Inhalt

[ 926BUSIDAW13 ] Modul Data Warehousing

Versionsauswahl
(*) Leider ist diese Information in Deutsch nicht verfügbar.
Workload Form der Prüfung Ausbildungslevel Studienfachbereich VerantwortlicheR Anbietende Uni
6 ECTS Kumulative Modulprüfung M1 - Master 1. Jahr Wirtschaftsinformatik Michael Schrefl Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Masterstudium Wirtschaftsinformatik 2022W
Ziele Die Studierenden sind in der Lage, Methoden und Werkzeuge einzusetzen, um große Datenmengen (Big Data), insbesondere Geschäfts- und Webdaten, in einem Data Warehouse bzw. Data Lake zusammenzuführen. Die Studierenden beherrschen Methoden und Werkzeuge zur Datenanalyse mit Data Warehouses und Data Lakes, insbesondere OLAP-Sprachen. Die Studierenden kennen die Referenzarchitektur von Data-Warehouse- und Data-Lake-Systemen, beherrschen Planung, Entwurf und Implementierung von Data-Warehouse- und Data-Lake-Systemen unter Berücksichtigung von Volume, Velocity und Variety der zu analysierenden Daten.
Lehrinhalte Referenz-Architektur von Data-Warehouse- und Data-Lake-Systemen; multidimensionales Datenmodell; konzeptueller, logischer und physischer Entwurfsprozess für Data Warehouses und Data Lakes; Techniken für Extraktion, Bereinigung und Bereitstellung von Geschäfts- und Webdaten; Sprachen und Werkzeuge für OLAP; Sicherheitsaspekte; Verteiltes Data Warehousing und Cloud Data Warehousing; Methoden und Werkzeuge für Big Data und Real-Time Analytics, z.B. Hadoop, Map Reduce, Spark, Kafka.
Sonstige Informationen Basisliteratur:

  • Vaisman, A.; Zimányi, E.: Data Warehouse Systems: Design and Implementation. Springer, in der aktuellen Auflage.
  • Sherman, R.: Business Intelligence Guidebook: From Data Integration to Analytics. Morgan Kaufmann, 2014.
  • Gorelik, A.: The Enterprise Big Data Lake. O’Reilly, in der aktuellen Auflage.

Ergänzungsliteratur, insbesondere zu konkreten Werkzeugen und Systemen, wird in jedem Semester bekannt gegeben.

Untergeordnete Studienfächer, Module und Lehrveranstaltungen