Bookmark and Share

Tilmeld dig nu


Er du allerede tilmeldt og ønsker at ændre din profil, så klik her.
 

Business intelligence: Analyse af store databaser

Virksomheder og organisationer har store mængder data i flere forskellige systemer og står med udfordringen i at udnytte de mange informationer optimalt i virksomhedens beslutningsproces. Med business intelligence-teknikker kan man samle og strukturere data fra forskellige systemer og kilder, gruppere data på kryds og tværs, opdage mønstre og tendenser og lave hurtige og præcise analyser, der giver et tværgående overblik til gavn for virksomheden.

Målgruppe:

Udviklere af business intelligence (BI) løsninger, der lærer at udvikle en komplet BI-løsning.

Business intelligence-arkitekter, der får et dybt kendskab til teknologierne og dermed kan designe en optimal løsning til et givet forretningsbehov.

Dataanalytikere, der til daglig arbejder med dataanalyse, men gennem fagpakken opnår ny viden om, hvordan den underliggende teknologi fungerer.

  Undervisningsform:

Undervisningen består af tre seminardage pr. enkeltfag med kombinerede forelæsninger og øvelsessessioner (både med brug af computer og blyant og papir).

Mellem seminarerne læser deltagerne faglitteratur og laver øvelser/opgaver. Desuden udarbejder de i grupper et miniprojekt til en realistisk problemstilling.

Deltagerne skal regne med ca. 30 timers arbejde i forbindelse med hvert seminar.

Enkeltfag Periode Kr. ECTS Ansøg
Data warehousing og OLAP 30.10.14 - 16.01.15 6.000 5 AAU
Data mining: Vidensopdagelse i store databaser 17.01.15 - 20.03.15 6.000 5 AAU
Avanceret business intelligence 21.03.15 - 19.06.15 6.000 5 AAU
Indhold:

Målet med denne fagpakke er, at deltagerne opnår viden om og praktisk erfaring med anvendelser af Business Intelligence (BI), det vil sige teknikker til analyse af store datamængder. Dette inkluderer data warehousing, On-Line Analytical Processing (OLAP) og data mining. Deltagerne får et dybt kendskab til BI-teknologier og bliver i stand til at designe og udvikle komplette BI-løsninger.

Fagpakken er bygget op af tre enkeltfag.
Det første enkeltfag dækker grundlæggende data warehousing, multidimensionelle databaser og OLAP.
Det andet enkeltfag dækker grundlæggende data mining.
Det tredje enkeltfag dækker avancerede emner i forlængelse af de to første enkeltfag.

Udbytte:

Viden:
Gennem fagpakken skal deltagerne opnå viden om teorier, teknologier, discipliner, metoder og teknikker inden for følgende områder:

  • Data Warehousing, herunder
    • Integration af mange datakilder.
    • Data warehouse arkitektur.
    • Opbygning af et data warehouse: Extract, Transform, Load (ETL).
    • Data warehouse værktøjer.
  • Multidimensionelle databaser, herunder
    • Grundlæggende multidimensionel modellering.
    • Håndtering af ændringer i dimensioner.
    • Avanceret multidimensionel modellering.
    • Brug af aggregater til performanceoptimering.
    • Indeksering af multidimensionelle databaser, herunder bitmap index.
  • On-line Analytical Processing (OLAP), herunder
    • OLAP queries.
    • OLAP implementation: ROLAP/MOLAP/HOLAP.
    • OLAP værktøjer.
    • Design og brug af slutbrugerapplikationer.
  • Vidensopdagelse i databaser, inkl. præprocessering.
  • Fundamentale data mining metoder, herunder
    • Associeringsregler (association rules), finder f.eks. samkøbsmønstre.
    • Sekventielle mønstre (sequential patterns), finder f.eks. mønstre over tid.
    • Gruppering af dataobjekter (clustering), finder f.eks. kundegrupper.

Deltagerne skal kunne forholde sig kritisk og refleksivt i forhold til de teoretiske emner.

