Business Intelligence at Duale Hochschule Baden-Württemberg | Flashcards & Summaries

Select your language

Suggested languages for you:
Log In Start studying!

Lernmaterialien für Business Intelligence an der Duale Hochschule Baden-Württemberg

Greife auf kostenlose Karteikarten, Zusammenfassungen, Übungsaufgaben und Altklausuren für deinen Business Intelligence Kurs an der Duale Hochschule Baden-Württemberg zu.

TESTE DEIN WISSEN

Wie kann der Entscheidungsprozess definiert werden? 

Lösung anzeigen
TESTE DEIN WISSEN

Schritt 1: Weiss ich welche Daten ich benutzen möchte? Wenn ja hole sie dir und wenn nicht lokalisiere die Daten


Schritt 2: Wenn gar keine Daten vorhanden sind, dann experimentiere um die Daten zu erschaffen, wie Pilotentesteinführungen usw.


Schritt 3: Qualitätskriterien festlegen für die Daten, garbige in garbige out, Für welches Format/Standort sind meine Daten relevant


Schritt 4: Wer braucht welche Daten, Stakeholder analysieren, welche Anforderungen haben sie


Schritt 5: Dashboard erstellen


Schritt 6: Kundenabnahme - Aber nicht so detailliert 




Lösung ausblenden
TESTE DEIN WISSEN

Was ist wichtiger, qualitative Daten oder quantitative? 

Lösung anzeigen
TESTE DEIN WISSEN

Nichts ist wichtiger, es ist beides gleich wichtig. Bei quantitativen Daten bekommt man genau Zahlen und Faktoren für eine Entscheidung wie Verkaufszahlen. Andere Daten die wichtig sind wie Umfragen im Marketing und Kundenumfragen sind ebenfalls sehr wichtig. 


 

Lösung ausblenden
TESTE DEIN WISSEN

Nennen Sie Beispiele für quantitative und qualitative Daten

Lösung anzeigen
TESTE DEIN WISSEN

Quantitative Daten: Daten aus POS, Rechnungen, Prognosen oder Absatzzahlen 


Qualitative Daten: Meinungen, Umfragen, Kommentare, Daten die nicht messbar sind wie Bauchgefühl und Erfahrungen 

Lösung ausblenden
TESTE DEIN WISSEN

Wie strukturiert ist eine Entscheidung? 

Lösung anzeigen
TESTE DEIN WISSEN

Strukturierte Entscheidung: Ja oder Nein Antworten, bei welchen die Entscheidungen eindeutig sind 


Semi-Strukturierte Entscheidungen: Antworten, die auf harten Fakten oder auch Intuitionen und Bauchgefühl aufbauen wie beispielsweise im Marketing oder bei Investitionen


Unstrukturierte Entscheidungen: Die Antworten sind völlig unklar und es gilt eher "best quess" wie bei dem Branding von neuen Produkten oder die Investition in F&E 

Lösung ausblenden
TESTE DEIN WISSEN

Was ist der Unterschied zwischen Analysis und Analytics? 

Lösung anzeigen
TESTE DEIN WISSEN

Analysis: Big Data Analysis beschreibt aktive Untersuchung und Auswertung, also den Prozess der Data Analyse an sich. 

Mit Analysis werden die Daten analysiert und visualisiert. Sie ist eine Komponente als  Methode der Big Data Analytics.


Analytics: Big Data Analytics beschreibt die gesamte Technologie, welche im Voraus zur Datengewinnung und auch im Nachhinein zur Auswertung der Daten eingesetzt wird.

Lösung ausblenden
TESTE DEIN WISSEN

Nenne 3 Beispiele wo BI benutzt wird und wie 

Lösung anzeigen
TESTE DEIN WISSEN

1. Preisoptimierung: Durch BI Analysen von POS Daten und Nachfrageverhalten aus dem Marketing

 

2. Bestandverwaltung: Durch Stammdatenanalyse des Datenbewegungsflusses des Risk Managements wie auch Methoden der SWOT 


3. Marketing und Vertriebscontrolling: Kombination aus verschiedenen Kundendaten um zu bestimmen, wer am Ende welchen Umsatz generiert hat. Viele Rohdaten müssen zusammengefasst und Verbindungen gesucht werden

Lösung ausblenden
TESTE DEIN WISSEN

Was sind die 4 Stufen der Linearen Regression? 

