Unternehmensplanung- und Business Intelligence

Die Notwendigkeit der Planung unternehmerischer Tätigkeiten ergibt sich aus der Forderung nach der rechtzeitigen Einschätzung von Konsequenzen unternehmerischen Handelns. Ziel des Spezialisierungsmoduls ist es, Sie in die Lage zu versetzen, den formalen Rahmen (Betriebswirtschaftliche Entscheidungslehre) eines Entscheidungsprozesses in konkreten Situationen anwenden zu können. Dazu werden Business Intelligence Technologien benötigt, welche die Studierenden befähigen, große Datenmengen so aufzubereiten (Informationsquellen und –systeme), dass daraus mit geeigneten Methoden und Modellen (Data-Mining, Planungs- und Prognosesysteme) Informationen gewonnen werden können. Sie können damit entscheidungsunterstützende Systeme für unternehmerische Problemstellungen aufbauen.

1. Betriebswirtschaftliche Entscheidungslehre

• Betriebswirtschaftliche Indikatoren
• Datentransformationen
• Grundlagen der Entscheidungsrechnung
• Entscheidungen unter Sicherheit
• Entscheidungen unter Risiko
• Entscheidungen unter Unsicherheit

2. Planungs- und Prognosesysteme

Sie sollen in der Lage sein Zeitreihen zu glätten,

... um Trends zu ermitteln
… Trends fortzuschreiben
… Saisonbereinigungen durchzuführen
… Prognosemodelle zu entwerfen, Prognosegüte zu beurteilen, und sinnvolle Prognosehorizonte zu beschreiben

• Einfache Zeitreihenanalyse
• Komponentenmodell
• Glättung von selbsterklärenden Zeitreihen
• Saisonbereinigung
• Prognosemodelle selbsterklärender Zeitreihen
• Prognose mit Hilfe lineare Modelle mit Kovariablen
• Box-Jenkins-Ansatz

3. Datamining

Sie erhalten einen Einblick in für die betriebliche Praxis relevante Teilgebiete des Datenmining und werden dadurch in die Lage versetzt, die unterschiedlichen Ansätze inhaltlich gegeneinander abzugrenzen und geeignete Methoden in der betrieblichen Praxis anzuwenden. Sie können die Ergebnisse derartiger Analysen interpretieren und kritisch hinterfragen. Die Kenntnis einer Vielzahl beispielhafter Anwendungsfälle ermöglicht es den Studierenden, komplexe Datamining-Probleme gegenüber einfachen rein deskriptiven Analysen abzugrenzen und adäquate DV-gestützte Analysewerkzeuge auszuwählen.

• Definition, Aufgaben und Methoden des Datamining
• Grundlagen einer professionellen Datamining-Software
• Undirected Datamining - Clusteranalyse, Faktorenanalyse, Mehrdimensionale Skalierung, Fallstudien aus verschiedenen Anwendungsbereichen
• Directed Datamining- Regressionsanalyse, Varianzanalyse, Diskriminanzanalyse, Fallstudien aus verschiedenen Anwendungsbereichen

Schwerpunktkoordinator und Ansprechpartner:  

 roland.jeske(at)hs-kempten.de
 W313
 0831-2523-612