysen ▪ VISU - Visualisierung ▪ WEB – Analysen von Websites ▪ WEBS – Web-Sprachen ▪ WINF - Wirtschaftsinformatik ▪ WIRTS – Wirtschaft

Analytische Informationssysteme 16
 Begriffsklärung

Relevanz der identifizierten

Kategorien bei dem
Oberbegriff
Data Science

ADHOC – Ad-hoc-Analysen ▪ ANA – Analyse ▪ BERA – Beratung ▪ BEW – Bewertung ▪ BIGD – Big Data ▪ DASP – Datenanalysesprachen ▪ DAUFB –
Datenaufbereitung ▪ DBSP – Datenbanksprachen ▪ DIENS – weitere Dienstleistungen ▪ DIGIT – Digitalisierung ▪ DMKL – klassische Data-Mining-Verfahren ▪
DOSP – andere domänenspezifische Sprachen ▪ FINA – Finanzen ▪ IND4 – Industrie 4.0 ▪ INDU – Industrie ▪ INF – Informatik ▪ ING – Ingenieurswesen ▪ INTDD
– Internet der Dinge ▪ KUND – Kundenanalysen ▪ MARK – Marketing ▪ MARKT – Marktanalysen ▪ MATH – Mathematik ▪ MKT – Marketinganalysen ▪ MONI –
Monitoring ▪ NAWI – Naturwissenschaften ▪ NTDB – nicht-traditionelle DBMS ▪ PLAN – Planung ▪ PROG – Prognose ▪ REGU – Regulatorik ▪ REP – Reporting ▪
RSK – Risikoanalysen ▪ SPEZ – spezialisierte Analysen ▪ SPEZM – spezielle Methoden ▪ STAT – statistische Verfahren ▪ STEU – Steuerung ▪ STRDA –
strukturierte Daten ▪ SUDA – semi- und unstrukturierte Daten ▪ TDB – traditionelle DBMS ▪ UNIVP – universelle Programmiersprachen ▪ UNTW – weitere
Unternehmensanalysen ▪ VISU - Visualisierung ▪ WEB – Analysen von Websites ▪ WEBS – Web-Sprachen ▪ WINF - Wirtschaftsinformatik ▪ WIRTS – Wirtschaft

Analytische Informationssysteme 17
 Begriffsklärung

Relevanz der identifizierten

Kategorien bei dem
Oberbegriff
Advanced Analytics

ADHOC – Ad-hoc-Analysen ▪ ANA – Analyse ▪ BERA – Beratung ▪ BEW – Bewertung ▪ BIGD – Big Data ▪ DASP – Datenanalysesprachen ▪ DAUFB –
Datenaufbereitung ▪ DBSP – Datenbanksprachen ▪ DIENS – weitere Dienstleistungen ▪ DIGIT – Digitalisierung ▪ DMKL – klassische Data-Mining-Verfahren ▪
DOSP – andere domänenspezifische Sprachen ▪ FINA – Finanzen ▪ IND4 – Industrie 4.0 ▪ INDU – Industrie ▪ INF – Informatik ▪ ING – Ingenieurswesen ▪ INTDD
– Internet der Dinge ▪ KUND – Kundenanalysen ▪ MARK – Marketing ▪ MARKT – Marktanalysen ▪ MATH – Mathematik ▪ MKT – Marketinganalysen ▪ MONI –
Monitoring ▪ NAWI – Naturwissenschaften ▪ NTDB – nicht-traditionelle DBMS ▪ PLAN – Planung ▪ PROG – Prognose ▪ REGU – Regulatorik ▪ REP – Reporting ▪
RSK – Risikoanalysen ▪ SPEZ – spezialisierte Analysen ▪ SPEZM – spezielle Methoden ▪ STAT – statistische Verfahren ▪ STEU – Steuerung ▪ STRDA –
strukturierte Daten ▪ SUDA – semi- und unstrukturierte Daten ▪ TDB – traditionelle DBMS ▪ UNIVP – universelle Programmiersprachen ▪ UNTW – weitere
Unternehmensanalysen ▪ VISU - Visualisierung ▪ WEB – Analysen von Websites ▪ WEBS – Web-Sprachen ▪ WINF - Wirtschaftsinformatik ▪ WIRTS – Wirtschaft

Analytische Informationssysteme 18
Kompetenzanforderungen an die
Mitarbeiter von morgen
Kompetenzfelder

Analytische Informationssysteme 19
Kompetenzanforderungen an die
Mitarbeiter von morgen
Grundlagenwissen Digitalisierung
Lehre
• Kenntnisse Change-Management
(Domänenexperten)
• Auslöser/Motivation für Digitalisierung
• Umgang mit gängigen Programmen
• Fähigkeit zur Auswahl benötigter
Kenntnisse
Analytische Informationssysteme
Praxis
• Lernbereitschaft (Domänen- und
Business-Analytics-Experten)
• Verständnis der Geschäftsmodelle
– Wodurch wird Mehrwert
generiert? (Domänenexperten)
• Grundlagenwissen zu
Standardwerkzeugen (Excel)
20
Kompetenzanforderungen an die
Mitarbeiter von morgen
Systembezogene Kompetenzen

