Sistemas educacionais possuem diversas funcionalidades capazes de apoiar a interação entre alunos e professores de maneira dinâmica, síncrona e assíncrona. Uma das formas de monitorar a eficácia do processo educacional e por meio da utilização dos dados armazenados nesses sistemas como fonte de informação. Pesquisas em Learning Analytics, Academic Analytics e Mineração de Dados Educacionais, buscam explorar os dados de sistemas educacionais utilizando processamento analítico e técnicas de mineração de dados. No entanto, há uma serie de fatores que dificultam a gestão eficiente do processo educacional a partir dos dados de sistemas educacionais. A transformação de dados provenientes de diferentes tipos de sistemas educacionais, como Sistemas de Gestão de Aprendizagem e Sistemas Acadêmicos, e uma tarefa complexa devido a natureza heterogênea dos dados. Dados provenientes desses sistemas podem ser analisados considerando diferentes stakeholders, sob varias perspectivas e níveis de granularidade. Neste cenário, um modelo de referência para a descoberta de conhecimento a partir de dados de sistemas educacionais, denominado Modelo de Referência de Dados Educacionais (EDRM), foi desenvolvido neste trabalho. O EDRM e um modelo dimensional no formato star schema, estruturado em um Data Warehouse, projetado para ser uma fonte única de dados integrados e correlacionados voltada a tomada de decisão. Assim, e possível armazenar dados de diversas fontes, combina-los e, por fim, realizar analises que levem as instituições a desenvolver uma melhor compreensão, rastrear tendências e descobrir lacunas e ineficiências acerca do processo educacional. Neste trabalho, o EDRM foi validado por meio de um estudo de caso, utilizando bases de dados reais coletadas de diferentes sistemas educacionais. Os resultados mostram que o EDRM e eficiente em tarefas com diferentes objetivos, utilizando processamento analítico e mineração de dados. / Educational systems support dynamic, synchronous and asynchronous interaction between students and educators. Researches in Learning Analytics, Academic Analytics and Educational Data Mining explore data from educational systems for knowledge discovery through analytical processing, statistical analysis and data mining. However, there are some factors that hinder an efficient management of the educational process. The transformation of data from different kinds of educational system, as Learning Management Systems and Student Information Systems, can be even more difficult due to data heterogeneity. Data from these systems can be analyzed considering different stakeholders, under different perspectives and under different granularities. Motivated by this scenario, in this work we propose Modelo de Referência de Dados Educacionais (EDRM), a reference data model for knowledge discovery in data from educational systems. EDRM is an analytical model structured under a Data Warehouse architecture following a multidimensional data model. EDRM is projected for being an resource of integrated and correlated data focused in decision taking in the educational process. EDRM was developed considering a deep analysis of data and functionalities from different educational systems. In this sense, data from different kinds of systems and sources can be used unified, integrated and consistently. This allows institutions to better comprehend their data, as well as discover patterns, gaps and inefficiencies about their educational process. In this work, EDRM was validated in a case study using real-world databases from different educational systems. The results indicate that EDRM is efficient in tasks with different objectives, using Learning Analytics and Educational Data Mining techniques, and analyzing different perspectives.