Lösung anzeigen
TESTE DEIN WISSEN

1. Modeling: Auswahl eines Regressionsmodells

2. Estimation: "Erraten" der Koeffizienten 

3. Inference: Evaluation des Ergebnisses 

4. Prediction: Vorhersagen treffen 


Lösung ausblenden
TESTE DEIN WISSEN

Bei der Verwendung von Data Warehouse wie wichtig ist das Einhalten des ACID Prinzips?

Lösung anzeigen
TESTE DEIN WISSEN

Der Fokus des Data Warehouse liegt bei dem eingeschriebenen Daten und diese zu analysieren und zu lesen. Also ist das ACID nicht so wichtig, da das Prinzip eher auf das Schreiben der Daten den Hauptfokus hat, wie beim Data Lake. 

Lösung ausblenden
TESTE DEIN WISSEN

Was ist der Unterschied zwischen OLAP und OLTP?

Lösung anzeigen
TESTE DEIN WISSEN

Data Warehouse (OLAP)

Operational Database(OLTP)

OLAP = Online Analytical Processing

OLTP = Online Transactional Processing

Es geht um die historische Verarbeitung von Informationen.

Es handelt sich um eine alltägliche Verarbeitung.

OLAP-Systeme werden von Wissensarbeitern wie Führungskräften, Managern und Analytikern verwendet.        

OLTP-Systeme werden von Sachbearbeitern, DBAs oder Datenbankexperten verwendet.

Sie werden zur Analyse des Geschäfts verwendet.        

Es wird verwendet, um das Geschäft zu führen.

Es konzentriert sich auf die Ausgabe von Informationen.        

Es konzentriert sich auf die Dateneingabe.

Es basiert auf dem Star Schema, dem Snowflake Schema und dem Fact Constellation Schema.        

Es basiert auf dem Entity Relationship Model.

Es konzentriert sich auf die Ausgabe von Informationen

Es ist anwendungsorientiert.

Es enthält historische Daten.        

Es enthält aktuelle Daten.

Sie liefert zusammengefasste und konsolidierte Daten.        

Sie liefert primitive und sehr detaillierte Daten.

Sie bietet eine zusammengefasste und multidimensionale Sicht der Daten.        

Es bietet eine detaillierte und flache relationale Sicht auf die Daten.

Sie liefert zusammengefasste und konsolidierte Daten.        

Sie liefert primitive und sehr detaillierte Daten.

Sie bietet eine zusammengefasste und multidimensionale Sicht der Daten.        

Es bietet eine detaillierte und flache relationale Sicht auf die Daten.

Die Anzahl der Benutzer geht in die Hunderte.

Die Anzahl der Benutzer geht in die Tausende.

Die Anzahl der abgerufenen Datensätze ist in Millionen.

Die Anzahl der abgerufenen Datensätze ist in Zehnerschritten.

Die Datenbankgröße liegt zwischen 100 GB und 100 TB.

Die Größe der Datenbank liegt zwischen 100 MB und 100 GB.

Sie sind sehr flexibel.        

Sie bieten eine hohe Leistung


Lösung ausblenden
TESTE DEIN WISSEN

Was ist der Unterschied zwischen quantitativen Daten und qualitativen Daten? 

Lösung anzeigen
TESTE DEIN WISSEN

Quantitative Daten: Quantitative Daten verhelfen zu den Zahlen, die grundlegend die Auswertungen belegen können


Qualitative Daten: Qualitative Daten liefern die Einzelheiten und Tiefe für ein umfassendes Verständnis der Daten und des Schlussergebnisses 


 

Lösung ausblenden
TESTE DEIN WISSEN

Data Lake vs. Data Warehouse Tabelle 1

Lösung anzeigen
TESTE DEIN WISSEN

Merkmale

Data Lake

Data Warehouse

Datenstruktur

  • Roh
  • Verarbeitet

Zweck der Daten

  • Noch nicht festgelegt
  • Aktuell in Gebrauch

Benutzer

  • Data Scientist
  • Business-Anwender

Zugänglichkeit

  • Gut zugänglich und schnell zu aktualisieren, da keine Struktur 
  • Data Lakes haben keine Struktur und sind daher leicht zugänglich und leicht zu modifizieren. Darüber hinaus lassen sich alle Änderungen an den Daten schnell durchführen, da es bei Data Lakes nur sehr wenige Einschränkungen gibt.
  • Komplizierter und teurer, Änderungen vorzunehmen
  • Data Warehouses sind per Definition strukturierter. Ihr großer Vorteil liegt darin, dass die enthaltenen Daten aufgrund ihrer Verarbeitung und Struktur leichter zu erschließen sind. Gleichzeit führen die Einschränkungen dieser Struktur dazu, dass Data Warehouses schwer und kostspielig zu handhaben sind.