Færdigheder:
Deltagerne skal efter at have gennemført fagpakken kunne anvende teorier, metoder og modeller fra ovennævnte områder til at identificere, analysere, vurdere og komme med forslag til løsning af konkrete problemstillinger i praksis. De skal kunne argumentere for relevansen af de valgte teorier, metoder og modeller samt for det udarbejdede løsningsforslag, og de skal kunne reflektere over betydningen for den sammenhæng, løsningen indgår i.

Konkret forventes det, at deltagerne efter gennemførelse af fagpakken er i stand til at:

  • designe et data warehouse ved hjælp af multidimensionel modellering,
  • implementere data warehouse designet ved hjælp af såvel relationel (ROLAP) som multidimensionel (MOLAP) teknologi,
  • integrere data fra flere forskellige databaser,
  • designe og implementere programmel til opbygning af data warehouse (ETL),
  • analysere data warehouset ved hjælp af On-Line Analytical Processing (OLAP) værktøjer,
  • optimere performance i data warehouset,
  • forberede data til data mining (præprocessering),
  • forstå og anvende en række data mining metoder til vidensopdagelse i store databaser,
  • forstå og sammenligne algoritmerne bag forskellige data mining metoder.

Kompetencer:
Deltagerne skal kunne reflektere over og udvikle egen praksis i relation til fagpakkens emne, kommunikere om problemstillinger og løsningsmodeller med såvel specialister som brugere og beslutningstagere, indgå i et tværfagligt samarbejde og påtage sig ansvar for at styre og udvikle komplekse arbejdssituationer, der forudsætter nye løsningsmodeller.

Konkret forventes det, at deltagerne efter gennemførelse af fagpakken er i stand til at:

  • træffe informerede valg omkring data warehouse-arkitektur, data warehouse-modellering og teknikker til dataintegration,
  • vælge den rigtige type data mining metode til en given problemstilling, at parametrisere data mining algoritmer til et givent datasæt og at analysere data mining resultater,
  • designe og udvikle et komplet business intelligence system for en kompleks, realistisk problemstilling.
Adgangskrav:

Diplomuddannelse i softwarekonstruktion, bacheloruddannelse i datalogi eller tilsvarende samt efterfølgende to års relevant erhvervserfaring.

Har du ikke en af de adgangsgivende uddannelser, kan du søge om optagelse efter individuel vurdering.

Ønskelige forudsætninger:

Deltagerne bør være gode til engelsk, da litteraturen er på engelsk, og undervisningssproget kan være engelsk.
Desuden er det ønskeligt, hvis deltagerne har erfaring med selvstændig installation og brug af større tekniske programpakker.

Undervisningen er tilrettelagt efter, at deltagerne har et grundlæggende kendskab til algoritmer og datastrukturer samt har fortrolighed med et programmeringssprog såsom C, C#, Java, Pascal, Perl, PHP, Python eller Visual Basic.

Der forudsættes kendskab til databasesystemer svarende til, hvad der opnås gennem enkeltfaget Databasemanagementsystemer i fagpakken Database design, udvikling og optimering.

Enkeltfag Periode Kr. ECTS Ansøg
Data warehousing og OLAP 30.10.14 - 16.01.15 6.000 5 AAU
Datoer for undervisning:
31.10.14
21.11.14
12.12.14
Eksamen:
15.01.15 - 16.01.15
Udbyder:
Aalborg Universitet
Undervisningssted:
Aalborg Universitet, Institut for Datalogi
Selma Lagerlöfs Vej 300
9220 Aalborg Øst
Undervisere:
Indhold:

Enkeltfaget dækker emnerne grundlæggende data warehousing, multidimensionelle databaser og OLAP.

Målet er, at deltagerne opnår viden om og praktisk erfaring med anvendelser af data warehousing og On-Line Analytical Processing (OLAP), og at de får et dybt kendskab til teknologierne og bliver i stand til at designe og udvikle komplette data warehouse-/OLAP-løsninger.