Syftet med studien var att få en bättre förståelse för hur sjukhusen använder sig av data och information i samband med Business Intelligence (BI). Det gjordes genom att undersöka ett fall som var ett BI- system och det var uppbyggt av människor och teknologier i PMI funktionen inom Karolinska universitetssjukhus. Forskningsfrågorna som skulle besvaras inkluderade vad det är som utmärker användandet av beslutsstöd för de medicinska processerna inom Perioperativ medicin och intensivvård. Dessutom skulle det undersökas hur framtiden ser ut med BI användningen inom PMI. De avdelningar som undersöktes inkluderade perioperativ vård, intensivvårdsavdelningen (IVA) och en translationell forskningsplattform. Detta gjordes som en kvalitativ fallstudie där relevanta personer med olika roller inom PMI intervjuades. Dessa roller inkluderade en BI arkitekt, anestesiläkare och enhetschefer. Empirin som samlades in inkluderade semi strukturerade intervjuer vilket var den främsta datakällan. Interna dokument med fakta kring verksamheten användes som komplement. Den teoretiska utgångspunkten som användes var ett BI ramverk och ett ramverk för arbetssystem, men andra teorier angående BI-förmågor användes också. Det resultat som genererades av studien var att samtliga delar av BI-systemet behöver fungera väl tillsammans för att ett beslutstöd ska på den högsta graden kunna erbjudas. Det visade sig att organisationsminnet och informationsintegreringen byggde upp det första steget i beslutstödet, därefter så är det insiktsskpandet som skapar uppfattningar av tidigare händelser. Sist är det presentation/kommunikation som erbjuder slutanvändaren informationen i form av dashboards. En annan slutsats var att den ökade mängden data inte egentligen hade en påverkan på BI-system och beslutsfattandet. / The purpose of this study was to get a better understanding of how hospitals use data and information in conjunction with Business intelligence (BI). That was done by examining a case that was a BI-system which people and technologies of the PMI department in Karolinska university hospital were a part of. The research questions that were supposed to be answered included what distinguished the usage of decision support in the medical processes in PMI. In addition to this the effect the increasing access of data had on the aforementioned processes were also to be examined. The departments that were examined included preoperative care, intensive care unit (ICU) and a translational research platform. This was conducted as a qualitative case study where relevant people who worked in PMI with different roles were to be interviewed. This included a BI architect, anaesthesiologist and unit managers. The empirical data that was created included several semi structured interviews which were the main data source and internal documents that had useful information regarding the departments. The main theoretical framework that was used to analyse the data was a BI framework and work system theories, but other theories regarding BI capabilities were also used. The result that was generated by the study was that all the different parts of the analysed BI-system have to work together in order for the decision support to be as good as possible. The results also showed that the BI capabilities organizational memory and information integration builds the first step towards decision support. Then it is insight creation and presentation/communication that creates the understanding of previous events. Another conclusion was that the increasing amounts of data did not have a major effect on the BI-system or decision support as a whole.

Vor dem Hintergrund der Zunahme unstrukturierter Daten für Unternehmen befasst sich dieser Beitrag mit den Möglichkeiten, die durch den Einsatz der Business Intelligence für Unternehmen bestehen, wenn durch gezielte Analyse die Bedeutung dieser Daten erfasst, gefiltert und ausgewertet werden können. Allgemein ist das Ziel der Business Intelligence die Unterstützung von Entscheidungen, die im Unternehmen (auf Basis strukturierter Daten) getroffen werden. Die zusätzliche Auswertung von unstrukturierten Daten, d.h. unternehmensinternen Dokumenten oder Texten aus dem Web 2.0, führt zu einer Vergrößerung des Potenzials und dient der Erweiterung des Geschäftsverständnisses der Verbesserung der Entscheidungsfindung. Der Beitrag erläutert dabei nicht nur Konzepte und Verfahren, die diese Analysen ermöglichen, sondern zeigt auch Fallbeispiele zur Demonstration ihrer Nützlichkeit.:1 Einführung 2 Business Intelligence 2.1 Definition 2.2 Ordnungsrahmen 2.3 Analyseorientierte BI und Data Mining 3 Text Mining 3.1 Berührungspunkte mit anderen Disziplinen 3.2 Definition 3.3 Prozessmodell nach HIPPNER & RENTZMANN (2006a) 3.3.1 Aufgabendefinition 3.3.2 Dokumentselektion 3.3.3 Dokumentaufbereitung 3.3.4 Text-Mining-Methoden 3.3.5 Interpretation / Evaluation 3.3.6 Anwendung 4 Potenziale der Textanalyse 4.1 Erweiterung des CRM 4.2 Alternative zur Marktforschung 5 Fazit und Ausblick Literaturverzeichnis

