Beruflich Dokumente
Kultur Dokumente
I-CH 170 Managementinformationen beschaffen und aufbereiten Phasen der Erhebung (S.24) Vorbereitung o Welche Informationen? o Welche Detaillierungsgrad? o Was darf die Erhebung kosten? o Wo knnen wir Sie finden? o Welche Methoden & Techniken Durchfhrung o Klrung der Verantwortlichkeit o Aktuell o Vertraulichkeit Darstellung o Gesammelte Daten zusammenstellen o Berichte und Protokolle Woher kommen die Daten? (S.25) Menschen, Internet Belege (Bestellungen) ffentliche Statistiken Literatur Direkte Datenerhebung Indirekte Datenerhebung
Informationsbedarf (S.12)
Eigenschaften guter Anforderungsspezifikationen (S.17) Vollstndigkeit Widerspruchsfreiheit Verstndlichkeit Eindeutigkeit Prfbarkeit Anforderungsspezifikation erstellen 1. Anforderungen ermitteln 2. Anforderungen darstellen 3. Anforderungen prfen Probleme bei Anforderungen ermitteln (S.18) Der Kunde weiss nicht, was er will. Der Kunde hat Vorstellungen, kann Sie aber nicht formulieren. Unterschiedliche Vorstellungen, Begriffe werden nicht einheitlich verstanden
IA = vorhandene Informationen IB objektiv= effektiv bentigte Informationen IN subjektiv = aktiv nachgefragte Informationen Arten von Anforderungen (S.14) Funktionale Anforderungen Nicht-funktionale Anforderungen Relevanz von Anforderungen (S.15) Muss Anforderungen = KO) Soll Anforderungen Kann/Wunsch Anforderungen Warum Anforderungen spezifizieren? (S.16) Das Ziel einer Anforderungsspezifikation ist Fehlerkosten zu senken und eine klare Grundlage fr den Bau des knftigen Systems.
Anforderungen darstellen (S.18) Strukturierte oder tabellarische Darstellung Anforderungen prfen (S.21) Bei der Prfung sollen mglichst viele Fehler, Lcken, Unklarheiten und Mehrdeutigkeiten gefunden werden. Prfung zum Schluss mit Review
Informationserhebung (S.23)
Definition Daten (Zahlen, Buchstaben, Bilder) Informationen
Seite 1 von 6
Informatik FA
Datenqualitt (S.29)
Korrektheit Vollstndigkeit Aktualitt Konsistenz Relevanz Glaubwrdigkeit Verstndlichkeit
Probleme bei der Informationserhebung (S.31) Der richtige Informationstrger ist nicht auffindbar. Die erhobenen Informationen sind unvollstndig oder falsch. Sie haben die Datenmenge falsch eingeschtzt.
Datenmodellierung (S.39)
Probleme mit Informationssystemen (S.40)
Insellsungen Redundante Datenbestnde Datenchaos Pflege (des Systems) Oft arbeiten mehr Informatiker an alten als an neuen Systemen
Bedeutung DB (S.47) Definition: Eine Datenbank ist die integrierte Speicherung unterschiedlicher Daten mit einer programmunabhngigen Verwaltung und vielfltigen Verarbeitungsmglichkeiten. Was ist ein Datenmodell? Beschreibt auf strukturierte und formale Art die fr ein Informationssystem notwendigen Daten und Ihre Beziehungen untereinander. Vorteile Datenbank: Unabhngigkeit zwischen Datenverwaltung und Anwenderprogrammen. Dies wird durch das Datenbank-Management-System (DBMS) mglich.
Seite 2 von 6
Aus den drei Grundsymbolen lassen sich nun vier Symbole ableiten:
Entittsmenge / Entittstyp = Tabelle (Kunde) Entitt = Zeile (Vor-Nachname, PLZ) Attribut = Spalte (PLZ, Ort) Attributwert = Inhalt (3380, Wangen) Domne = zulssige Eigenschaftswerte Vorgehen Datenmodellierung (S.50) Nur von Punkt 1-6 fr Prfung (Semantisches Modell)
Identifikationsschlssel
Notation
Seite 3 von 6
Informatik FA
Generalisierung und Spezialisierung (S.58) Kernentittsmenge (S.59) Eine Entittsmenge ist dann ein Kernentittsmenge, wenn es mglich ist, Entitten hinzuzufgen, ohne dass auf andere Entitten geachtet werden muss.
Operatives System (Live) Bedarfsgerechte Verfgung Benutzergerechte Reports Strategische Entscheide TOP-Management
Merkmale Data Warehouse (DWA) (S.75) Themenbezogen Integriert Zeitabhngig Bestndig Fremdschlsselattribut (S.59) Komplexe und konditionell komplexe Beziehungen auflsen (S.64) Rekursive Beziehung (S.65) Voraussetzungen fr ein DWA (S.79) Besteht das Bedrfnis fr ein DWA? Wird das Projekt vom Mng. untersttzt? Ist ein gemeinsames Vorgehen mglich? Ausreichende Datenbasis vorhanden? Mindestens 3 von 4 Voraussetzungen ntig!
Seite 4 von 6
I-CH 170 Managementinformationen beschaffen und aufbereiten Star-Schema (S.89) Die Kennzahlen sind zentral in einer Fakttabelle abgelegt. Dimensionen sind Sternfrmig. Identifikationsschlssel der Dimensionstabelle sind die Fremdschlssel der Fakttabelle.
Mehrschichtiges Data Warehouse (S.87) Nur in der Theorie mglich! Autonomer Data Mart (Abteilung) (S.84) Nur fr eine bestimmte Abteilung Snowflake-Schema (S.89) Separate Tabelle Kundensegment. (Normalisiert) Weniger Attribute, welche abgefragt werden.
Multidimensionale Modellierung (S.87) Verteiltes Data Warehouse (Praxis) (S.85) Fr jeden Geschftsbereich ein separates Data Mart
Seite 5 von 6
Informatik FA
1. Datenquelle (S.93) 2. Datenvorbereitung (S.94) o Datenakquisition o Mgliche Probleme o Planung o Durchfhrung (S.95) o ETL-Tools 3. Datenspeicherung 4. Analysemethoden o Benutzer kategorisieren (S.96) o Informationsbedarf befriedigen o Weshalb Tool-Untersttzung? o Data Access-Tool o Query-Tool (S.97) o OLAP-Tool o Data Mining
Seite 6 von 6