Fakultät für Wirtschaftswissenschaft. Aufgabenheft zu. Klausur: Modul Business Intelligence. Termin: , 11:30 13:30 Uhr

Größe: px
Ab Seite anzeigen:

Download "Fakultät für Wirtschaftswissenschaft. Aufgabenheft zu. Klausur: Modul 32711 Business Intelligence. Termin: 23.09.2014, 11:30 13:30 Uhr"

Transkript

1 Fakultät für Wirtschaftswissenschaft Aufgabenheft zu : Modul Business Intelligence Termin: , 11:30 13:30 Uhr Prüfer: Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe Summe Maximal erreichbare Punktzahl

2 Für die Bearbeitung der insgesamt 4 aufgaben auf den 6 Seiten dieser stehen Ihnen 120 Minuten zur Verfügung. Allgemeine Hinweise zur Bearbeitung der aufgaben: 1. Die Lösungen müssen in den vorgesehenen Raum auf dem Lösungsbogen eingetragen werden. Lösungen außerhalb des vorgesehenen Raumes werden nicht in die Bewertung einbezogen. 2. Markieren Sie bei Multiple-Choice Aufgaben die von Ihnen gewählten Alternativen durch ein Kreuz (X) an der dafür vorgesehenen Stelle im Lösungsbogen. 3. Sorgen Sie für eindeutige Eintragungen im Lösungsbogen. 4. Notizen können auf den Rückseiten der Aufgabenblätter gemacht werden. Diese Anmerkungen werden nicht in die Bewertung einbezogen. 5. Sie dürfen das Aufgabenheft vom Lösungsbogen trennen. Bei Beendigung der müssen jedoch alle Blätter des Lösungsbogens zusammengeheftet abgegeben werden. Trennen Sie bitte keine einzelnen Blätter ab. Tragen Sie bitte auf dem Deckblatt Ihre Matrikelnummer sowie Ihren Namen und Vornamen ein! Versehen Sie zusätzlich jedes Lösungsblatt mit Ihrer Matrikelnummer! Unterschreiben Sie bitte auf jedem Lösungsblatt! Hinweise zur Bewertung der Aufgaben Jede vollständig richtig gelöste Aufgabe oder Teilaufgabe wird mit der an Ort und Stelle angegebenen Punktzahl bewertet. Für die Aufgabe 1 gilt: Es darf nur ein Kreuz pro Teilaufgabe gesetzt werden. Richtig gelöste Teilaufgaben werden mit der angegebenen Punktzahl bewertet. Nicht oder falsch beantwortete Teilaufgaben werden mit Null Punkten bewertet. Für die Aufgabe 4 gilt: Richtig gelöste Teilaufgaben werden mit der anteiligen Punktzahl bewertet. Nicht oder falsch beantwortete Teilaufgaben werden mit Null Punkten bewertet. Für die Aufgaben 2 und 3 gilt: Teilweise richtig gelöste Aufgaben oder Teilaufgaben können mit einer entsprechend verminderten Punktzahl bewertet werden. Wir wünschen Ihnen viel Erfolg bei der Lösung der Aufgaben!

3 Business Intelligence Sommersemester 2014 Aufgabe 1 (20 P) Überprüfen Sie die folgenden Aussagen auf ihre Richtigkeit. Markieren Sie im Lösungsbogen die zutreffende Aussage. Es ist nur EINE Aussage korrekt, d. h. Sie müssen sich für eine Aussage entscheiden und dürfen nur ein Kreuz setzen. a) Was ist, laut Definition des Lehrbriefs, nicht Teil des betrieblichen Informationssystems eines Unternehmens? (5 P) A Aufbau- und Ablauforganisation des betreffenden Unternehmens. B Informationstechnologie und Kommunikationsverbindungen. C Unternehmenskontext und externe Innovationen. D Menschen mit ihren individuellen Entscheidungsprozessen und Informationsbedarfen. b) Im Lehrbrief werden verschiedene Sichtweisen auf den Intelligenzbegriff vorgestellt. Welche der folgenden Aussagen trifft demgemäß zu? (5 P) A Individuelle Intelligenz umfasst u. a. die Fähigkeit, nach subjektiven Kriterien zu denken. B Eine Organisation, auch wenn sie als intelligent bezeichnet werden kann, hat nicht die Fähigkeit, Ziele zu verfolgen. C Der englische Begriff intelligence kann im Rahmen eines Entscheidungsprozesses auch Information über das Entscheidungsproblem bedeuten. D Der Begriff Business Intelligence (BI) im technischen Sinne bezieht sich nur auf die Datenhaltung und Datenbereitstellung. Die technische BI leistet keinen Beitrag zur Entscheidungsunterstützung. c) Was wird im Comprehensive Decision Model nicht als Bedingung für das Informationsangebot genannt? (5 P) A Organisationsstrukturen B Entscheidungsverhalten C Managementsysteme D Steuerungssysteme 2014 FernUniversität in Hagen Lehrstuhl BWL insb. Informationsmanagement S. 1

4 Business Intelligence Sommersemester 2014 d) Welche der folgenden Aussagen trifft auf Modellierung zu? (5 P) A Das Ziel der Modellierung kann und sollte objektiv gewählt werden. B Ein Modell kann und sollte die Realität möglichst vollständig abbilden. C Ein informierter Adressat kann und sollte in der Lage sein, jedes Modell zu verstehen. D Auch ein Idealzustand kann und sollte ggf. modelliert werden. Übertragen Sie Ihre endgültige Lösung auf den Lösungsbogen! 2014 FernUniversität in Hagen Lehrstuhl BWL insb. Informationsmanagement S. 2

