| 
        
          
          
         
          |  Inhalt
              
                
                  | [ 926BUSIDAW13 ]                                         Modul                                        Data Warehousing |  
                  |  |  |  | Es ist eine neuere Version 2025W dieses Fachs/Moduls im Curriculum Masterstudium Economic and Business Analytics 2025W vorhanden. |  
                  |  |  
                  |  | 
                    
                      | 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 |  
                      | Anmeldevoraussetzungen | Erwartete Vorkenntnisse: Grundlagen relationaler Datenbanksysteme |  
                      | Quellcurriculum | Masterstudium Wirtschaftsinformatik 2023W |  
                      | 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, in der aktuellen Auflage.
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 |  |  |  |  |  |  |  |