Business Analytics (Subject) / Probeklausur (Lesson)

This lesson was created by MBA_WS_19.

Learn lesson

This lesson is not released for learning.

back  |  next 1 / 2

• Was ist Business Analytics? Business Analytics ist eine systematische Untersuchungsmethode von Unternehmensdaten, wobei der Schwerpunkt auf statistischen Analysen liegt. Das Ziel von Business Analytics ist die datenbasierte Entscheidungsfindung.
• Was ist eine Evidenz? faktenbasierter Sachverhalt. (400 Quellen sagen der Apfel ist Grün, 3 Quellen sagen der Apfel ist Rot -> Es kann davon ausgegenagen werden, dass der Apfel grün ist.) Wird innerhalb und außerhalb des Unternehmens erhoben durch Algorithmen, Statistik, Machine Learning und Data Mining
• Was ist das Ziel von Business Analytics? Betriebswirtschaftliche Probleme im gesamten Managementzyklus evidenzbasiert (Tatsachen die Aufgrundlage von Datensammlung getroffen werden) lösen. - verfügbare Daten zu einem betriebswirtschaftlichen Problem analysieren um einen konkreten Wettbewerbsvorteil zu erlangen
• Beschreiben Sie den Business Analytics Prozess! 1. Schritt: Framing (Eingrenzung) - Problemstellung / Analyticsproblem 2. Schritt: Allocation (Zuweisung) - Daten, IT, Personal 3. Schritt: Analytics (Schlussfolgerung) - Aufbereitung, Analyse, Auswertung 4. Schritt Preparation (Vorbereitung) - Mechanismen, Grenzen, Visualisierung
• Was versteht man unter Digitalisierung? Übetragung analoger Größen in digitale Daten. Vorteil: Mehr Daten, Unterschiedliche Datentypen, verbesserter Datenzugriff => Bessere Vergleichbarkeit
• Was versteht man unter CPS? Cyber Physisches System = mechanische Komponenten die über Netzwerke (Internet) und moderne Informationstechnik in echtzeit miteinander verbunden sind. Sie ermöglichen die Steuerung und die Kontrolle von komplexen Systemen und Infrastrukturen. (moderne Produktion)
• Was sind Vorteile / Nachteile von Cyber Physische Systeme? + Pro: + Effizienzsteigerung +Autonome/ Automatisierte Prozesse + Anpassungs- und Wandlungsfähig - Con: - Hohe Komplexität - Abhängigkeit bezüglich der Funktionalität (Zahnrad-System) - Hacker/Angreifer
• Was versteht man unter Business Intelligence? Verfahren und Prozesse zur systematischen Analyse des eigenen Unternehmens im Vergleich zum Markt zur Generierung erfolgskritisches Wissens (zeigt Potentiale/Perspektiven). (Sammlung, Auswertung und Darstellung von Daten in elektronischer Form)
• Was versteht man unter Data Mining? Data Mining umfasst eine Vielzahl an Algorithmen di egenutzt werden um Wissen aus Datensätzen zu extrahieren (Teil des Business Analytics Prozesses)
• Nennen Sie fünf typische Fragen von Führungskräften zum Einsatz von BA-Ansätzen. -> Für welche betriebswirtschaftlichen Probleme sollen die knappen Business Analytics-Ressourcen eingesetzt werden? (Lektion 2) -> Welche Ressourcen, insbesondere Daten, IT und Personal müssen für die Lösung eingesetzt werden?(Lektion 3) -> Wie sind die Daten aufzubereiten? (Lektion 4) -> Mit welchen Algorithmen werden Evidenzen zur Lösung betriebswirtschaftlicher Probleme gewonnen? (Lektionen 5 – 14) -> Wie sind Roh-Evidenzen aufzubereiten, damit diese durch die Führungskraft optimal zur Problemlösung eingesetzt werden können?(Lektion 15)
• Advertisement
• Was ist Primärstatistik / Sekundärstatistik? Primär : Erstmalige Datenerhebung Sekundär: Verwendung bereits vorhander Daten
• Was ist eine Vollerhebung/Teilerhebung? Vollerhebung = Erhebung auf Basis der Grundgesamtheit Teilerhebung = Erhebung auf ein Teil der Grundgesamtheit (Merkmalsträger)
• Was versteht man unter der absoluten Häufigkeit? Die Anzahl die eine bestimmte Merkmalsausprägung in einer Stichprobe vorkommt
• Was ist die Relative Häufigkeit Der relative Anteil einer Absoluten Häufigkeit an der Grundgesamtheit. (Prozentualer Anteil)
• Wie zeichnet man das Steam Leaf Plot? 10er und 1er werden getrennt und zugeteilt.