5 Business Intelligence Sommersemester 2014 Aufgabe 2 (35 P) Die folgenden Beispieldaten für eine Clusteranalyse sind modifiziert entnommen aus(backhaus et al. 2005). Es handelt sich um Eigenschaften verschiedener Emulsionsfette (Butter, Margarine). Tab. 1 zeigt einige binäre Eigenschaften aus Sicht des Einzelhandels. Tab. 2 zeigt das Ergebnis einer Kundenbefragung, d. h. Einschätzungen über das Produkt auf einer Skala 1 7. Außerdem ist dort der Produkttyp(0 = Margarine, 1 = Butter) angegeben. Tabelle 1: Eigenschaften verschiedener Emulsionsfette Markenname (Kürzel) Lagerzeit > 1 Monat Diätprodukt Überregionale Werbung Becherverpackung Pfundgröße Verkaufshilfen Angebotsfähig Direktbezug Marge > 20 % Beanstandungen im letzten Jahr Be Du Ra De HB We Ho Fl SB Sa Bo Tabelle 2: Ergebnisse einer Kundenbefragung Markenkürzel Produkttyp Kaloriengehalt Preis Vitamingehalt Ho Fl SB We Der sogenannte M-Koeffizient ist ein Ähnlichkeitsmaß zur Bestimmung der Ähnlichkeit von 2014 FernUniversität in Hagen Lehrstuhl BWL insb. Informationsmanagement S. 3

6 Business Intelligence Sommersemester 2014 Objekten mit binären Attributen. Das heißt, je näher der M-Koeffizient zweier Instanzen an 1 liegt, desto ähnlicher sind sich die Instanzen. Der M-Koeffizient zweier Instanzen wird berechnet als: Anzahl der übereinstimmenden Attribute Anzahl aller Attribute Der M-Koeffizient, auf die Daten in Tab. 1 angewendet, induziert folgende unvollständige Ähnlichkeitsmatrix (Tab. 3): Tabelle 3: Unvollständige Ähnlichkeitsmatrix Be Du Ra De HB We Ho Fl SB Sa Bo Be 1 Du 0,5 1 Ra 0,5 0,4 1 De 0,7 0,2 0,6 1 HB 0,4 0,5 0,3 0,5 1 We 0,2 0,3 0,3 0,5 0,6 1 Ho 0,3 0,8 0,6 0,2 0,5 0,5 1 Fl 0,8 0,3 0,7 0,7 0,2 0,4 0,3 1 SB 0,5 0,6 0,6 0,4 0,5 0,2 0,6 0,7 1 Sa 0,6 0,3 0,9 0,7 0,2 0,4 0,5 0,8 0,5 1 Bo a) Was ist, verfahrensunabhängig, das Prinzip und grundsätzliche Ziel jeder Clusteranalyse? Wie kann eine Distanzfunktion bei der Erreichung dieses Ziels helfen? Geben Sie die Formel zur Berechnung der Euklidischen Distanz zweier Instanzen an. Welche Anforderung stellt dieses Distanzmaß an die Daten? Grenzen Sie abschließend Clusteranalyse und Klassifizierung kurz voneinander ab! (10 P) b) Ergänzen Sie die fehlenden Werte in der letzten Zeile der Ähnlichkeitsmatrix in Tab. 3! Welche zwei Produkte sind einander am ähnlichsten? Es lässt sich leicht überlegen, wie eine Ähnlichkeitsmatrix statt einer Distanzmatrix für hierarchisches Clustering genutzt werden kann. Fassen Sie die beiden ähnlichsten Produkte zu einem Cluster zusammen! Geben Sie die resultierende Ähnlichkeitsmatrix nach dem single-linkage Prinzip an! (20 P) c) Kundenbefragungen ergeben für das Produkt X eine Einschätzung des Kaloriengehalts von 1, des Preises von 2 und des Vitamingehalts von 1. Können Sie, nur unter Zuhilfenahme der Manhattan-Distanz und der Daten in Tab. 2, eine begründete Einschätzung darüber abgeben, ob es sich bei X um Butter oder Margarine handelt? Wie lautet Ihre Einschätzung? Erläutern Sie das Vorgehen! (5 P) Übertragen Sie Ihre endgültige Lösung auf den Lösungsbogen! 2014 FernUniversität in Hagen Lehrstuhl BWL insb. Informationsmanagement S. 4

7 Business Intelligence Sommersemester 2014 Aufgabe 3 (35 P) Abb. 1 zeigt den Total Quality Management (TQM)-Ansatz des Datenqualitätsmanagements nach (English, 1999) in der Übersicht. 4 Datenüberarbei tung und -bereinigung bereinigte Daten 1 Beurteile Datendefinition und Qualität der Informationsarchitektur 2 Beurteile Informationsqualität Datendefinition, Qualitätsbewertung Informationsqualitätsbewertung 3 Messe unzureichende Qualität, Informationskosten Informationswert/ Kosten 5 Verbessere Informationsprozess-qualität Informationsqualitätsverbesserung Abbildung 1: TQM-Ansatz nach English. a) Beschreiben Sie die zweite Phase Beurteile Informationsqualität im TQM-Ansatz! Nennen Sie die einzelnen Prozessschritte in dieser Phase, und stellen Sie die Zusammenhänge zwischen den Schritten dar! (12 P) b) Diskutieren Sie die These Das Datenqualitätsmanagement ist ein Teil des Knowledge Discovery in Databases (KDD)-Prozesses.! Nennen Sie Argumente für und gegen die These! Erläutern Sie Ihre Argumentation am Beispiel des TQM-Ansatzes zum Datenqualitätsmanagement! (16 P) c) Der Begriff Datenqualität wird in der Literatur häufig verwendet. Demgegenüber ist bei English (1999) von Informationsqualität die Rede. Es stellt sich also die Frage, ob und ggf. wie diese Begriffe voneinander abzugrenzen sind. Wenn Sie die Begriffe wörtlich nehmen: Ist ein Datenqualitätsmanagement, welches die Informationsqualität nicht berücksichtigt, für Unternehmen überhaupt sinnvoll? Begründen Sie kurz! (7 P) Übertragen Sie Ihre endgültige Lösung auf den Lösungsbogen! 2014 FernUniversität in Hagen Lehrstuhl BWL insb. Informationsmanagement S. 5

