Business Analytics mit Excel & Co
Modul-Nr./ Code
S 104
Semester
Fünftes Fachsemester
Dauer des Moduls
Ein Semester
Art des Moduls
(Pflicht, Wahl, etc.)
Wahlpflichtmodul
Häufigkeit
Moduls
des
Angebots
des
Keine
Zugangsvoraussetzungen
(vorausgesetzte Inhalte / Module)
Verwendbarkeit des Moduls für
andere Studiengänge
Prof. Dr. Walter Reimers
Prof. Dr. Stephan Schneider
Prof. Dr. Walter Reimers
Prof. Dr. Stephan Schneider
Modulverantwortlicher
Name des/der Hochschullehrer
Unterrichts-/Lehrsprache
Deutsch (ggf. Englisch für Literaturstudium unerlässlich)
Zahl der zugeteilten ECTS-Credits
(basierend auf dem Arbeitspensum)
5
Gesamt-Workload des Moduls
(aufgeteilt in versch. Lern- bzw.
Arbeitsformen)
Präsenzzeit:
Vor- und Nachbereitung:
Prüfungsvorbereitung:
Semesterwochenstunden SWS
4 SWS in einem Semester
Art der Prüfung/ Voraussetzung
für
die
Vergabe
von
Leistungspunkten
(Lernkontrolle
/
Leistungsüberprüfung auch Dauer
der Prüfung)
Präsentation
der
Lösung
Problemstellung (50%)
Mündliche Prüfung (50%)
Gewichtung
Gesamtnote
5/165
der
Note
in
Qualifikationsziele des Moduls
der
70
80
oben enthalten
einer
selbst
gewählten
Wissen (Breite)
Die Studierenden erfahren die Notwendigkeit und Signifikanz
der Analyse großer, heterogener und schnell wachsender
Datenmengen (Big Data) im betriebswirtschaftlichen Kontext.
In diesem Zusammenhang lernen die Studierenden die
wesentlichen Analysemethoden als auch Analysetools sowie
entsprechende Anwendungsszenarien aus dem Controlling,
dem Finanzmanagement, dem Supply Chain und Operations
Management u. v. m. kennen.
Wissen (Tiefe)
Die Studierenden wissen über die Methodik der Business
Analyse, die dabei angestrebten Zielsetzungen und die jeweils
zum Einsatz kommenden Analyseverfahren. Sie kennen den
Unterschied zwischen strukturierten und unstrukturierten
Daten und die dafür geeigneten Analyseverfahren.
1
Fertigkeiten (instrumentell und systemisch) :
Die Studierenden können verschiedene Verfahren der
Business Analyse benennen, definieren und erläutern.
Auf dieser Grundlage aufbauend sind die Studierenden
imstande, Business Analysen zu planen und umzusetzen.
Überdies sind die Studierenden in der Lage, das in der
Veranstaltung erworbene (methodische) Wissen auf neue
Business Analyse-Projekte zu übertragen und anzuwenden.
Sozial- und Persönlichkeitskompetenz:
Erweiterung des Wissens sowie Förderung ganzheitlicher
Denk- und Arbeitsweisen aufgrund der Integration
unterschiedlicher Kenntnisse (Anforderungen) und Aspekte im
Rahmen der Business Analyse.
Steigerung analytischer Fähigkeiten aufgrund dezidierter
Durchdringungen von Problemdomänen und -stellungen sowie
der Erarbeitung anforderungsgerechter Lösungen.
Steigerung planerischer Fähigkeiten durch die ganzheitliche
Erfassung aller relevanten Aspekte der Business Analyse.
Förderung der Entscheidungskompetenz.
Verbesserung der Präsentations- und Teamfähigkeit.
Inhalt des Moduls
1. Business Analyse
1.1. Einführung und Grundlagen
1.2. Zielsetzungen
1.3. Analyseverfahren
2. Analyse strukturierter Daten
2.1. Standard-Analysen in Excel
2.1.1.Absolute und relative Bezüge
2.1.2.Bedeutung und Nutzung dynamischer
Tabellenbereiche
2.1.3.Nutzung externer Daten (z. B. Webdaten)
2.1.4.Ausgewählte Formeln und deren Anwendungen
2.2. Erweiterte Analysen in Excel
2.2.1.Logische Funktionen Und, Oder und Wenn
2.2.2.Matrixfunktionen wie Sverweis und Wverweis
2.2.3.Mathematische und statistische Funktionen wie
Zufallszahl, Summewenn, Zählenwenn und
Kgrösste
2.2.4.Datumsfunktionen Arbeitstag, Nettoarbeitstage
und Kalenderwoche
2.2.5.Formelanalyse mit dem Detektiv
2.2.6.Sensitivitätsanalysen (Was-wäre-wenn…)
2.2.6.1. Szenarien
2.2.6.2. Datentabellen
2.2.6.3. Zielwertsuche
2.2.7.Solver zum Lösen von (nicht-)linearen
Gleichungssystemen mit Nebenbedingungen
2.3. Erweiterte Analysetools in Excel
2.3.1.Data Mining Add-In
2.3.1.1. Datenaufbereitung
2.3.1.2. Klassifizieren, Schätzen, Clustern und
1
Instrumentelle Fertigkeiten beschreiben auf Wissen und Methoden gestützte Fertigkeiten und deren
kontextbezogene Anwendungen. Systemische Fertigkeiten stehen für die Entwicklung neuer Ideen und
Verfahren.
Zuordnen
2.3.1.3. Ermittlung von Einflussfaktoren
2.3.1.4. Erkennung von Ausnahmen
2.3.1.5. Szenarienanalysen
2.3.1.6. Predictive Analytics (Vorhersagen)
2.3.1.7. Warenkorbanalysen
2.3.2.Power Pivot
2.3.3.Power Query
2.3.4.Power View
2.3.5.Power Map
3. Analyse unstrukturierter Daten
3.1. Text- und Web-Mining
3.2. Webbasierte Social Media Analysen
Optional/Ausblick (keine Abhandlung, nur als Hinweis)
4. Erweiterte Analysetools
4.1. Entwicklung von Datenanalysetools mit dem OpenSource Framework Apache Hadoop
4.2. Analyse von Echtzeitdaten mit Splunk
4.3. In-Memory-Datenbankzugriff mit SQL Server 2014
und/oder SAP Hana im Live Test
4.4. Auswertung und Reporting mit dem Microsoft SQL
Server (am Beispiel Contoso)
4.5. Auswertung mittels SharePoint Designer
Lern- und
Moduls
Lehrmethoden
des
Seminaristischer Unterricht mit Übungen am Computer
Besonderes (z.B. Online-Anteil,
Praxisbesuche, Gastsprecher etc.)
Empfohlene Literaturliste
(Lehr- und Lernmaterialien, Literatur)
Vorlesungsunterlagen