Informatik FA

Ersteller: David Dietschi

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

Methoden und Techniken (S.25)

Dokumentenstudium Interview Fragebogen Multimomentstudie Selbstaufschreibung Delphi-Methode Datenbanken

Informationserhebung (S.23)
Definition Daten (Zahlen, Buchstaben, Bilder) Informationen

Seite 1 von 6

Informatik FA

Ersteller: David Dietschi

I-CH 170 Managementinformationen beschaffen und aufbereiten Vorgehen Systementwicklung (S.44)

Datenqualitt (S.29)
Korrektheit Vollstndigkeit Aktualitt Konsistenz Relevanz Glaubwrdigkeit Verstndlichkeit

Datenmodellierung ganzheitlich verstehen

Arbeiten mit Modellen (S.42) Modell als Abstraktion

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.

Verschiedene Datenbetrachtungen (S.46)

Betrachtungsweisen bei der Modellierung

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

Informatik FA Beispiel: Datenbank (S.48)

Ersteller: David Dietschi

I-CH 170 Managementinformationen beschaffen und aufbereiten

Aus den drei Grundsymbolen lassen sich nun vier Symbole ableiten:

Entity-Relationship-Modell (ERM) (S.53)

Beispiel: Datenmodell (S.49)

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

Ersteller: David Dietschi

I-CH 170 Managementinformationen beschaffen und aufbereiten

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.

Management-Support-System (MSS) (S.73)

Kreditverwaltung Data Warehouse MIS DSS EIS

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

Informatik FA Anforderungen an ein DWH (S.80)

Ersteller: David Dietschi

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.

Unternehmensweites Data Warehouse (S.86) Nur in der Theorie mglich!

Architektur und Modellierung (S.83)

Grundarchitektur (S.83)

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

Ersteller: David Dietschi OLAP (S.97)

I-CH 170 Managementinformationen beschaffen und aufbereiten

Der Weg der Daten zum Benutzer (S.93)

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

Einfhrung des MSS (S.101)

Die Akzeptanz hngt auch beim besten MSS u.a. von einer guten Schulung und einer serisen Einfhrung ab. Auch das Wissen darber, welche Daten verfgbar sind, welche Inhalte diese haben und wie sie zu benutzen sind, ist zu schulen.

Seite 6 von 6