PTI09440 – Data Warehouse und Big Data

Modul
Data Warehouse und Big Data
Data Warehouse and Big Data
Modulnummer
PTI09440
Version: 1
Fakultät
Physikalische Technik / Informatik
Niveau
Master
Dauer
1 Semester
Turnus
Wintersemester
Modulverantwortliche/-r

Prof. Dr. Thomas Franke
thomas.franke(at)fh-zwickau.de

Dozent/-in(nen)

Prof. Dr. Thomas Franke
thomas.franke(at)fh-zwickau.de

Lehrsprache(n)

Deutsch
in "Data Warehouse und Big Data"

ECTS-Credits

5.00 Credits

Workload

150 Stunden

Lehrveranstaltungen

3.00 SWS (3.00 SWS Vorlesung mit integr. Übung / seminaristische Vorlesung)

Selbststudienzeit

105.00 Stunden
60.00 Stunden Vor-/Nachbereitung - Data Warehouse und Big Data
45.00 Stunden Selbststudium - Data Warehouse und Big Data

Prüfungsvorleistung(en)

Testat
in "Data Warehouse und Big Data"

Prüfungsleistung(en)

alternative Prüfungsleistung - Projektarbeit und Präsentation
Modulprüfung | Wichtung: 100%
in "Data Warehouse und Big Data"

Medienform
Keine Angabe
Lehrinhalte/Gliederung

  • Einführung & Grundbegriffe
  • Architektur, Modellierung
  • Extraktion, Transformation und Laden, Datenaufbereitung
    Heterogenität, Datenqualität, Datenintegration, Validierung, Standardisierung, Bereinigung, Anreicherung, Daten-Profiling, Historisierung
  • Anfragen (Verarbeitung, Optimierung)
  • Analyseansätze mittels Data-Mining
  • Informationsvisualisierung
  • Big Data und (Datenschutz) - Recht

Qualifikationsziele

Die Studierenden verfügen über praxisnahe Kompetenzen zur Erfassung, Zusammenführung, Speicherung, Verarbeitung, Verteilung, Analyse und Visualisierung großer strukturierter und unstrukturierter Datenmengen im Kontext von Business-Intelligence- (BI) und Data-Warehouse-Landschaften (DWH)  und Big Data. Sie sind in der Lage die Daten bezügliche der Kriterien der Datenqualität zu bewerten.

Besondere Zulassungsvoraussetzung

Kenntnisse in:
Informationsmodellierung mit ERM/UML, Relationale Datenbanken, SQL

Empfohlene Voraussetzungen
Keine Angabe
Fortsetzungsmöglichkeiten
Keine Angabe
Literatur
  • A. Bauer, H.Günzel: Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung
    dpunkt.verlag, Heidelberg, 2013
  • H.G. Kemper, H. Baars, W. Mehanna: Business Intelligence - Grundlagen und praktische Anwendungen:
    Vieweg+Teubner Verlag;  2010
  • W. Lehner: "Datenbanktechnologie für Data-Warehouse-Systeme":
    dpunkt.verlag, Heidelberg, 2003
  • G. Saake, A. Heuer, K. Sattler: "Datenbanken: Implementierungstechniken": 2. Auflage,
    mitp-Verlag, Bonn, 2005
  • W.H. Inmon: "Building the Data Warehouse":
    Wiley & Sons, New York, 1996
  • R. Kimball, L. Reeves, M. Ross, W. Thornthwaite: The Data Warehouse Lifecycle Toolkit":
    Wiley & Sons, New York, 1998
Hinweise

Die Durchführung der Veranstaltung basiert auf dem Ansatz des „Forschenden Lernens“. Dieses steht für das methodische Vorgehen in der Lehre, bei dem Studierende Untersuchungen zu selbstgefundenen Fragestellungen durchführen. Dabei wird das klassisches Vorgehen, wie das Vermitteln der Inhalt durch die Lehrenden, ersetzt durch ein Begleiten und Fördern einer selbstständigen Erarbeitung von fachlichen Inhalten durch die Studierenden. Der Ablauf orientiert sich an den Schritten der Erstellung einer wissenschaftlichen Arbeit (z.B. Bachelorarbeit).