8 Business Intelligence Sommersemester 2014 Aufgabe 4 (10 P) Überprüfen Sie die folgenden Aussagen auf ihre Richtigkeit. Kennzeichnen Sie im Lösungsbogen uneingeschränkt zutreffende Aussagen mit einem Kreuz bei Richtig und bei alle anderen Aussagen mit einem Kreuz bei Falsch. Bitte beachten Sie auch die Hinweise zur Bewertung. a) In operativen Systemen werden strukturierte Daten und unstrukturierte Inhalte in der Regel gemeinsam verwaltet. b) Sobald eine Information einem Entscheider vorliegt, kann dieser sofort eine Entscheidung treffen. c) Neben den klassischen Kategorien Daten, Information und Wissen muss eine moderne BI auch Entscheidungen und letztlich Handlungen berücksichtigen. d) Optimale Entscheidungsunterstützung, im Sinne einer modernen BI, versucht nicht nur, den Wert einer Entscheidung zu maximieren, sondern berücksichtigt gleichzeitig die Kosten der Informationsversorgung und das Risiko, welches mit der Entscheidung verbunden ist. e) Einer der Nachteile der integrierten Präsentation von Daten und Inhalten sind die vergleichsweise hohen Kosten. f) Data Mining (DM) kann sowohl auf herkömmliche Daten als auch auf strukturierte Metadaten angewendet werden. g) Ein zentraler Aspekt moderner BI ist die möglichst nahtlose Integration mit anderen Systemen, z. B. dem Customer-Relationship-Management(CRM) oder dem Knowledge- Management (KM). h) Eine Einsatzmöglichkeit von Text Mining ist die zuverlässige automatische Zusammenfassung von Texten. i) Sowohl bei BI as a Service als auch bei Open Source BI fallen Kosten für den Betrieb eines BI-Systems aber nicht für dessen Erwerb an. j) Neben dem Rechenaufwand für die Analyse wird die Latenz von BI-Systemen häufig durch Festplattenzugriffszeiten determiniert. Übertragen Sie Ihre endgültige Lösung auf den Lösungsbogen! 2014 FernUniversität in Hagen Lehrstuhl BWL insb. Informationsmanagement S. 6

9 Fakultät für Wirtschaftswissenschaft Matrikelnr. Name Vorname Lösungsbogen : Termin: Prüfer: Modul Business Intelligence , 11:30 13:30 Uhr Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe Summe Maximal erreichbare Punktzahl Erreichte Punktzahl Datum: Note: Unterschrift des Prüfers

10 Business Intelligence SS Aufgabe 1 (ankreuzen) (20 P) A B C D a) b) c) d) Aufgabe 2 (35 P) a)

11 Business Intelligence SS

12 Business Intelligence SS b)

13 Business Intelligence SS

14 Business Intelligence SS

15 Business Intelligence SS c)

16 Business Intelligence SS Aufgabe 3 (35 P) a)

17 Business Intelligence SS

18 Business Intelligence SS b)

19 Business Intelligence SS

20 Business Intelligence SS

21 Business Intelligence SS c)

22 Business Intelligence SS Aufgabe 4 (Ein Kreuz bei Richtig oder Falsch eintragen) (10 P) Richtig Falsch a) b) c) d) e) f) g) h) i) j)

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note:

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note: Fakultät für Wirtschaftswissenschaft Matrikelnr: Name: Vorname: : Modul 32711 Business Intelligence Termin: 28.03.2014, 9:00 11:00 Uhr Prüfer: Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe

Mehr

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note:

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note: Fakultät für Wirtschaftswissenschaft Matrikelnr: Name: Vorname: : Modul 32711 Business Intelligence Termin: 27.09.2013, 9:00 11:00 Uhr Prüfer: Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe

Mehr

19.03.2012, 11:30-13:30 Uhr

19.03.2012, 11:30-13:30 Uhr Fakultät für Wirtschaftswissenschaft Matrikelnr. Name Vorname : Termin: Prüfer: Modul 31311 IT Governance 19.03.2012, 11:30-13:30 Uhr Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe 1 2 3 4

Mehr

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Aufbaustudium 3. Musterklausur IT-gestützte

Mehr

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Aufbaustudium 1. Musterklausur IT-gestützte

Mehr

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Aufbaustudium 2. Musterklausur Informations-

Mehr

Modul-Abschlussklausur zum. C-Modul Nr. 32551. Supply Chain Management. Datum: Unterschrift des Prüfers

Modul-Abschlussklausur zum. C-Modul Nr. 32551. Supply Chain Management. Datum: Unterschrift des Prüfers FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT MATRIKELNUMMER Name: Vorname: Unterschrift: Modul-Abschlussklausur zum C-Modul Nr. 32551 Supply Chain Management Termin:, 11 30 13 30 Uhr Prüfer: Prof. Dr. Dr. h.c.

Mehr

Matr.-Nr.: Name: Vorname: Aufgabe 1 2 3 Summe

Matr.-Nr.: Name: Vorname: Aufgabe 1 2 3 Summe FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Matr.-Nr.: Name: Vorname: Klausur: Finanz- und bankwirtschaftliche Modelle (32521) Prüfer: Univ.-Prof. Dr. Michael Bitz Termin: 24. September

Mehr

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Aufbaustudium 1. Musterklausur Informations-

Mehr

Data/Information Quality Management

Data/Information Quality Management Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!