• Was ist die Summenhäufigkeit? kummulierte werte
• Was versteht man unter Klassierung? Zusammenfassung der Werte innerhalb einer bestimmten ober und untergrenze
• Was ist das Ziel des Framingprozess in dem BA Modell? Ziel ist die Identifikation des betriebswirtschaftlichen Problems und die Ableitung der Analyticsprobleme. betriebswirtschaftliches Problem = Reales Problem das nicht direkt durch Algorithmen gelöst werden kann Analyticsproblem = Abwandlung des betriebswirtschaftlichen Problems zur Anwendbarkeit von Algorithmen
• Welche Möglichkeiten gibt es zur Ableitung des Analyticsproblems (3 modi betriebswirtschaftlicher Problemlösung) Descriptive Analytics (Was ist bereits passiert?) = Identifikation unbekannter Muster  - Abbildung relevanter Merkmale (Strukturmerkmal) - Beschreibende Modelle Predictive Analytics (Was wird passieren?) = Konstruktion von Prognosemodellen - Urache-Wirkungs-Beziehungen (Strukturmerkmal) - Prognosemodelle Prescriptive Analytics (Was müssen wir tun damits passiert?) = Konstruktion von Optimierungsmodellen  - Zielfunktion (Strukturmerkmal) - Optimierungsmodelle
• Was versteht man unter Data Blending, Enrichment, Analysis, Reporting? Data Blending = Verbindung mehrer Datenquellen Data Enrichment = Unverarbeitete Daten verbessern/definieren Data Analysis = Untersuchung und Auswertung der Daten (Statistik) Data Reporting = Daten visualisieren
• Was ist der Unterschied zwischen qualitativen und quantitativen Daten? Qualititiv => Kleinere Stichproben (sehr detailreich) => wenn Daten sehr gut voneinander abgrenzbar sind aber nicht evaluierbar (Schönheit) Quantitativ => Große Stichproben (zahlenriech) => wenn Daten statistisch analyzierbar sind (Temperatur)
• Welche Methoden zur Datenerhebung gibt es? Beobachtung (per Augenschein), Befragung: - Schriftliche Fragebogenaktion, Fragebogenaktion mit Interview/Straßenbefragung, Telefoninterview, Bildschirminterview, Internetbefragung
• Welche Bedingungen muss ein Zufallsauswahlverfahren erfüllen? Auswahl der Elemente aus der Grundgesamtheit ist zufällig wenn : jedes Element die gleiche chance besitzt entnommen zu werden diese chance berechenbar ist kein Element aufgrund seiner Eigenschaften bevorzugt werden kann (Ziehen aus der Urne mit/ohne zurücklegen) mit = abängig, ohne = unabhängig (Simple Random Sample)
• Was versteht man unter Random Route – Schwedenschlüssel? Mehrstufiges Auswahlverfahren, dass die Zufälligkeit einer Stichprobenentnahme gewährleisten soll (Umfragenforschung) Vorgehen: Interviewer startet an einer zufällig ausgewählten Startadresse und folgt dann einer im vorraus definierten Route (Jedes 2. Stockwerk, etc.)-> Wahrscheinlichkeit vom INterviewer befragt zu werden ist für jeden gleich. Ein Zufallsschlüssel (Schwedenschlüssel) führt zur weiteren Selektion der Befragten -> Geburtstagsmethode Aufwand ist gering und beschränkt sich auf ein kleinen teil der grundgesamtheit
• Was kennzeichnet Schichtenstichproben? Geschichtete Stichprobe: Vorgehen: 1. Bildung von Schichten -> 2. uneingeschränkte Auswahl aus den Schichten (Heterogenität zwischen den Schichten, Homogenität innerhalb der Schichten) Vorraussetzung: Informationen über die Verteilung des Merkmals muss bekannt sein Grundgesamtheit muss teilbar sein Elemente müssen klar zuordbar sein
• Was Kennzeichnet Klumpenstichproben? Vorraussetzung: Informationen über die Verteilung des Merkmals müssen vorhanden sein Grundgesamtheit muss zerlegbar sein einzelne Klumpen = verkleinertes Abbild der Grundgesamtheit Ziel: Homogenität zwischen den Klumpen, Heterogenität innerhalb der Klumpen Klumpen = räumlich oder zeitlich zusammenhängende Untergruppen der Grundgesamtheit
• Erklären Sie den Klumpeneffekt! Je stärker sich die Klumpen in ihrer Größe unterscheiden und je homogener sie in Bezug auf das Untersuchungsmerkmal sind, desto größer ist der Schätzfehler. Dies wird auch als Klumpeneffekt bezeichnet.