Definition

  • Ein Data Lake ist ein großer Pool mit Rohdaten, für die noch keine Verwendung festgelegt wurde
  • Bei einem Data Warehouse dagegen handelt es sich um ein Repository für strukturierte, gefilterte Daten, die bereits für einen bestimmten Zweck verarbeitet sind.

Speicherkapazität

  • Benötigen mehr Speicher
  • Benötigen weniger Speicher

Rohdaten sind Daten, die noch nicht für einen bestimmten Zweck verarbeitet wurden. Der wahrscheinlich größte Unterschied zwischen Data Lakes und Data Warehouses ist die unterschiedliche Struktur von Roh- bzw. verarbeiteten Daten. In Data Lakes werden hauptsächlich rohe, unverarbeitete Daten und in Data Warehouses verarbeitete und verfeinerte Daten gespeichert.

Lösung ausblenden
TESTE DEIN WISSEN

Wofür steht ACID?

Lösung anzeigen
TESTE DEIN WISSEN

ACID = Atomicity, Consistency, Isolation, Durability 


Atomarität (Abgeschlossenheit): Transaktionen schließen ganz oder gar nicht ab


Konsistenzerhaltung: Konsistenter Datenbankzustand nach Ende von Transaktion


Isolation (Abgrenzung): Transaktionen, die gleichzeitig stattfinden, beeinflussen sich nicht gegenseitig


Dauerhaftigkeit: Daten sind garantiert dauerhaft in der Datenbank gespeichert nach einem erfolgreichem Transaktionsabschluss

Lösung ausblenden
  • 341307 Karteikarten
  • 5604 Studierende
  • 222 Lernmaterialien

Beispielhafte Karteikarten für deinen Business Intelligence Kurs an der Duale Hochschule Baden-Württemberg - von Kommilitonen auf StudySmarter erstellt!

Q:

Wie kann der Entscheidungsprozess definiert werden? 

A:

Schritt 1: Weiss ich welche Daten ich benutzen möchte? Wenn ja hole sie dir und wenn nicht lokalisiere die Daten


Schritt 2: Wenn gar keine Daten vorhanden sind, dann experimentiere um die Daten zu erschaffen, wie Pilotentesteinführungen usw.


Schritt 3: Qualitätskriterien festlegen für die Daten, garbige in garbige out, Für welches Format/Standort sind meine Daten relevant


Schritt 4: Wer braucht welche Daten, Stakeholder analysieren, welche Anforderungen haben sie


Schritt 5: Dashboard erstellen


Schritt 6: Kundenabnahme - Aber nicht so detailliert 




Q:

Was ist wichtiger, qualitative Daten oder quantitative? 

A:

Nichts ist wichtiger, es ist beides gleich wichtig. Bei quantitativen Daten bekommt man genau Zahlen und Faktoren für eine Entscheidung wie Verkaufszahlen. Andere Daten die wichtig sind wie Umfragen im Marketing und Kundenumfragen sind ebenfalls sehr wichtig. 


 

Q:

Nennen Sie Beispiele für quantitative und qualitative Daten

A:

Quantitative Daten: Daten aus POS, Rechnungen, Prognosen oder Absatzzahlen 


Qualitative Daten: Meinungen, Umfragen, Kommentare, Daten die nicht messbar sind wie Bauchgefühl und Erfahrungen 

Q:

Wie strukturiert ist eine Entscheidung? 

A:

Strukturierte Entscheidung: Ja oder Nein Antworten, bei welchen die Entscheidungen eindeutig sind 


Semi-Strukturierte Entscheidungen: Antworten, die auf harten Fakten oder auch Intuitionen und Bauchgefühl aufbauen wie beispielsweise im Marketing oder bei Investitionen


Unstrukturierte Entscheidungen: Die Antworten sind völlig unklar und es gilt eher "best quess" wie bei dem Branding von neuen Produkten oder die Investition in F&E 

Q:

Was ist der Unterschied zwischen Analysis und Analytics? 