Mehr

Data Mining und Knowledge Discovery in Databases

Data Mining und Knowledge Discovery in Databases Data Mining und Knowledge Discovery in Databases Begriffsabgrenzungen... Phasen der KDD...3 3 Datenvorverarbeitung...4 3. Datenproblematik...4 3. Möglichkeiten der Datenvorverarbeitung...4 4 Data Mining

Mehr

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Max. Gesamtpunktzahl: 28 (bestanden mit 14 Punkten) Matrikelnummer: - Bei Antwortmöglichkeiten mit müssen Sie jeweils alle die Kästchen

Mehr

F E R N U N I V E R S I T Ä T I N H A G E N

F E R N U N I V E R S I T Ä T I N H A G E N F E R N U N I V E R S I T Ä T I N H A G E N Matrikelnummer FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Name: Vorname: MODULKLAUSUR: Organisation TERMIN: 05.09.2011 PRÜFER: Univ.-Prof. Dr. Ewald Scherm Block A

Mehr

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr

Modul-Abschlussklausur zum. C-Modul Nr. 32551. Supply Chain Management. Datum: Unterschrift des Prüfers

Modul-Abschlussklausur zum. C-Modul Nr. 32551. Supply Chain Management. Datum: Unterschrift des Prüfers Fakultät für Wirtschaftswissenschaft Matrikelnummer Name: Vorname: Unterschrift: Modul-Abschlussklausur zum C-Modul Nr. 32551 Supply Chain Management Termin:, 11 30 13 30 Uhr Prüfer: Prof. Dr. Dr. h.c.

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

Klausur Internetanwendungen, 13.03.2014 Seite 1 / 10 HS OWL, FB 7, Malte Wattenberg

Klausur Internetanwendungen, 13.03.2014 Seite 1 / 10 HS OWL, FB 7, Malte Wattenberg Klausur Internetanwendungen, 13.03.2014 Seite 1 / 10 Klausurteilnehmer Name: Matrikelnummer: Wichtige Hinweise Es sind keinerlei Hilfsmittel zugelassen auch keine Taschenrechner! Die Klausur dauert 60

Mehr

Einführung in die objektorientierte Programmierung mit Java. Klausur am 19. Oktober 2005

Einführung in die objektorientierte Programmierung mit Java. Klausur am 19. Oktober 2005 Einführung in die objektorientierte Programmierung mit Java Klausur am 19. Oktober 2005 Matrikelnummer: Nachname: Vorname: Semesteranzahl: Die Klausur besteht aus drei Frageblöcken zu den Inhalten der

Mehr

Musterlösung zur Klausur Prozess- und Daten-Modellierung. Termin: 2006-10-19, 8:00 09:30 Uhr

Musterlösung zur Klausur Prozess- und Daten-Modellierung. Termin: 2006-10-19, 8:00 09:30 Uhr Musterlösung zur Klausur Prozess- und Daten-Modellierung Termin: 006-10-19, 8:00 09:30 Uhr Name:... Vorname:... Strasse:... PLZ, Ort:... Matrikel-Nr.:... Wirtschafts- und Sozialwissenschaftliche Fakultät

Mehr

Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften

Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften Fehlende Daten in der Multivariaten Statistik SS 2011 Allgemeines Das Seminar richtet sich in erster Linie an Studierende

Mehr

Matr.-Nr.: Name: Vorname:

Matr.-Nr.: Name: Vorname: FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Matr.-Nr.: Name: Vorname: Klausur: Prüfer: 31521 Banken und Börsen Prof. Dr. Rainer Baule Termin: 06.03.2014 Aufgabe 1 2 3 4 Summe maximale

Mehr

TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wirtschaftswissenschaften Prof. Dr. W. Esswein Lehrstuhl Wirtschaftsinformatik, insbesondere Systementwicklung

TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wirtschaftswissenschaften Prof. Dr. W. Esswein Lehrstuhl Wirtschaftsinformatik, insbesondere Systementwicklung TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wirtschaftswissenschaften Prof. Dr. W. Esswein Lehrstuhl Wirtschaftsinformatik, insbesondere Systementwicklung Diplomprüfung Wintersemester 2010-2011 im Fach Wirtschaftsinformatik,

Mehr

Data Mining mit RapidMiner

Data Mining mit RapidMiner Motivation Data Mining mit RapidMiner CRISP: DM-Prozess besteht aus unterschiedlichen Teilaufgaben Datenvorverarbeitung spielt wichtige Rolle im DM-Prozess Systematische Evaluationen erfordern flexible

Mehr

Matr.-Nr.: Name: Vorname:

Matr.-Nr.: Name: Vorname: FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Matr.-Nr.: Name: Vorname: Klausur: Prüfer: 31511 Finanzwirtschaft: Vertiefung Prof. Dr. Rainer Baule Termin: 5. März 2015 Aufgabe 1 2 3 Summe

Mehr

BA-Klausur im Fach. Soziale Sicherheit

BA-Klausur im Fach. Soziale Sicherheit BA-Klausur im Fach Soziale Sicherheit Wirtschaftswissenschaftliche Fakultät der Friedrich-Schiller-Universität Jena Prof. Dr. Silke Übelmesser Sommersemester 2015 21. Juli 2015 Vorname: Nachname: Studiengang:

Mehr

Klausur: Finanzintermediation und Bankmanagement. Aufgabe 1 2 3 4 Summe. Maximale Rohpunktzahl 12 32 32 24 100

Klausur: Finanzintermediation und Bankmanagement. Aufgabe 1 2 3 4 Summe. Maximale Rohpunktzahl 12 32 32 24 100 FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Matrikelnr.: Name: Vorname: Klausur: Finanzintermediation und Bankmanagement Prüfer: Prof. Dr. Rainer Baule Termin: 03.09.2015; 11:3013:30

Mehr

Klausur zur Vorlesung Organisationstheorie und Change Management Sommersemester 06, Termin 1, 18.07.06

Klausur zur Vorlesung Organisationstheorie und Change Management Sommersemester 06, Termin 1, 18.07.06 Institut für öffentliche Wirtschaft und Personal AB Organisation und Prof. Dr. Jetta Frost Klausur zur Vorlesung Organisationstheorie und Sommersemester 06, Termin 1, 18.07.06 Name, Vorname: Matrikelnummer:

Mehr

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

PRÜFUNG. Grundlagen der Softwaretechnik

PRÜFUNG. Grundlagen der Softwaretechnik Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner PRÜFUNG Grundlagen der Softwaretechnik Name: Matrikelnummer: Note: Prüfungstag: 21.09.2012 Prüfungsdauer:

Mehr

Diplom - Bachelor - Master - Prüfung

Diplom - Bachelor - Master - Prüfung Wirtschaftswissenschaftliches Prüfungssekretariat der Rechts- und Wirtschaftswissenschaftlichen Fakultät Diplom - Bachelor - Master - Prüfung Klausur zur Vorlesung und Übung Buchführung und Unternehmensrechnung

Mehr

erfolgreich steuern Datenqualität rä dpunkt.verlag Ldwi Praxislösungen für Business-Intelligence-Projekte Rüdiger Eberlein Edition TDWI

erfolgreich steuern Datenqualität rä dpunkt.verlag Ldwi Praxislösungen für Business-Intelligence-Projekte Rüdiger Eberlein Edition TDWI Detlef Apel Wolfgang Behme Rüdiger Eberlein Christian Merighi Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte 3., überarbeitete und erweiterte Auflage Edition TDWI rä

Mehr

Theoretisches Seminar/Skiseminar im Wintersemester 2014/15. Themen

Theoretisches Seminar/Skiseminar im Wintersemester 2014/15. Themen FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFTEN Lehrstuhl für Wirtschaftsinformatik I Informationssysteme Prof. Dr. Günther Pernul Theoretisches Seminar/Skiseminar im Wintersemester 2014/15 Auch im Wintersemester

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfungsgebiet: MWiWi 1.6 Logistik- und Informationsmanagement Wirtschaftsinformatik Modul

Mehr

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

Aufgabe 1 2 3 4 5 Gesamt. Maximale Punktzahl 26 8 18 24 24 100

Aufgabe 1 2 3 4 5 Gesamt. Maximale Punktzahl 26 8 18 24 24 100 Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insbesondere Investitionstheorie und Unternehmensbewertung Name : Vorname : Modulklausur: Unternehmensgründung (31581) Termin:

Mehr

Diskriminanzanalyse Beispiel

Diskriminanzanalyse Beispiel Diskriminanzanalyse Ziel bei der Diskriminanzanalyse ist die Analyse von Gruppenunterschieden, d. h. der Untersuchung von zwei oder mehr Gruppen hinsichtlich einer Vielzahl von Variablen. Diese Methode

Mehr

Technische Führung. Bachelor. mer. meiner Note zusammen ... Diplom. gründlich. Sie lesbar! 5. 6. 7. Wenn Sie. Viel Erfolg! max. Punktzahl.

Technische Führung. Bachelor. mer. meiner Note zusammen ... Diplom. gründlich. Sie lesbar! 5. 6. 7. Wenn Sie. Viel Erfolg! max. Punktzahl. Technische Universität Braunschweig Institut für Organisation und Führung Bachelorprüfung/Diplomvorprüfung Einführung in die Unternehmensführung (BWL 1) Wintersemester 2009/2010, 11. Februar 2010 Name,

Mehr

Prüfung Software Engineering I (IB)

Prüfung Software Engineering I (IB) Hochschule für angewandte Wissenschaften München Fakultät für Informatik und Mathematik Studiengruppe IB 4 A Sommersemester 2015 Prüfung Software Engineering I (IB) Datum : 09.07.2015, 14:30 Uhr Bearbeitungszeit

Mehr

A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems

A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems markus.helfert@unisg.ch Slide 2 Überblick Data-Warehouse-Systeme und Datenqualität Datenqualitätsmanagement Datenqualität

Mehr

Klausur zur Vorlesung Financial Engineering und Structured Finance

Klausur zur Vorlesung Financial Engineering und Structured Finance Universität Augsburg Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Finanz- und Bankwirtschaft Klausur zur Vorlesung Financial Engineering und Structured Finance Prof. Dr. Marco Wilkens 7. Februar

Mehr

PRÜFUNG. Grundlagen der Softwaretechnik

PRÜFUNG. Grundlagen der Softwaretechnik Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner PRÜFUNG Grundlagen der Softwaretechnik Musterlösung Name: Matrikelnummer: Note: Prüfungstag:

Mehr

Orientierungsveranstaltung für Studierende der Bachelorstudiengänge. Schwerpunkt Wirtschaftsinformatik. Prof. Stefan Lessmann

Orientierungsveranstaltung für Studierende der Bachelorstudiengänge. Schwerpunkt Wirtschaftsinformatik. Prof. Stefan Lessmann Orientierungsveranstaltung für Studierende der Bachelorstudiengänge BWL und VWL Schwerpunkt Wirtschaftsinformatik Prof. Stefan Lessmann Agenda Schwerpunkt Wirtschaftsinformatik Gegenstand der Wirtschaftsinformatik

Mehr

Nachholklausur der Modulprüfung zur Vorlesung Logistik und Supply Chain Management

Nachholklausur der Modulprüfung zur Vorlesung Logistik und Supply Chain Management Universität Regensburg Wirtschaftswissenschaftliche Fakultät Institut für Betriebswirtschaftslehre Lehrstuhl für Controlling und Logistik Prof. Dr. Andreas Otto Nachholklausur der Modulprüfung zur Vorlesung

Mehr

Fakultät. Modulkoordinator Frank Termer. Modul-Name Wirtschaftsinformatik Modul-Nr : 51012

Fakultät. Modulkoordinator Frank Termer. Modul-Name Wirtschaftsinformatik Modul-Nr : 51012 Fakultät Wirtschaftswissenschaften Studiengang Betriebswirtschaft f. kleine u. mitt. Unternehmen Modulbeschreibung Modulkoordinator Frank Termer Modul-Name Wirtschaftsinformatik Modul-Nr : 51012 CP SWS

Mehr

Klausur Sommersemester 2010

Klausur Sommersemester 2010 Klausur Sommersemester 2010 Lehrstuhl: Wirtschaftspolitik Prüfungsfach: Empirische Wirtschaftsforschung Prüfer: Prof. Dr. K. Kraft Datum: 04.08.2010 Hilfsmittel: Nicht-programmierbarer Taschenrechner Klausurdauer:

Mehr

Datenqualität erfolgreich steuern

Datenqualität erfolgreich steuern Edition TDWI Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte von Detlef Apel, Wolfgang Behme, Rüdiger Eberlein, Christian Merighi 3., überarbeitete und erweiterte Auflage

Mehr

Vorname:... Matrikel-Nr.:... Unterschrift:...

