Data Mgmt Analytics

Question 1

Wofür steht HIPPO? Was sagt es aus?

Answer 1

HIghest Paid Person’s Option. Let data drive decisions, not HIPPO

Question 2

Wofür steht DDD? Was bedeutet es?

Answer 2

Data driven decision making (DDD) refers to the practice of basing decisions on the analysis of data rather than purely on intuition.

Question 3

Was macht BI 1.0 aus?

Answer 3

Data warehouse, Dashboards, OLAP. Historisch ausgerichtete Analyse

Question 4

Was macht BI 2.0 aus?

Answer 4

Traditional Data mining & Analytics -> Linear regession, decision trees. Identify of patterns, predict future (no decision)

Question 5

Was macht BI 3.0 aus?

Answer 5

Big data (analytics), AI, ML, DL Autmated decision making, because automated predicted future

Question 6

Die Daten aus welchen Ebenen wertet die BI 1.0 aus?

Answer 6

Key Processes (ERP, CRM…), HR (ERP..)

Question 7

Welche Datenebenen hat die traditionelle BI ?

Answer 7

Data storage, Data analysis/OLAP, Data visualization/presentation

Question 8

Was ist Bestandteil des Data storage (BI)?

Answer 8

Data Warehouse: Raw data -> Summary data -> Meta data

Question 9

Was ist Bestandteil des Data analysis/OLAP (BI)?

Answer 9

Data cube -> Data marts

Question 10

Was ist Bestandteil des Data visualization/presentation (BI)?

Answer 10

Dashboards -> Reports

Question 11

Was sind die Dimensionen von OLAP?

Answer 11

Bspw. Kunde, Produkt, Zeit oder Region, Zeit, Produkt

Question 12

Durch welche datentechnische Hierachie ist OLAP geprägt?

Answer 12

Relationales Daten(bank) Modell

Question 13

Was macht einen Data Cube aus?

Answer 13

Einzelne Schlüsselinformationen eines ausgewählten Bereichs aus dem Datawarehouse

Question 14

Was kann man mit einem Data Cube machen?

Answer 14

Rotate, Drill down/Roll up(verfeinern wie zB Jahre->Monat), Slice & Dice (Segmentierung)

Question 15

Definiere: Dashboard

Answer 15

“A dashboard is a rich computer interface with charts, reports, visual indicators, and alert mechanisms that are consolidated into a dynamic and relevant information platform.“

Question 16

Dashboards: Wofür steht SMART?

Answer 16

Synergetic, Monitor KPIs, Accurate, Responsive, Timely

Question 17

Welche sechs Schritte umfässt Data Mining typischerweise?

Answer 17

Business Understanding, Data Unterstanding, Data Preparation, Modeling, Evaluaton, Business Understanding Zwischen Business Understanding und Data Unterstanding sowie Data Preparation und Modeling Wechselwirkung, keine schlichte Sequence

Question 18

Welche beiden Aufgaben hat Data Mining?

Answer 18

Vorhersagen treffen und Muster erkennen

Question 19

Wie können beim Data Mining Vorhersagen getroffen werden?

Answer 19

Entscheidungsbäume, (Lineare) Regression, Trendanalyse

Question 20

Wie können im Data Mining Daten beschrieben werden?

Answer 20

Clustering (Analysis), Association (Wer Erdnussbutter und Brot kauft, kauft auch Marmelade)

Question 21

Welche beiden Hauptthemen sind in BI 3.0 relevant?

Answer 21

Big Data, Machine Learning

Question 22

Wodurch ist Big Data charakterisiert? 3 Vs

Answer 22

Volume (Terabyts, Transactions…)

Velocity (Real Time, Streams…)

Variety (Structured, Unstructured…)

Question 23

Wie die traditionelle Programmierung von Maschinen Learning unterschieden werden?

Answer 23

Question 24

Wie können die Begriffe AI - Deep Learning in Verbindung gebracht werden?

Answer 24

Question 25

Was ist der Vorteil von Neuronalen Netzwerken zur traditionellen Regression?

Answer 25

Je mehr Daten, desto besser. Stagniert nicht. Wird immer besser

Question 26

Was ist der Nachteil an Neuronalen Netzen und Deep Learning?

Answer 26

Geringe Interpretationsmöglichkeit (für Menschen)

Question 27

Unterscheiden Sie OLAP und OLTP!

Answer 27

OLTP ist Transaktionsbezogen. OLAP ist Datenbezogen. OLAP wertet die Ergebnisse mehrerer OLTPs aus