Lehre Praxis

• Statistik-Werkzeuge (z. B. • Kenntnis der „richtigen“

SAS/SPSS) Werkzeuge für die jeweilige
• Umgang mit Lernplattformen Aufgabe (Business-Analytics-
• Breiter Überblick Experten)
• Tools zur Datenanalyse und
–visualisierung
• SQL als Basis

Analytische Informationssysteme 21
 Kompetenzanforderungen an die
Mitarbeiter von morgen
Aufgabenbezogene Kompetenzen

Lehre Praxis

• Aufbereitung und Darstellung von • Überführung von Anforderungen in

Analyseergebnissen die Datenwelt (Business-Analytics-
• Identifikation kausaler Effekte Experten)
• Breites Kontextwissen • Statistik-/ Daten-/ Domänenkenntnisse
(Domänenexperten) als Grundlage / „Handwerkszeug“
(Domänenexperten)
• Treffen von begründeten (data-driven)
Entscheidungen (Domänenexperten)
• Sachlogische Aggregation von Daten
• Verständnis von Wahrscheinlichkeiten
und Risiko/Kosten-Relationen

Analytische Informationssysteme 22
Kompetenzanforderungen an die
Mitarbeiter von morgen
Konzeptbezogene Kompetenzen

Lehre Praxis

• Fehlererkennung (Domänen- • Funktionsweise prädiktiver

und Business-Analytics-
Experten)
• Hypothesentests
• Zahlenverständnis
• Spezialisierung (Business-
Analytics-Experten)
Modelle
• Datenaufbereitung
• Erkennen von Schnittstellen und
richtigen Stellen zum Abgreifen
von Daten

Analytische Informationssysteme 23
Kompetenzanforderungen an die
Mitarbeiter von morgen
Soziale Kompetenzen

Lehre Praxis

• Interdisziplinarität (Business- • Zielgruppengerechte Kommunikation

Analytics-Experten)
• Vermittlung von Erkenntnissen an
Stakeholder (Domänenexperten)
• Teamarbeit (Domänen- und Business-
Analytics-Experten)
• Kommunikation / Feedback
von Analyseergebnissen (Business-
Analytics-Experten)
• Ethische / Moralische Bewertung der
Analysen
• Verständnis für Vorbehalte gegenüber
Analysen

Analytische Informationssysteme 24
Kompetenzanforderungen an die
Mitarbeiter von morgen
Personenbezogene Kompetenzen
Lehre
• Veränderungsbereitschaft
(Domänenexperten)
• Affinität zur
Anpassung/Optimierung (Business-
Analytics-Experten)
• Offenheit für Neues
• Zielstrebigkeit / Hartnäckigkeit
Analytische Informationssysteme
Praxis
• Zahlenaffinität und analytisches
Verständnis sowie Motivation mit
Daten zu arbeiten (Business-
Analytics-Experten)
• Flexibilität bei der Problemlösung,
Eingestehen von Fehlern
(Domänenexperten)
• Kritische Reflektion der
Analysemöglichkeiten
25
1. Einführung

1.2 BEISPIEL: AUTOKAUF

Analytische Informationssysteme 26
Beispiel : Autokauf

Gegeben ist die Datei „Datenbasis_Saab.xlsx“. Darin enthalten

sind 1.000 Datensätze mit Informationen zu Verkäufen von
gebrauchten Saab 900.
 Nutzen Sie die oben genannte Datenbasis, um zu
entscheiden, welches der drei Angebote auf der Folgeseite
das beste ist.
 Sollten Sie nicht alle Merkmale verstehen, fragen Sie!
 Begründen Sie Ihre Entscheidung. Welche Merkmale spielen
bei der Preisfestlegung offenbar eine Rolle?
 Benennen Sie die Schritte, die nötig waren, um aus der
Datenbasis Ihre Entscheidung abzuleiten.

Analytische Informationssysteme 27
 Beispiel : Autokauf
Angebote
Typ Cabrio Limousine Coupé
Baujahr 1991 1981 1985
Anz. Sitzpl. 4 5 5
Anz. Türen 2/3 4/5 2/3
Kraftstoffart Benzin Benzin Benzin
Klima Ja Nein Ja
Getriebe Automatik Schaltgetriebe Schaltgetriebe
HU 23 9 8
Kilometerstand 121.824 218.492 189.924
Farbe Grün Metallic Schwarz Rot
Innenausstattung Stoff, Grau Vollleder, Grau Vollleder, Schwarz
Preis € 5.000 € 4.000 € 4.000

Analytische Informationssysteme 28
1. Einführung

1.3 AUSGEWÄHLTE
ANWENDUNGSSZENARIEN
Analytische Informationssysteme 29
Anwendungsszenarien

Bereiten Sie in Kleingruppen ein kurzes Referat vor (ca. 5

Minuten), in dem Sie eines der folgenden Anwendungsszenarien
vorstellen:

Analytisches CRM Bilderkennung

Chatbots Management-Informationssystem

Process Mining Predictive Maintenance

Web Analytics

Analytische Informationssysteme 30