Vorname:... Matrikel-Nr.:... Unterschrift:... Fachhochschule Mannheim Hochschule für Technik und Gestaltung Fachbereich Informatik Studiengang Bachelor of Computer Science Algorithmen und Datenstrukturen Wintersemester 2003 / 2004 Name:... Vorname:...

Mehr

Einführung in die Wissensverarbeitung und Data Mining

Einführung in die Wissensverarbeitung und Data Mining Einführung in die Wissensverarbeitung und Data Mining Peter Becker FH Bonn-Rhein-Sieg Fachbereich Angewandte Informatik!" $# Vorlesung Wintersemester 2001/02 1. Einführung Vorbemerkungen 1 Einführung Vorbemerkungen

Mehr

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 29. Mai 2006 Hinweise:

Mehr

Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14

Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14 Universität Augsburg, Institut für Informatik Wintersemester 2013/14 Prof. Dr. W. Kießling 10. Oktober 2013 F. Wenzel, D. Köppl Suchmaschinen Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14

Mehr

Haushaltswesen und Beschaffung

Haushaltswesen und Beschaffung Verwaltungsakademie Berlin Zuständige Stelle nach dem Berufsbildungsgesetz Zwischenprüfung Ausbildungsberuf Verwaltungsfachangestellte/r Prüfungskennzahl: VfA 2014 P3 / Berlin, den 27.01.2014 Begonnen:

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Wintersemester 2005/06 20.2.2006 Prof. Dr. Jörg Rambau Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname:

Mehr

Klausur zur Einführung in die objektorientierte Programmierung mit Java

Klausur zur Einführung in die objektorientierte Programmierung mit Java Klausur zur Einführung in die objektorientierte Programmierung mit Java im Studiengang Informationswissenschaft Prof. Dr. Christian Wolff Professur für Medieninformatik Institut für Medien-, Informations-

Mehr

Klausur zu den Teilgebieten Software-Management und Software-Qualitätsmanagement

Klausur zu den Teilgebieten Software-Management und Software-Qualitätsmanagement Klausur zu den Teilgebieten Software-Management und Software-Qualitätsmanagement Prof. K.-P. Fähnrich, Prof. H.-G. Gräbe, T. Riechert Institut für Informatik Sommersemester 2012 Allgemeine Bemerkungen

Mehr

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Inhaltsverzeichnis Summary... 4 Keywords... 4 Granularität der Daten... 5 Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Partitionierung der Datenbestände... 7 Vergrößerter Aktionsradius von

Mehr

Prüfung: Vorlesung Finanzierungstheorie und Wertpapiermanagement

Prüfung: Vorlesung Finanzierungstheorie und Wertpapiermanagement Prüfung: Vorlesung Finanzierungstheorie und Wertpapiermanagement Die Prüfung zur Vorlesung Finanzierungstheorie und Wertpapiermanagement umfasst 20 Multiple Choice Fragen, wofür insgesamt 90 Minuten zur

Mehr

ORIENTIERUNGSARBEIT (OA 11) Geographie. Fachgruppe der Gymnasien des Kantons Baselland. Taschenrechner (alle eigenen Programme und Daten gelöscht)

ORIENTIERUNGSARBEIT (OA 11) Geographie. Fachgruppe der Gymnasien des Kantons Baselland. Taschenrechner (alle eigenen Programme und Daten gelöscht) Gymnasium 2. Klassen MAR Code-Nr. (5-stellig):............... Schuljahr 2007 /2008 Datum der Durchführung: Dienstag, 11.03.08 ORIENTIERUNGSARBEIT (OA 11) Gymnasium Geographie Verfasser: Zeit: Fachgruppe

Mehr

printed by www.klv.ch

printed by www.klv.ch Zentralkommission für die Lehrabschlussprüfungen des Verkaufspersonals im Detailhandel Lehrabschlussprüfungen für Detailhandelsangestellte 2008 Buchhaltung Arbeitsblätter Serie 1 Kandidatennummer: Name:

Mehr

PRÜFUNG. Grundlagen der Softwaretechnik

PRÜFUNG. Grundlagen der Softwaretechnik Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner PRÜFUNG Grundlagen der Softwaretechnik Vorname: Name: Matrikelnummer: Prüfungstag: 19.02.2015

Mehr

Prüfung Software Engineering II (IB)

Prüfung Software Engineering II (IB) Hochschule für angewandte Wissenschaften München Fakultät für Informatik und Mathematik Studiengruppe IB 4 A Sommersemester 2015 Prüfung Software Engineering II (IB) Datum : 20.07.2015, 12:30 Uhr Bearbeitungszeit

Mehr

Erläuterung zu den möglichen Einträgen in die Formseiten der Word-Datei zur Metadatenerfassung:

Erläuterung zu den möglichen Einträgen in die Formseiten der Word-Datei zur Metadatenerfassung: Anlage 1A Erläuterung zu den möglichen Einträgen in die Formseiten der Word-Datei zur Metadatenerfassung: Fußzeile: Dateiname der vorliegenden Beschreibung, Seitenzahl, Datum der letzten Speicherung Kopfdaten

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

Business Intelligence braucht mehr Business!

