Buch, Deutsch, 121 Seiten, Book w. online files / update, Format (B × H): 168 mm x 240 mm, Gewicht: 327 g
Reihe: Lehrbuch
Der Weg zum datengetriebenen Unternehmen
Buch, Deutsch, 121 Seiten, Book w. online files / update, Format (B × H): 168 mm x 240 mm, Gewicht: 327 g
Reihe: Lehrbuch
ISBN: 978-3-662-68667-6
Verlag: Springer
Dieses Lehrbuch betrachtet Data Management als interdisziplinäres Konzept mit Fokus auf den Zielen datengetriebener Unternehmen. Im Zentrum steht die interaktive Entwicklung eines Unternehmensdatenmodells für ein virtuelles Unternehmen mit Unterstützung eines online Learning Games unter Einbeziehung der Aufgaben, Ziele und Grundsätze des Data Managements, typischer Data-Management-Komponenten und Frameworks wie Datenmodellierung und Design, Metadaten Management, Data Architecture, und Data Governance, und verknüpft diese mit datengetriebenen Anwendungen wie Business Warehousing, Big Data, In-Memory Data Management, und Machine Learning im Data Management Kontext.
Das Buch dient als Lehrbuch für Studierende der Informatik, der Wirtschaft und der Wirtschaftsinformatik an Universitäten, Hochschulen und Fachschulen und zur industriellen Aus- und Weiterbildung.
Zielgruppe
Lower undergraduate
Autoren/Hrsg.
Fachgebiete
- Mathematik | Informatik EDV | Informatik Daten / Datenbanken Data Mining
- Wirtschaftswissenschaften Betriebswirtschaft Management Prozessmanagement
- Mathematik | Informatik EDV | Informatik Angewandte Informatik Wirtschaftsinformatik
- Wirtschaftswissenschaften Betriebswirtschaft Wirtschaftsinformatik, SAP, IT-Management
- Wirtschaftswissenschaften Betriebswirtschaft Bereichsspezifisches Management E-Commerce, E-Business, E-Marketing
- Mathematik | Informatik Mathematik Stochastik Mathematische Statistik
Weitere Infos & Material
Data Management Einführung
- Aufgaben, Ziel und Grundsätze des Data Managements
- Data Management Frameworks
- Ethischer Umgang mit Daten
- Grundsätze des Datenschutzes
- Online-Daten im ethischen Kontext
- Business Driver für datengetriebene Anwendungen
- BI-Business Intelligence und Data Warehousing
- Big Data und Big Data Analytics im Data Management Kontext
- In-Memory Data Management
- Data Management und KI – Machine Learning, Deep Learning
- Datenqualität im KI-Kontext
- Ethische Aspekte von Machine Learning und Deep Learning- Datenmodellierung und Design
- Datenmodellierungstechniken – Schemas
- Modellierungsschritte
- Metadaten Management
- Data Architecture- Data Governance
- Fallstudie
- Agile Didaktik




