Folgende Themen für Bachelor- oder Masterarbeiten stehen zur Verfügung:
– Aufbau eines Data Warehouses in einem Kleinunternehmen mit SAS
– Bewertung von Digital Media Analytics Werkzeugen
– Return on Investment für Digital Media Analytics
– Forecasting für GKV-Abrechnungsdaten
– l-diversity im Umfeld v. Gesundheitsdaten
– Entwicklung eines Frameworks zur Anbindung von Social Media Analytics an ein Data Warehouse
– Ein Data Vault bzw. EDW Framework in SAS
– Prozessanalyse im BI-Umfeld einer gesetzlichen Krankenversicherung
– Aufbau eines dynamischen Data Marts für Forschungsstudien
Aufbau eines Data Warehouses in einem Kleinunternehmen mit SAS
Für einen Partner eines der führenden Analytics Softwareherstellers soll eine Ausbildungs- und Entwicklungsplattform erstellt werden. Dazu muss eine Data Warehouse Architektur erstellt, die nötige Software ausgewählt, installiert und konfiguriert werden. Im ersten Schritt müssen interne Anforderungen gesammelt und bewertet werden, um anschließend Software- und Hardwarekomponenten auf Basis einer Architektur auszuwählen. Die Installation und Konfiguration kann anschließend (je nach Wunsch) begleitet werden, findet jedoch primär durch den Softwarelieferanten statt.
Bewertung von Digital Media Analytics Werkzeugen
Es sollen neue Technologien zur Beobachtung eines Presseumfelds bewertet werden.Das Ergebnis wird soll in einer Firma als Grundlage genutzt werden, um die bisher eingesetzten Werkzeuge zu stärken oder sich neu aufzustellen.
Return on Investment für Digital Media Analytics
Möglichkeiten für den Einsatz von Digital Media Analytics gibt es viele. Entscheidend für die meisten Organisationen ist jedoch, inwieweit sich entsprechende Investitionskonten rechnen können. Daher sollen für verschiedene Anwendungsfälle qualifizierende und/oder quantifizierende Mehrwerte für den Einsatz von Digital Media Analytics identifiziert und beschrieben werden. Ziel des Projektes ist es den Vertrieb des Bereichs „Digital Media“ zu unterstützen und mit neuen Argumentationen auszustatten.
Forecasting für GKV-Abrechnungsdaten
Kosten sind (im Gegensatz zu den meisten Wirtschaftsunternehmen) treibender Steuerungsfaktor im Umfeld gesetzlicher Krankenversicherungen. Diese entstehen durch diverse gesundheitliche Themen wie häusliche Krankenpflege, Arztbesuche, Rehabilitationsleistungen, Krankenhausbesuche etc. Die Zeitspanne zwischen der eigentlichen Leistungserbringung bzw. derer Genehmigung und den Auswertungen zu tatsächlichen Zahlungen beträgt teilweise mehrere Monate. Für eine vernünftige Ausgabenplanung ist die Prognose von tatsächlichen Zahlungen zum Zeitpunkt der Leistungserbringung bzw. Genehmigung obligatorisch. Ziel dieser Arbeit ist es, ein Forecasting-Modell für den Bereich häusliche Krankenpflege zu entwickeln und somit den Berichts- und Planungsprozess zu unterstützen.
l-diversity im Umfeld v. Gesundheitsdaten
Gesundheitsdaten unterliegen als Sozialdaten neben dem Bundesdatenschutzgesetz (BDSG) auch dem Sozialgesetzbuch X. Sie müssen demnach einen besonderen Schutz genießen. Dies widerspricht häufig dem Ansatz von Business Analytics Ansätzen von Datenexploration und –auswertung. Das BDSG, als auch die in 2018 in Kraft tretende EU-Datenschutzgrundverordnung (EU-DSGVO) sieht in diesem Umfeld die Möglichkeit vor, personenbezogene Daten „anonym“ zu speichern. Dazu existieren diverse Anonymisierungsverfahren wie k-Anonymity oder l-diversity. Aufgabe des Projekts ist es, mittels l-diversity eine Methode in ein Data Warehouse zu integrieren, so dass Auswertungsbestände mit personenbezogenen Daten stets als „anonym“ bezeichnet werden können.
Entwicklung eines Frameworks zur Anbindung von Social Media Analytics an ein Data Warehouse
Social Media Analytics Plattformen wie „ubermetrics Delta“ bieten zu einem grafischen Interface meist auch eine Schnittstelle an, mit Hilfe derer Daten aus der Plattform in andere Anwendungen integriert werden können. Dazu muss ein auf SAS basiertes Framework entwickelt werden, das die wesentlichen Daten automatisiert aus dem externen System (über eine REST-API) abzieht und in eine interne Datenbank ablegt. Das Framework soll dabei so ausgestattet sein, das es auch als Produkt bei Kunden eingesetzt werden kann, die „ubermetrics Delta“ an ihre SAS-Umgebung anbinden möchten.
Ein Data Vault bzw. EDW Framework in SAS
Ein Data Warehouse speichert dauerhaft Daten aus verschiedenen Systemen. Data Vault bzw. Enterprise Data Warehouse (EDW) sind Ansätze für Datenarchitekturen in Core-Data Warehouses, die aufwändige Eigenentwicklung zur Umsetzung der Basisanforderungen vermeiden sollen. Benötigt werdenFrameworks, die entsprechend flexibel bei Kunden eingesetzt werden können. Dazu ist ein Konzept zu entwickeln, mit Hilfe dessen ein entsprechende Framework (Data Vault oder EDW) in SAS umgesetzt werden kann. Im Best Case kann bereits ein erster Prototyp für ein! Element stattfinden.
Prozessanalyse im BI-Umfeld einer gesetzlichen Krankenversicherung
Im Rahmen des Migrationsprojektes einer großen gesetzlichen Krankenversicherung entstehen neben einer neuen Infrastruktur auch neue BI-Prozesse. Darüber hinaus bleiben während der Migration die alten Prozesse noch bestehen. Die Führung des Business Intelligence Competence Center möchte Infrastruktur und Prozesse an einer neuen Strategie ausrichten und im Rahmen eines Projektes prüfen, inwieweit die aktuellen und im Migrationsprojekt eingesetzten Prozesse die Strategie unterstützen und/oder noch justiert werden müssen. Die Abschlussarbeit kann dabei einen oder mehrere konkrete Prozesse betrachten.
Aufbau eines dynamischen Data Marts für Forschungsstudien
Krankenversicherungen werden häufig aufgefordert, externen Instituten Gesundheitsdaten für Forschungszwecke zur Verfügung zu stellen. Dies geschieht meist zu einem speziellen Zweck, z. B. um Zusammenhänge zwischen Krankheiten und unabhängig davon verschriebenen Medikamenten zu untersuchen. Lieferungen erfolgen üblicherweise in einem ähnlichen Format und unterscheiden sich
hauptsächlich von den zu liefernden Diagnosen/Verordnungen und oder teilnehmenden Leistungserbringern.
Im Zuge eines Migrationsprojektes in einer großen gesetzlichen Krankenversicherung soll ein Data Mart konzipiert und ggf. entwickelt werden, der o. g. Studien mit möglichst wenig Zusatzaufwand beliefern kann. Die zu Grunde liegenden Gesundheitsdaten befinden sich bereits zentral und aufbereitet im Data Warehouse.