Die Gewinnung von Erkenntnissen aus Daten, die zur Umsetzung von Unternehmensziele bessere operative und strategische Entscheidungen ermöglichen, ist eine zentrale Aufgabe der Wirtschaftsinformatik. Dabei müssen Daten unterschiedlichster Herkunft (von intern strukturierten Informationssystemen bis zu semistrukturierten Daten aus dem Internet) und unterschiedlichster Struktur (von quantitativer Information bis zu textuellen Daten) zielgerichtet verwendet werden. Die Nutzung dieser Informationsquellen setzt Kenntnisse über fortgeschrittene Methoden des Data Management, über Business Process Management und über analytische Methoden des Data Mining voraus. 

Nach einer kurzen Einführung in den Begriff Business Intelligence gliedert sich die LV in zwei Abschnitte: 

Im ersten Abschnitt werden aufbauend auf den Inhalten der Lehrveranstaltung "Methoden der Datenanalyse" vertiefende Methoden des Data Mining behandelt, insbesondere Support Vector Machines, EM-Algorithmus und Anwendungen, Model Averaging (Boosting und Bagging) und Bayes Classifiers. Die praktische Durchführung erfolgt dabei mit den Softwaresystemen WEKA. 

 

Im zweiten Abschnitt werden wir uns mit der Analyse und dem Mining von Geschäftsprozessen beschäftigen.Hierbei wird zunächst vorgestellt, wie Analysemethoden wie z.B. Warteschlangen oder Entscheidungsbäume für die Bewertung und Verbesserung von Geschäftsprozessen eingesetzt werden können. Neben solchen quantitativen Analysemethoden sollen auch qualitative Bewertungen diskutiert werden. Der Schwerpunkt im zweiten Abschnitt wird auf dem Mining von Prozessen liegen. Hierzu werden verschiedenen Algorithmen des Process Mining besprochen sowie aufgezeigt, wie Process Mining Techniken zur Analyse von Prozessen und deren Änderungen eingesetzt werden können. Die praktische Durchführung erfolgt dabei mit dem Process Mining Framework ProM. 

Die Lehrveranstaltung kombiniert Vorlesung über theoretische Konzepte mit der praktischen Lösung von Übungsaufgaben. 

Vermittlung grundlegender Kenntnisse in Data Mining und Process Mining und deren Anwednung in der Praxis unter Verwendung von geeigneter Software.