Big Data Analytics

Fakultät

Agrarwissenschaften und Landschaftsarchitektur

Version

Version 13.0 vom 06.09.2019

Modulkennung

44M0139

Modulname (englisch)

Big Data Analytics

Studiengänge mit diesem Modul
  • Agrar- und Lebensmittelwirtschaft (M.Eng.)
  • Angewandte Nutztier- und Pflanzenwissenschaften (M.Sc.)
Niveaustufe

4

Kurzbeschreibung

Durch die fortschreitende Digitalisierung von Produkten, Dienstleistungen und Prozessen entstehen stetig wachsende Datenmengen. Gleichzeitig sind die Daten in ihrer Art sehr vielfältig. In der Analyse der Daten liegt für Unternehmen großes Potenzial für bessere und nachhaltigere Entscheidungen. Die Menge und Vielfalt stellt die Unternehmen aber gleichzeitig vor große Herausforderungen. In diesem Modul lernen die Studierenden in praktischer Anwendung Methoden und Technologien kennen, um diese Herausforderungen erfolgreich zu bewältigen.

Lehrinhalte

1 Grundlagen
2 Management von Big Data
3 Nutzung von Big Data

Lernergebnisse / Kompetenzziele

Wissensverbreiterung
Die Studierenden kennen die wesentlichen Eigenschaften von Big Data.

Die Studierenden wissen um die Herausforderung bei der Analyse von Big Data.

Die Studierenden kennen Methoden und Technologien für den Umgang mit Big Data.
Wissensvertiefung
Die Studierenden kennen die Unterschiede zwischen strukturierten und unstrukturierten Daten.

Die Studierenden kennen neben der relationalen Datenbank neue Formen von Datenbanken, die bei unstrukturierten Daten verwendet werden können.
Können - instrumentale Kompetenz
Die Studierenden wenden Technologien aus dem Big Data Umfeld an, um große Datenmengen verwalten und auswerten zu können.

Die Studierenden klassifizieren unbekannte Daten auf Basis wichtiger Eigenschaften und wählen sinnvolle Vorgehensweisen und Technologien für die Verarbeitung und Analyse aus.
Können - kommunikative Kompetenz
Die Studierenden extrahieren aus einer unübersichtlichen Menge an Daten wichtige Erkenntnisse zur Beantwortung von Fragen und bereiten die Ergebnisse in geeigneter Form auf.

Die Studierenden präsentieren Analyseergebnisse in angemessener Weise und an der jeweiligen Zielgruppe ausgerichtet.
Können - systemische Kompetenz
Die Studierenden setzen Methoden und Tools im Unternehmen ein, um einen Mehrwert aus vorher unbekannten Daten zu generieren.

Lehr-/Lernmethoden

Die Veranstaltung folgt dem Prinzip des Flipped Classroom. Materialien in Form von Audio, Video oder Literatur werden vor den Sitzungen bereitgestellt. Die Studierenden beschäftigen sich in Vorbereitung auf die Sitzung mit diesen Inhalten, so dass die gemeinsame Zeit größtenteils zur Arbeit in Gruppen und zur Anwendung und Vertiefung des Wissens verwendet werden kann.

Empfohlene Vorkenntnisse

Es wird empfohlen das Modul "Information Management" im Bachelor belegt zu haben. Alternativ oder zusätzlich ist das Modul "Applied Analytics" aus dem Bachelor sinnvoll. Die Veranstaltung kann auch ohne Vorkenntnisse belegt werden. In diesem Fall ist eine eigenständige Einarbeitung mittels bereitgestellter Materialien erforderlich.

Modulpromotor

Meseth, Nicolas

Lehrende

Meseth, Nicolas

Leistungspunkte

5

Lehr-/Lernkonzept
Workload Dozentengebunden
Std. WorkloadLehrtyp
10others
40others
5others
Workload Dozentenungebunden
Std. WorkloadLehrtyp
30others
45others
20others
Literatur

Wird in der Veranstaltung bekannt gegeben.

Prüfungsleistung
  • Portfolio Prüfung
  • Klausur 2-stündig
  • Mündliche Prüfung
Unbenotete Prüfungsleistung

Regelmäßige Teilnahme

Bemerkung zur Prüfungsform

Teilleistungen in der Portfolioprüfung:Fallstudie, schriftlich (FSS) - 70%Antwort-Wahl-Verfahren (AWV) - 15%Antwort-Wahl-Verfahren (AWV) - 15%Regelmäßige Teilnahme (RT) - unbenotet

Dauer

1 Semester

Angebotsfrequenz

Nur Sommersemester

Lehrsprache

Deutsch und Englisch

 

Kontakt

Hochschule Osnabrück
University of Applied Sciences
Albrechtstr. 30
49076 Osnabrück
Telefon: +49 541 969-0
Fax: +49 541 969-2066
E-Mail: webmaster@hs-osnabrueck.de

© 2020 HOCHSCHULE OSNABRÜCK
UNIVERSITY OF APPLIED SCIENCES

Besuchen sie uns

Logo 50 Jahre Hochschulen für Angewandte Wissenschaften