Udbytte:

Viden:
Deltagerne opnår viden om teorier, metoder, teknikker og værktøjer inden for følgende områder:

  • Data Warehousing, herunder
    • Integration af mange datakilder.
    • Data warehouse arkitektur.
    • Opbygning af et data warehouse: Extract, Transform, Load (ETL).
    • Data warehouse værktøjer.
  • Multidimensionelle databaser, herunder
    • Grundlæggende multidimensionel modellering.
    • Håndtering af ændringer i dimensioner.
  • On-line Analytical Processing (OLAP), herunder
    • OLAP queries.
    • OLAP implementation: ROLAP/MOLAP/HOLAP.
    • OLAP værktøjer.
    • Design og brug af slutbrugerapplikationer.

Deltagerne skal kunne forholde sig kritisk og refleksivt i forhold til de teoretiske emner.

Færdigheder:
Deltagerne skal efter at have gennemført enkeltfaget kunne anvende teorier, metoder og modeller fra ovennævnte områder til at identificere, analysere, vurdere og komme med forslag til løsning af konkrete problemstillinger i praksis. De skal kunne argumentere for relevansen af de valgte teorier, metoder og modeller samt for det udarbejdede løsningsforslag, og de skal kunne reflektere over betydningen for den sammenhæng, løsningen indgår i.

Konkret forventes det, at deltagerne efter gennemførelse af faget er i stand til at:

  • designe et data warehouse ved hjælp af grundlæggende multidimensionel modellering,
  • implementere data warehouse designet ved hjælp af såvel relationel (ROLAP) som multidimensional (MOLAP) teknologier,
  • integrere data fra flere forskellige databaser,
  • designe og implementere programmel til opbygning af data warehouse (ETL),
  • analysere data warehouset ved hjælp af On-Line Analytical Processing (OLAP) værktøjer.

Kompetencer:
Deltagerne skal gennem enkeltfaget opnå kompetencer til at træffe informerede valg omkring data warehouse-arkitektur, grundlæggende data warehouse-modellering og teknikker til dataintegration.

Undervisningsform:

Undervisningen består af tre seminardage, der veksler mellem forelæsninger og øvelsessessioner.

Mellem seminarerne læser deltagerne faglitteratur, laver øvelser/opgaver og udarbejder i grupper et miniprojekt til en realistisk problemstilling. Denne del af undervisningen foregår som fjernundervisning, så kontakten mellem deltagere og undervisere sker typisk via nettet.

Deltagerne skal regne med ca. 30 timers arbejde i forbindelse med hvert seminar.

Eksamensform:

Intern, mundtlig evaluering med udgangspunkt projektrapporten for miniprojektet. Der gives karakter efter 7-trins-skalaen. Prøven varer normalt en halv time.


Enkeltfag Periode Kr. ECTS Ansøg
Data mining: Vidensopdagelse i store databaser 17.01.15 - 20.03.15 6.000 5 AAU
Datoer for undervisning:
23.01.15
06.02.15
27.02.15
Eksamen:
19.03.15 - 20.03.15
Udbyder:
Aalborg Universitet
Undervisningssted:
Aalborg Universitet, Institut for Datalogi
Selma Lagerlöfs Vej 300
9220 Aalborg Øst
Undervisere:
Indhold:

Enkeltfaget dækker grundlæggende data mining.

Målet med enkeltfaget er, at deltagerne opnår viden om og praktisk erfaring med anvendelser af grundlæggende data mining. De får et dybt kendskab til teknologierne og bliver i stand til at forberede data til data mining (præprocessering) og benytte en række data mining metoder.

Udbytte:

Viden:
Deltagerne skal opnå viden om teorier, metoder, teknikker og værktøjer inden for følgende områder:

  • Vidensopdagelse i databaser, inkl. præprocessering.
  • Fundamentale data mining metoder, herunder
    • Associeringsregler (association rules), finder f.eks. samkøbsmønstre.
    • Sekventielle mønstre (sequential patterns), finder f.eks. mønstre over tid.
    • Gruppering af dataobjekter (clustering), finder f.eks. kundegrupper.

Deltagerne skal kunne forholde sig kritisk og refleksivt i forhold til de teoretiske emner.