• Welche Schritte sind erforderlich zur Vorbereitung quantitativer Daten? 1. Schritt: Datenvalidierung - Prüfung der Daten auf einhaltung bestimmter Validierungsregeln (z.B. Wertebereich, Syntax, Format) 2. Schritt: Dateneditierung - Identifizierung / Bereinigung von Datenfehlern (Ausreißeranalyse) 3. Schritt: Datencodierung - Übersetzung der Elemente des Datensatzes in ein brauchbares Format
• Welche Schritte sind erforderlich bei der Vorbereitung qualitativer Daten? 1. Schritt: Sich mit den Daten vertraut machen/ Grundmuster feststellen 2. Schritt: Überprüfung der Forschungsziele, identifizierung der Fragen die beantwortet werden können 3. Schritt: Kodierung der Daten (Strukturierung/Kennzeichnung) 4. Schritt: Identifizieren von Mustern und Verbindungen, Identifizierung neuer Untersuchungsbereiche
• Was sind die Dimensionen der Datenqualität?  Vollständigkeit (fehlende Werte analysieren) Korrektheit (technisch, inhaltlich prüfen, Duplikate) Umfang (spezifischen Mindestumfang sichern) Aktualität (aktuellen Datenbestand erarbeiten) Glaubwürdigkeit (Primär-, Sekundärdaten prüfen) Einheitlichkeit (einheitliche Darstellungsform sicherstellen)  Zugänglichkeit (spezifische Datenformate vorhalten) Bearbeitbarkeit (technische Zugriffsgeschwindigkeit sichern)
• Advertisement
• Beschreiben Sie Ansätze zur Steigerung des Qualitätsniveaus von Daten. Vollständigkeit -> Nacherhebung (gezielte Ermittlung fehlender Werte |scheiße weil Kosten|) -> Datenausschluss (Entfernung von Instanzen mit fehlenden Werten + Analyse der Gründe) -> Imputatuionsverfahren (Herleitung fehlender Werte durch Algorithmen) 1. Möglichkeit: Mittelwertimputation -> Fehlende Werte werden durch Mittelwert ersetzt |Scheiße weil - Varianz! |) 2. Möglichkeit: Regression (Ersetzung auf Basis einer Regressionsgleichung)
• Nennen Sie die Identifikation und Abgrenzungsmerkmale! Sachliche Abgrenzung = Definiert wer oder was ein Merkmalsträger ist (Staatsbürgerschaft) Räumliche Abgrenzung = Definiert das Gebiet in dem der Merkmalsträger liegen muss (Deutschland) Zeitliche Abgrenzung = Definiert einen Zeitpunkt oder Zeitraum (Geboren von bis, zeitpunkt der erhebung)
• Welche Klassifikation von Merkmalen gibt es? Klassifikation von Merkmalen:  - Nominalskaliert (= keine nat. Reihenfolge) -> Qualitativ - Ordinalskaliert ( = Reihenfolge ohne Gewichtung) -> Ränge - Kardinalskaliert ( = messbar oder abzählbar) -> Quantitativ    - stetig/messbar = Polygonzug                    mit nat. 0 Punkt -> Verhältnisskala (Entfernung)                   ohne nat 0 Punkt -> Intervallskala (Längengerade)    - diskret/abzählbar = Treppenkurve                   mit nat. 0 Punkt -> Absolutskala (Stückzahlen)
• Wie kann die Klassenmitte berechnet werden? Klassenobergrenze + Klassenuntergrenze / 2 = Klassenmitte
• Beschreiben Sie Charakteristika und Konstruktion eines Histogramms. Anwendung: Klassierte Quantitative Merkmale Konstruktion: Klassenhäufigkeit beschreibt breite des Rechtecks Häufigkeitsdichte beschriebt die Höhe des Rechtecks (häufig innenrhalb der Klasse / Obergrenze - untergrenze)
• Was versteht man unter dem Modus? Bei einer Urliste = die häufigsten Werte (mehrere Möglich) Bei einer Häufigkeitstabelle = der häufigste Wert (mehrere Möglich) Bei klassierten Werten = die "dichteste Klasse" = häufigste Werte (da mehrere Möglich aber nicht eindeutig wird hier die Klassenmitte genommen)