A:

Analysis: Big Data Analysis beschreibt aktive Untersuchung und Auswertung, also den Prozess der Data Analyse an sich. 

Mit Analysis werden die Daten analysiert und visualisiert. Sie ist eine Komponente als  Methode der Big Data Analytics.


Analytics: Big Data Analytics beschreibt die gesamte Technologie, welche im Voraus zur Datengewinnung und auch im Nachhinein zur Auswertung der Daten eingesetzt wird.

Mehr Karteikarten anzeigen
Q:

Nenne 3 Beispiele wo BI benutzt wird und wie 

A:

1. Preisoptimierung: Durch BI Analysen von POS Daten und Nachfrageverhalten aus dem Marketing

 

2. Bestandverwaltung: Durch Stammdatenanalyse des Datenbewegungsflusses des Risk Managements wie auch Methoden der SWOT 


3. Marketing und Vertriebscontrolling: Kombination aus verschiedenen Kundendaten um zu bestimmen, wer am Ende welchen Umsatz generiert hat. Viele Rohdaten müssen zusammengefasst und Verbindungen gesucht werden

Q:

Was sind die 4 Stufen der Linearen Regression? 

A:

1. Modeling: Auswahl eines Regressionsmodells

2. Estimation: "Erraten" der Koeffizienten 

3. Inference: Evaluation des Ergebnisses 

4. Prediction: Vorhersagen treffen 


Q:

Bei der Verwendung von Data Warehouse wie wichtig ist das Einhalten des ACID Prinzips?

A:

Der Fokus des Data Warehouse liegt bei dem eingeschriebenen Daten und diese zu analysieren und zu lesen. Also ist das ACID nicht so wichtig, da das Prinzip eher auf das Schreiben der Daten den Hauptfokus hat, wie beim Data Lake. 

Q:

Was ist der Unterschied zwischen OLAP und OLTP?

A:

Data Warehouse (OLAP)

Operational Database(OLTP)

OLAP = Online Analytical Processing

OLTP = Online Transactional Processing

Es geht um die historische Verarbeitung von Informationen.

Es handelt sich um eine alltägliche Verarbeitung.

OLAP-Systeme werden von Wissensarbeitern wie Führungskräften, Managern und Analytikern verwendet.        

OLTP-Systeme werden von Sachbearbeitern, DBAs oder Datenbankexperten verwendet.

Sie werden zur Analyse des Geschäfts verwendet.        

Es wird verwendet, um das Geschäft zu führen.

Es konzentriert sich auf die Ausgabe von Informationen.        

Es konzentriert sich auf die Dateneingabe.

Es basiert auf dem Star Schema, dem Snowflake Schema und dem Fact Constellation Schema.        

Es basiert auf dem Entity Relationship Model.

Es konzentriert sich auf die Ausgabe von Informationen

Es ist anwendungsorientiert.

Es enthält historische Daten.        

Es enthält aktuelle Daten.

Sie liefert zusammengefasste und konsolidierte Daten.        

Sie liefert primitive und sehr detaillierte Daten.

Sie bietet eine zusammengefasste und multidimensionale Sicht der Daten.        

Es bietet eine detaillierte und flache relationale Sicht auf die Daten.

Sie liefert zusammengefasste und konsolidierte Daten.        

Sie liefert primitive und sehr detaillierte Daten.

Sie bietet eine zusammengefasste und multidimensionale Sicht der Daten.        

Es bietet eine detaillierte und flache relationale Sicht auf die Daten.

Die Anzahl der Benutzer geht in die Hunderte.

Die Anzahl der Benutzer geht in die Tausende.

Die Anzahl der abgerufenen Datensätze ist in Millionen.

Die Anzahl der abgerufenen Datensätze ist in Zehnerschritten.

Die Datenbankgröße liegt zwischen 100 GB und 100 TB.

Die Größe der Datenbank liegt zwischen 100 MB und 100 GB.

Sie sind sehr flexibel.        

Sie bieten eine hohe Leistung


Q:

Was ist der Unterschied zwischen quantitativen Daten und qualitativen Daten? 