Færdigheder:
Deltagerne skal efter at have gennemført enkeltfaget kunne anvende teorier, metoder og modeller fra ovennævnte områder til at identificere, analysere, vurdere og komme med forslag til løsning af konkrete problemstillinger i praksis. De skal kunne argumentere for relevansen af de valgte teorier, metoder og modeller samt for det udarbejdede løsningsforslag, og de skal kunne reflektere over betydningen for den sammenhæng, løsningen indgår i.

Konkret forventes det, at deltagerne efter gennemførelse af faget er i stand til at:

  • forstå og anvende en række data mining metoder til vidensopdagelse i store databaser,
  • forstå og sammenligne algoritmerne bag forskellige data mining metoder.

Kompetencer:
Gennem enkeltfaget skal deltagerne opnå kompetencer til at vælge den rigtige type data mining metode til en given problemstilling, at parametrisere data mining algoritmer til et givent datasæt og at analysere data mining resultater.

Undervisningsform:

Undervisningen består af tre seminardage, der veksler mellem forelæsninger og øvelsessessioner.

Mellem seminarerne læser deltagerne faglitteratur, laver øvelser/opgaver og udarbejder i grupper et miniprojekt til en realistisk problemstilling. Denne del af undervisningen foregår som fjernundervisning, så kontakten mellem deltagere og undervisere sker typisk via nettet.

Deltagerne skal regne med ca. 30 timers arbejde i forbindelse med hvert seminar.

Eksamensform:

Ekstern, mundtlig evaluering med udgangspunkt i projektrapporten for miniprojektet. Der gives karakter efter 7-trins-skalaen. Prøven varer normalt en halv time.


Enkeltfag Periode Kr. ECTS Ansøg
Avanceret business intelligence 21.03.15 - 19.06.15 6.000 5 AAU
Datoer for undervisning:
17.04.15
08.05.15
29.05.15
Eksamen:
18.06.15 - 19.06.15
Udbyder:
Aalborg Universitet
Undervisningssted:
Aalborg Universitet, Institut for Datalogi
Selma Lagerlöfs Vej 300
9220 Aalborg Øst
Indhold:

Faget dækker avancerede Business Intelligence-emner i forlængelse af de to foregående enkeltfag.

Målet er, at deltagerne opnår viden om og praktisk erfaring med anvendelser af avanceret Business Intelligence. Dette inkluderer f.eks. avanceret multidimensionel modellering og avanceret data mining. Deltagerne får et dybt kendskab til teknologierne og bliver i stand til at designe og udvikle komplette, avancerede BI-løsninger.

Udbytte:

Viden:
Deltagerne skal opnå viden om teorier, metoder, teknikker og værktøjer inden for følgende områder:

  • Avanceret data warehousing og multidimensionelle databaser, herunder
    • Avanceret multidimensionel modellering.
    • Alternativer til multidimensionel modellering som f.eks. data vault modellering.
    • Brug af aggregater til performanceoptimering.
    • Indeksering af multidimensionelle databaser, herunder bitmap indexes.
    • Nye trends i data warehousing, som f.eks. near-real-time data warehousing eller cloud-teknologier i forbindelse med data warehousing.
  • Avancerede data mining metoder, herunder
    • Multimedie mining.
    • Mining af højdimensionelle data, f.eks. subspace clustering.
    • Outlier detection.
    • Tekst mining.
    • Web mining.

Deltagerne skal kunne forholde sig kritisk og refleksivt i forhold til de teoretiske emner.

Færdigheder:
Deltagerne skal efter at have gennemført enkeltfaget kunne anvende teorier, metoder og modeller fra ovennævnte områder til at identificere, analysere, vurdere og komme med forslag til løsning af konkrete problemstillinger i praksis. De skal kunne argumentere for relevansen af de valgte teorier, metoder og modeller samt for det udarbejdede løsningsforslag, og de skal kunne reflektere over betydningen for den sammenhæng, løsningen indgår i.

Konkret forventes det, at deltagerne efter gennemførelse af fagpakken er i stand til at:

  • designe et data warehouse ved brug af avancerede modelleringsteknikker,
  • implementere et avanceret DW/OLAP-system,
  • optimere performance i data warehouset,
  • udvælge og forberede data til avanceret data mining (avanceret præprocessering),
  • forstå og anvende en række avancerede data mining metoder,
  • forstå og sammenligne algoritmerne bag forskellige avancerede data mining metoder.