• Was ist der Median ? Teilt eine Liste oder einen Rang in 2 gleichgroße Teile (Medianwähler) Bei gerader Anzahl werden die 2 mittleren addiert und durch 2 geteilt
• Was ist das Quartil? Teilt den Median in 2 gleichgroße Teile (1/4 Teilung) 2, -3- ,4, -5- ,6, -7- ,8
• Was ist das Arithmetische Mittel? Definiert der Durschnittswert: -> Urliste: n1+n2+...+n10 / 10 -> Häufigkeitstabelle h(n1)*n1+h(n2)*n2+...+h(n10)*n10 / h*(10) -> Klassiertewerte km(n1)*n1+km(n2)*n2+...+km(n10)*n10/ h*(10)
• Zeichnen Sie ein Boxplot und tragen Sie die wichtigsten Daten ein. Zahlenstrahl Spannweite kleinster Wert Größter Wert unteres Quartil oberes Quartil Median (gesamter Durchschnitt) => Verhältnis von Median zu Quartilen gibt den Trend an (Linksschief - rechtssteil / rechtsschief - linkssteil -> dort wo "mehr" ist ist schief) Mittlerer Quartilsabstand (Anstand zwischen oberes/unteres Quartil)
• Welchen Ansatz wählen Sie zur Symmetrisierung schiefer Verteilungen? trial an error verfahren -> Ziel ist es die Ausreißer zu glätten und ein homogeneres Gesamtbild zu schaffen Der Parameter m wird genutzt um die Werte anzuheben oder zu senken -> Wurzeltransformation bei rechtsschiefer verteilung: kleine werte werden gestreckt und große ausreißer reduziert
• Was ist statistische Konzentration? Die statistische Konzentration beschreibt das Ausmaß/Intensität der Ballung (Ansammlung) der Merkmalsträger in Bezug auf die Grundgesamtheit.
• Was ist die relative Konzentration? Die relative Konzentration stellt fest, wie viel Prozent der Merkmalssumme auf wie viel Prozent der Merkmalsträger entfällt. (Darstellung: Lorenzche Konzentrationskurve)
• Was ist der Gini Koeffizient und wie kann dieser berechnet werden? Der Ginikoeffizient ist eine Kennzahl zur Messund der Intensität einer Konzentration. 0 = gleichverteilt / 1 = konzentration  Berechnung: G = 2* F  (1. Bestimmung der Fläche zwischen 45°Grad Linie und Lorenzkurve (oberhalb und unterhalb der Kurve) 2. Fläche des Dreiecks zwischen 45°Grad Linie und X-Achse dividieren) => "Bauch" zwischen Lorenz und aktuellem Beispiel zeigt die Konzentration. Je größer der Bauch desto stärker die Konzentration. Gini Koeffizient reduziert einen Datensatz auf eine einzelne Kennzhal (Ungenau)
• Was ist absolute Konzentration? welche Anzahl von Merkmalsträgern entfällt auf einen bestimmten Teilbetrag der Merkmalssumme
• Was sagt der Hoover-Index aus? Auch Robin Hood Index. befasst sich mit dem Anteil einer ungleichverteilten Menge die umverteilt werden müsste um eine Gleichverteilung zu erlangen.
• Was sagt die Konzentrationsrate aus? zeigt die kumulierten Anteile der größten Merkmalsträger (Die größte 5 oder 10) -> Kartellrecht (Die Konzentrationsrate sagt aus, welcher Anteil der Merkmalssumme auf die oberen 5 oder 10 Merkmalsträger entfällt)
• Wozu dient eine Assoziationsanalyse? Identifizerung von Zusammenhängen und Ableitung von Maßnahmen zur Lösung eines Analyticsproblems (Welche Produkte werden häufig zusammen gekauft?)
• Was versteht man unter einer zweidimensionalen Häufigkeitsverteilung? Betrachtung zweier Merkmale X und Y sowie deren Ausprägungen an den selben statistischen Einheiten (z.B. Körpergröße und Sprungweite)
• Nennen Sie Abhängigkeitsmaße für kardinal skalierte Daten. Rangkorrelationskoeffizient nach Bravais/Pearson, Partialkorrelationskoeffizient Korrelationsindex, Quadrantenkorrelation

back  |  next 1 / 2