A:

Quantitative Daten: Quantitative Daten verhelfen zu den Zahlen, die grundlegend die Auswertungen belegen können


Qualitative Daten: Qualitative Daten liefern die Einzelheiten und Tiefe für ein umfassendes Verständnis der Daten und des Schlussergebnisses 


 

Q:

Data Lake vs. Data Warehouse Tabelle 1

A:

Merkmale

Data Lake

Data Warehouse

Datenstruktur

  • Roh
  • Verarbeitet

Zweck der Daten

  • Noch nicht festgelegt
  • Aktuell in Gebrauch

Benutzer

  • Data Scientist
  • Business-Anwender

Zugänglichkeit

  • Gut zugänglich und schnell zu aktualisieren, da keine Struktur 
  • Data Lakes haben keine Struktur und sind daher leicht zugänglich und leicht zu modifizieren. Darüber hinaus lassen sich alle Änderungen an den Daten schnell durchführen, da es bei Data Lakes nur sehr wenige Einschränkungen gibt.
  • Komplizierter und teurer, Änderungen vorzunehmen
  • Data Warehouses sind per Definition strukturierter. Ihr großer Vorteil liegt darin, dass die enthaltenen Daten aufgrund ihrer Verarbeitung und Struktur leichter zu erschließen sind. Gleichzeit führen die Einschränkungen dieser Struktur dazu, dass Data Warehouses schwer und kostspielig zu handhaben sind.

Definition

  • Ein Data Lake ist ein großer Pool mit Rohdaten, für die noch keine Verwendung festgelegt wurde
  • Bei einem Data Warehouse dagegen handelt es sich um ein Repository für strukturierte, gefilterte Daten, die bereits für einen bestimmten Zweck verarbeitet sind.

Speicherkapazität

  • Benötigen mehr Speicher
  • Benötigen weniger Speicher

Rohdaten sind Daten, die noch nicht für einen bestimmten Zweck verarbeitet wurden. Der wahrscheinlich größte Unterschied zwischen Data Lakes und Data Warehouses ist die unterschiedliche Struktur von Roh- bzw. verarbeiteten Daten. In Data Lakes werden hauptsächlich rohe, unverarbeitete Daten und in Data Warehouses verarbeitete und verfeinerte Daten gespeichert.

Q:

Wofür steht ACID?

A:

ACID = Atomicity, Consistency, Isolation, Durability 


Atomarität (Abgeschlossenheit): Transaktionen schließen ganz oder gar nicht ab


Konsistenzerhaltung: Konsistenter Datenbankzustand nach Ende von Transaktion


Isolation (Abgrenzung): Transaktionen, die gleichzeitig stattfinden, beeinflussen sich nicht gegenseitig


Dauerhaftigkeit: Daten sind garantiert dauerhaft in der Datenbank gespeichert nach einem erfolgreichem Transaktionsabschluss

Business Intelligence

Erstelle und finde Lernmaterialien auf StudySmarter.

Greife kostenlos auf tausende geteilte Karteikarten, Zusammenfassungen, Altklausuren und mehr zu.

Jetzt loslegen

Das sind die beliebtesten StudySmarter Kurse für deinen Studiengang Business Intelligence an der Duale Hochschule Baden-Württemberg

Für deinen Studiengang Business Intelligence an der Duale Hochschule Baden-Württemberg gibt es bereits viele Kurse, die von deinen Kommilitonen auf StudySmarter erstellt wurden. Karteikarten, Zusammenfassungen, Altklausuren, Übungsaufgaben und mehr warten auf dich!

Das sind die beliebtesten Business Intelligence Kurse im gesamten StudySmarter Universum

Business Process Intelligence

Universität Ulm

Zum Kurs
MC 5 Business Intelligence

FernUniversität in Hagen

Zum Kurs
MM3 - Business Intelligence

Fontys University of Applied Sciences

Zum Kurs
Business intelligence

Duale Hochschule Baden-Württemberg

Zum Kurs

Die all-in-one Lernapp für Studierende

Greife auf Millionen geteilter Lernmaterialien der StudySmarter Community zu
Kostenlos anmelden Business Intelligence
Erstelle Karteikarten und Zusammenfassungen mit den StudySmarter Tools
Kostenlos loslegen Business Intelligence