Kompetencer:
Gennem enkeltfaget skal deltagerne opnå kompetencer til at:

  • træffe informerede valg omkring avancerede data warehousingteknikker,
  • vælge den rigtige type data mining metode til en given avanceret problemstilling, at parametrisere avancerede data mining algoritmer til et givent datasæt og at analysere avancerede data mining resultater,
  • designe og udvikle et komplet business intelligence system for en kompleks, realistisk problemstilling.
Undervisningsform:

Undervisningen består af tre seminardage, der veksler mellem forelæsninger og øvelsessessioner. Underviserne kan vælge på en af seminardagene f.eks. at sætte udarbejdelse af en løsning til en større og kompleks opgave eller deltagerpræsentationer af relevante emner og opgaver på programmet.

Mellem seminarerne læser deltagerne faglitteratur og laver øvelser/opgaver. Denne del af undervisningen foregår som fjernundervisning, så kontakten mellem deltagere og undervisere sker typisk via nettet.

Deltagerne skal regne med ca. 30 timers arbejde i forbindelse med hvert seminar.

Eksamensform:

Intern mundtlig prøve. Der gives karakter efter 7-trins-skalaen.


Deltagerportræt

"For mig er det ikke nok at vide og at kunne. Jeg vil også være i stand at forklare, hvad jeg kan, og hvorfra jeg har lært dette."  Læs interview med Torben Laursen, tidligere studerende på fagpakken Business Intelligence: Analyse af store databaser.

Praktisk information

Periode:
30.10.14 - 19.06.15
Datoer for undervisning:
31.10.14
21.11.14
12.12.14
23.01.15
06.02.15
27.02.15
17.04.15
08.05.15
29.05.15
Pris:
18.000 kr.
Dertil kommer udgifter til litteratur på 500-1200 kr. pr. enkeltfag.
ECTS:
15
Sprog:
Dansk og engelsk
Udbyder:
Aalborg Universitet
Undervisningssted:
Aalborg Universitet, Institut for Datalogi
Selma Lagerlöfs Vej 300
9220 Aalborg Øst
Fagansvarlig:
Litteratur:
Udbyders info:

Særlige bemærkninger

Download flyer om fagpakken Business intelligence: Analyse af store databaser.

 

Indholdet i denne fagpakke har et vist sammenfald med indholdet i den tidligere udbudte fagpakke Databaseteknologi – effektiv håndtering af store datamængder. Disse to fagpakker kan derfor ikke begge indgå i en samlet uddannelse til Master i it.

Vejledning

Faglig vejledning:
Adjunkt Christian Thomsen
E-mail: chr(at)cs.aau.dk
Tlf: 9940 8919

Praktisk vejledning:
Kontorfuldmægtig Lene Even
E-mail: even(at)cs.aau.dk
Tlf: 9940 8853

Fagpakkekombinationer

Fagpakker værd at overveje:

Interaktionsdesign og usability-evaluering, Aalborg Universitet.

Interaktionsdesign og usability er vigtige konkurrenceparametre, når brugerne skal vælge, hvilket softwaresystem de vil købe. Fagpakken har fokus på interaktionsdesign og usability-evaluering af digitale produkter og systemer. 

Den gennemføres af undervisere ved Institut for Datalogi på Aalborg Universitet.

Fagpakkeprojekter

Tidligere deltagere på fagpakken har f.eks. skrevet projekt om:

  • Kimball vs Data Vault Data Warehousing.
  • Agreement Planning - Data Warehousing and Reporting.
  • Realtime aktieportefølje-datawarehousing.
  • Data Mining In Health Care Questionnaire Data.

By WildSide

It-vest - samarbejdende universiteter · Åbogade 15 · 8200 Aarhus N · tlf. 70 27 68 50 · it-vest(at)it-vest.dk · www.it-vest.dk

Cookie- og privatlivspolitik