Sie sind auf Seite 1von 30

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 Prädiktiv
• „After-the-facts“ Analysen auf Basis • Nutzt Data Mining, Statistik und ML-
historischer Daten. Algorithmen, etc. zur Analyse aktueller
• Stellt dar, wo ein Unternehmen zu seinen und historischer Daten, um zukünftige
Geschäftszielen steht Ereignisse und Ergebnisse vorauszusagen.
• Nutzung in Geschäftsbereichen für • Entdeckt Muster abgeleitet von
faktenbasierte Analysen von Erfolg und historischen und transaktionalen Daten
Misserfolg für zielgerichtetes Handeln.

Präskriptiv Kognitiv
• Synthetisiert Big Data, Mathematik, • Bezieht sich auf mentale Prozesse wie
Computer Science und Geschäftsregeln, lernen, Schlussfolgern, Entscheiden.
um Optionen für Entscheidungen zu • Bandbreite von verschiedenen
empfehlen. analytischen Strategien, die benutzt
• Ermöglicht es unter Bewertung aller werden, um über Relationen von
möglicher Optionen, Risiken zu vermeiden geschäftsbezogenen Funktionen zu lernen.
oder zukünftige Optionen zu erkennen. • Nutzung natürlicher Sprache.

Quelle: IBM, 2014

Analytische Informationssysteme 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 Praxis
• Kenntnisse Change-Management • Lernbereitschaft (Domänen- und
(Domänenexperten) Business-Analytics-Experten)
• Auslöser/Motivation für Digitalisierung • Verständnis der Geschäftsmodelle
• Umgang mit gängigen Programmen – Wodurch wird Mehrwert
• Fähigkeit zur Auswahl benötigter generiert? (Domänenexperten)
Kenntnisse • Grundlagenwissen zu
Standardwerkzeugen (Excel)

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

Analytische Informationssysteme 23
Kompetenzanforderungen an die
Mitarbeiter von morgen
Soziale Kompetenzen

Lehre Praxis

• Interdisziplinarität (Business- • Zielgruppengerechte Kommunikation


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

Analytische Informationssysteme 24
Kompetenzanforderungen an die
Mitarbeiter von morgen
Personenbezogene Kompetenzen

Lehre Praxis

• Veränderungsbereitschaft • Zahlenaffinität und analytisches


(Domänenexperten) Verständnis sowie Motivation mit
• Affinität zur Daten zu arbeiten (Business-
Anpassung/Optimierung (Business- Analytics-Experten)
Analytics-Experten) • Flexibilität bei der Problemlösung,
• Offenheit für Neues Eingestehen von Fehlern
• Zielstrebigkeit / Hartnäckigkeit (Domänenexperten)
• Kritische Reflektion der
Analysemöglichkeiten

Analytische Informationssysteme 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