Wintersemester 2013/14 - Fakultät Informatik und Wirtschaftsinformatik
Wintersemester 2013/14 - Fakultät Informatik und Wirtschaftsinformatik
Wintersemester 2013/14 - Fakultät Informatik und Wirtschaftsinformatik
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Bezug zur Gesamtqualifikation<br />
F<strong>und</strong>ierte fachliche Kenntnisse<br />
- Math.-naturwiss. Gr<strong>und</strong>lagen: Statistische<br />
Verfahren zur Analyse numerischer <strong>und</strong><br />
textueller Daten<br />
- Fachspezifische Vertiefungen: DV-Technologien<br />
<strong>und</strong> Analyseverfahren für die Auswertung<br />
großer Datenmengen zur<br />
Entscheidungsunterstützung<br />
im<br />
betriebswirtschaftlichen Kontext<br />
- Fachübergreifende Kenntnisse: Für die Lösung<br />
von Big-Data-Problemen ist die Kenntnis<br />
spezieller statistischer Methoden <strong>und</strong> IT-<br />
Konzepte notwendig<br />
Problemlösungskompetenz<br />
- Kompetenz zur Vernetzung unterschiedlicher<br />
Fachgebiete: Die Vernetzung von Statistik, BWL<br />
<strong>und</strong> <strong>Informatik</strong> ist Voraussetzung für die<br />
Nutzung von Big-Data<br />
Methodenkompetenz<br />
- Fertigkeit zum logischen, analytischen <strong>und</strong><br />
konzeptionellen Denken: Das Verständnis<br />
statistischer Vorgehensmodelle <strong>und</strong> deren<br />
Einsatz zur Datenanalyse mittels skalierbarer,<br />
verteilter IT-Systeme erfordern ein hohes Maß<br />
an logischem <strong>und</strong> konzeptionellen Denken.<br />
Praxiserfahrung <strong>und</strong> Berufsbefähigung<br />
- Kenntnisse von praxisrelevanten<br />
Aufgabenstellungen: Die Erlangung von<br />
Wettbewerbsvorteilen durch die Auswertung<br />
polystrukturierter Daten aus unterschiedlichsten<br />
Quellen ist eine der großen Herausforderungen<br />
für Unternehmen.<br />
Wissenschaftliche Arbeitsweise:<br />
Inhalte<br />
Fähigkeit zur Analyse <strong>und</strong> Strukturierung<br />
komplexer Aufgabenstellungen: Analyse <strong>und</strong><br />
Strukturierung von Anwendungsfällen für Big Data<br />
im betrieblichen Umfeld <strong>und</strong> Erarbeitung von<br />
Lösungskonzepten<br />
Technische Herausforderungen von Big Data<br />
- Volume, Variety, Velocity<br />
- Verarbeitung komplexer Ereignisse<br />
Datenquellen für Big Data<br />
- Betriebliche Informationssysteme<br />
117 / 153