Business Intelligence braucht mehr Business! Business Intelligence braucht mehr Business! Oder: Raus aus der BI-Falle! Dr. Guido Kemper 16. Handelsblatt Jahrestagung: Strategisches IT-Management. München, 25.01.2010 prometis - Management & Technology

Mehr

Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen

Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen Verbundstudiengang Technische Betriebswirtschaft Prof. Dr. rer. nat. habil. J. Resch Teilprüfung: Mathematik 1 (Modul) Termin: Februar

Mehr

Spezialisierung Business Intelligence

Spezialisierung Business Intelligence Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business

Mehr

Veranstaltung BWL (EuI) an der FH Darmstadt im WS 2004/05 (Dr. Faik) Klausur 04.02.2005 - GRUPPE B - BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER:

Veranstaltung BWL (EuI) an der FH Darmstadt im WS 2004/05 (Dr. Faik) Klausur 04.02.2005 - GRUPPE B - BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Veranstaltung BWL (EuI) an der FH Darmstadt im WS 2004/05 (Dr. Faik) Klausur 04.02.2005 - GRUPPE B - BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Hinweise: Sie haben zur Bearbeitung der Klausur insgesamt

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne

Mehr

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik Probeklausur März 2014 Teil-1-Aufgaben Beurteilung Jede Aufgabe in Teil 1 wird mit 0 oder 1 Punkt bewertet, jede Teilaufgabe in

Mehr

FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft

FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Den Aufgabenbogen der Klausur können Sie mit nach Hause nehmen. Es muss nur der abgegeben werden! Klausur: Innovationscontrolling B-Modul 31611

Mehr

FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Name: Vorname:

FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Name: Vorname: FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Matr.-Nr.: Name: Vorname: Klausur: Finanzwirtschaft: Vertiefung (41510) Prüfer: Prof. Dr. Rainer Baule Termin: 5. September 2013 Aufgabe 1

Mehr

Fakultät für Wirtschaftswissenschaft

Fakultät für Wirtschaftswissenschaft Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 1 und 2, SS 2012 1 Fakultät für Wirtschaftswissenschaft 1. Einsendearbeit zum Kurs 00091: Kurseinheit: Finanzierungs- und entscheidungstheoretische

Mehr

Marketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Schwierigkeiten bei der Umsetzung Josef Kolbitsch Manuela Reinisch Übersicht Schwierigkeiten bei der Umsetzung eines BI-Systems Schwierigkeiten der Umsetzung 1/13 Strategische Ziele

Mehr

Zwischenprüfung. für die Berufsausbildung in der Geoinformationstechnologie. Termin Herbst 2014

Zwischenprüfung. für die Berufsausbildung in der Geoinformationstechnologie. Termin Herbst 2014 Zwischenprüfung für die Berufsausbildung in der Geoinformationstechnologie Termin Herbst 2014 Lösungsfrist: 120 Minuten Hilfsmittel: Taschenrechner (nicht programmierbar), Schreibgeräte, Zeichengeräte

Mehr

Seminar zur BWL im Wintersemester 2015 / 2016. Maschinenbelegungsplanung in der betrieblichen Fertigung

Seminar zur BWL im Wintersemester 2015 / 2016. Maschinenbelegungsplanung in der betrieblichen Fertigung Institut für Wirtschaftswissenschaft Abteilung für BWL und Unternehmensforschung Prof. Dr. Jürgen Zimmermann (juergen.zimmermann@tu-clausthal.de) Stefan Kreter, M. Sc. (stefan.kreter@tu-clausthal.de) Julius-Albert-Str.

Mehr

UNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT BACHELOR PRÜFUNG. FACH / MODUL: Betriebswirtschaftliche Grundlagen

UNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT BACHELOR PRÜFUNG. FACH / MODUL: Betriebswirtschaftliche Grundlagen UNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT BACHELOR PRÜFUNG DATUM: 05. August 2011 FACH / MODUL: Betriebswirtschaftliche Grundlagen TEILGEBIET: KLAUSURDAUER: PRÜFER: Technik des Rechnungswesen

Mehr

MASTER FERNSTUDIENGANG WIRTSCHAFTSINFORMATIK

MASTER FERNSTUDIENGANG WIRTSCHAFTSINFORMATIK MASTER FERNSTUDIENGANG WIRTSCHAFTSINFORMATIK STUDIENBRIEF: MODUL: Semester IV Spezialisierung Wissensmanagement: Wissensbasierte Systeme AUTOR: Prof. Dr.-Ing. Uwe Lämmel 2 IMPRESSUM IMPRESSUM WINGS Wismar

Mehr

Data-Mining: Ausgewählte Verfahren und Werkzeuge

Data-Mining: Ausgewählte Verfahren und Werkzeuge Fakultät Informatik Institut für Angewandte Informatik Lehrstuhl Technische Informationssysteme Data-Mining: Ausgewählte Verfahren und Vortragender: Jia Mu Betreuer: Dipl.-Inf. Denis Stein Dresden, den

Mehr

Informationsveranstaltung 2013 Master(M.Sc M.Sc.).)-Studiengang Betriebswirtschaftslehre an der Universität des Saarlandes Universität des Saarlandes Lehrstuhl für Management -Informationssysteme Univ.-Prof.

Mehr

Kapiteltests zum Leitprogramm Binäre Suchbäume

Kapiteltests zum Leitprogramm Binäre Suchbäume Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm

Mehr

Antrag auf Anerkennung von Leistungen beim Wechsel von Bachelor of Arts in Bachelor of Science ab WS 12/13

Antrag auf Anerkennung von Leistungen beim Wechsel von Bachelor of Arts in Bachelor of Science ab WS 12/13 Prüfungsamt Wirtschaftswissenschaften Licher Straße 70 D-35394 Gießen Telefon: 0641 99-24500 / 24501 Telefax: 0641 99-24509 pruefungsamt@wirtschaft.uni-giessen.de http://wiwi.uni-giessen.de/home/service-center

Mehr

Quality Point München Datenqualität

Quality Point München Datenqualität Quality Point München Datenqualität Paul, wie ist denn Eure Datenqualität? Nachdem ich bei der letzten Gehaltszahlung mit Frau... angeredet wurde, bin ich mir nicht mehr so sicher. Autor: W. Ulbrich IT&More

Mehr

Klausur Kommunikation I. Sommersemester 2003. Dipl.-Ing. T. Kloepfer

Klausur Kommunikation I. Sommersemester 2003. Dipl.-Ing. T. Kloepfer Kommunikation I 1 Klausur Kommunikation I Sommersemester 2003 Dipl.-Ing. T. Kloepfer Bearbeitungsinformationen Aufbau der Klausur Die Klausur ist wie folgt aufgebaut: Die Klausur ist in 18 Aufgaben unterteilt.

Mehr

Data Mining Anwendungen und Techniken

Data Mining Anwendungen und Techniken Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses

Mehr

Compliance Monitoring mit PROTECHT.ERM

Compliance Monitoring mit PROTECHT.ERM covalgo consulting GmbH Operngasse 17-21 1040 Wien, Austria www.covalgo.at Compliance Monitoring mit PROTECHT.ERM Autor: DI Mag. Martin Lachkovics, Dr. Gerd Nanz Datum: 20. Oktober 2014, 29. April 2015

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

MitarbeiterInnenbefragung

MitarbeiterInnenbefragung ualität im Krankenhaus ein Kooperationsprojekt der Strukturkommission MitarbeiterInnenbefragung OP-Organisation Lfnr: KRANKENHAUS: V1 Liebe MitarbeiterIn, lieber Mitarbeiter! Unser Krankenhaus nimmt an

Mehr

Planung und Messung der Datenqualität in Data-Warehouse-Systemen

Planung und Messung der Datenqualität in Data-Warehouse-Systemen Planung und Messung der Datenqualität in Data-Warehouse-Systemen DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften (HSG) zur Erlangung der Würde eines

Mehr

Fundamentals of Software Engineering 1

Fundamentals of Software Engineering 1 Folie a: Name Fundamentals of Software Engineering 1 Grundlagen der Programmentwurfstechnik 1 Sommersemester 2012 Dr.-Ing. Stefan Werner Fakultät für Ingenieurwissenschaften Folie 1 Inhaltsverzeichnis

Mehr

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Unstrukturierte Daten spielen eine immer bedeutender Rolle in Big Data-Projekten. Zunächst gilt es

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

Mehr

Prüfungsklausur Kreditwirtschaft

Prüfungsklausur Kreditwirtschaft Seite 1 von 7 Name: Matrikelnummer: Prüfungsklausur Kreditwirtschaft Hinweise: o Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur und auf jeden Bogen. o Legen Sie die Klausur sowie

Mehr

Papier O Nein X Ja, und zwar O Schmierpapier O Liniertes Papier X Kariertes Papier Taschenrechner X Nein O Ja

Papier O Nein X Ja, und zwar O Schmierpapier O Liniertes Papier X Kariertes Papier Taschenrechner X Nein O Ja FONTYS INTERNATIONALE HOGESCHOOL ECONOMIE KLAUSUR 4 ProgRESS-code und OER: Zeit: Dozent(en): Datum: Studiengang: Anzahl Seiten: Gebrauch von Lehrmitteln Papier O Nein Ja, und zwar O Schmierpapier O Liniertes

Mehr

Übungen zur Softwaretechnik

Übungen zur Softwaretechnik Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 8 10. Dezember 2002 www4.in.tum.de/~rumpe/se

Mehr

Bachelor-, Diplom- und Masterprüfung Organisation und Führung Wintersemester 2010/2011, 29. März 2011

Bachelor-, Diplom- und Masterprüfung Organisation und Führung Wintersemester 2010/2011, 29. März 2011 Bachelor-, Diplom- und Masterprüfung Organisation und Führung Wintersemester 2010/2011, 29. März 2011 Name, Vorname:... Matr.-Nr.:... Studiengang:... Ich bestätige hiermit, dass ich der Veröffentlichung

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

Mehr

... Bitte Namen und Matrikelnummer oben eintragen.

... Bitte Namen und Matrikelnummer oben eintragen. Prof. Dr. Rolf Linn B.Sc. Prüfung Seite 1......... Vorname Nachname Matrikelnummer Bitte Namen und Matrikelnummer oben eintragen. Bitte prüfen Sie die Vollständigkeit: Die Klausur besteht aus den Aufgaben

Mehr

K L A U S U R D E C K B L A T T

K L A U S U R D E C K B L A T T K L A U S U R D E C K B L A T T Name der Prüfung: Einführung in die Robotik Datum und Uhrzeit: 16.04.2014 um 11Uhr Bearbeitungszeit: : Institut: Neuroinformatik Prüfer: Oubbati Vom Prüfungsteilnehmer auszufüllen:

Mehr

Anwendung der Predictive Analytics

Anwendung der Predictive Analytics TDWI Konferenz mit BARC@TDWI Track 2014 München, 23. 25. Juni 2014 Anwendung der Predictive Analytics Prof. Dr. Carsten Felden Dipl. Wirt. Inf. Claudia Koschtial Technische Universität Bergakademie Freiberg

Mehr

intelligenz kann man endlich kaufen

intelligenz kann man endlich kaufen intelligenz kann man endlich kaufen Flexibles Echtzeitreporting. Erweitertes Standardreporting. Ihre Zeit. Ihr Vorteil. bringen sie leben in ihre sap daten SAP-Daten zum Anfassen Holen Sie das Maximum

Mehr

Übungen zur Softwaretechnik

Übungen zur Softwaretechnik Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 9 17. Dezember 2002 www4.in.tum.de/~rumpe/se

Mehr