Vor dem Hintergrund des steigenden Interesses von computergestützter Textanalyse in Forschung und Praxis entwickelt dieser Beitrag auf Basis aktueller Literatur ein generisches Vorgehensmodell für Text-Mining-Prozesse. Das Ziel des Beitrags ist, die dabei anfallenden, umfangreichen Aktivitäten zu strukturieren und dadurch die Komplexität von Text-Mining-Vorhaben zu reduzieren. Das Forschungsziel stützt sich auf die Tatsache, dass im Rahmen einer im Vorfeld durchgeführten, systematischen Literatur-Review keine detaillierten, anwendungsneutralen Vorgehensmodelle für Text Mining identifiziert werden konnten. Aufbauend auf den Erkenntnissen der Literatur-Review enthält das resultierende Modell daher sowohl induktiv begründete Komponenten aus spezifischen Ansätzen als auch aus literaturbasierten Anforderungen deduktiv abgeleitete Bestandteile. Die Evaluation des Artefakts belegt die Nützlichkeit des Vorgehensmodells im Vergleich mit dem bisherigen Forschungsstand.:1 Einführung 1.1 Motivation 1.2 Forschungsziel und Methodik 1.2.1 Systematische Literatur-Review 1.2.2 Design-Science-Research-Ansatz 1.3 Aufbau des Beitrags 2 Stand der Forschung 2.1 Begriffsverständnis 2.2 Merkmale von Vorgehensmodellen für Text Mining 2.3 Aktivitäten im Text-Mining-Prozess 2.4 Zusammenfassung 3 Anforderungen an ein generisches Vorgehensmodell 3.1 Strukturelle Anforderungen 3.2 Funktionelle Anforderungen 3.3 Zusammenfassung 4 Entwicklung des Modells 4.1 Aufgabendefinition 4.2 Dokumentenselektion und -untersuchung 4.3 Dokumentenaufbereitung 4.3.1 Linguistische Aufbereitung 4.3.2 Technische Aufbereitung 4.4 Text-Mining-Verfahren 4.5 Ergebnisevaluation 4.6 Anwendung 4.7 Zusammenfassung 4.7.1 Gesamtmodell 4.7.2 Feedbackschleifen 5 Evaluation 5.1 Evaluationsdesign 5.2 Messung und Auswertung 6 Fazit und Ausblick Literaturverzeichnis Anhang A1 Anwendungsneutrale Vorgehensmodelle A2 Auswirkungen von Grund- und Stammformenreduktion auf die Interpretierbarkeit von Texten A3 Gesamtmodell

The value of data is growing to an increasing extent. The increased amount of available data has enabled business intelligence to take great strides in development. Organizations use data in order to enhance parts or entire operations within the organization. Business intelligence supports organizations in the management of data and mainly to create decision support. However, business intelligence is a broad topic which can be affected by factors such as Big Data or Cloud computing and can be applied in different ways. Previous studies shows that only a few organizations have succeeded in increasing profitability after implementation of business intelligence. This study therefore aims to create a deeper understanding of how business intelligence is used within a telecommunications company to create decision support connected to enhancing business processes. The choice of industry and organization in this study is based on the fact that the industry is one of the most data-intensive industries. The thesis relates to previous research and theories. The previous research is used in order to understand the challenges as well as the benefits and future potential of the subject. The theories are used to understand various key factors such as information systems or the combination of business intelligence and Business Process Management.  The result of the essay is created from semi-structured interviews with respondents who work within a telecommunications company and contribute to confirming the theory and answering the questions. / Värdet av data växer i allt större utsträckning. Den ökade mängden tillgänglig data har möjliggjort för Business intelligence att ta stora kliv i utvecklingen. Organisationer nyttjar data i syfte att effektivisera delar av eller hela verksamheter. Business intelligence stödjer organisationer i hanteringen av data och för att skapa beslutsstöd. Business intelligence är dock ett brett ämne vilket kan påverkas av faktorer såsom Big Data eller Cloud computing (molntjänster) och kan tillämpas på olika sätt. Tidigare studier visar att endast ett fåtal organisationer har lyckats öka lönsamheten efter implementeringen av business intelligence. Denna studie syftar till att skapa en djupare förståelse kring hur business intelligence används inom ett telekommunikationsbolag för att skapa beslutsstöd kopplat till effektivisering av affärsprocesser. Valet av bransch och organisation baseras på att branschen är en av de mest dataintensiva branscherna. Uppsatsen förhåller sig till tidigare forskning och teorier. Den tidigare forskningen används i syfte att förstå utmaningar samt fördelar och framtida potential för ämnet. Teorierna används för att förstå olika nyckelfaktorer såsom informationssystem eller kombinationen av business intelligence och Business Process Management. Resultatet i uppsatsen är skapat från semistrukturerade intervjuer med personer vilka arbetar inom ett telekommunikationsbolag och bidrar med att bekräfta teorin samt besvara frågeställningen.

The budget has for decades been a cornerstone in most organizations management accounting and control. The budget has also faced criticism for being expensive, time-consuming, for quickly becoming obsolete and for impeding flexibility in organisations. In an increasingly dynamic world, companies need to become more adaptive and forward-looking. Researchers believe that budgeting is generally a data-driven activity. Hence, it becomes suitable for application of analytical technologies, such as Business Intelligence (BI). Although BI has been at the top of companies' agendas for a long time, research show that many organizations still struggle to harvest the benefits or reach the expectations with BI-systems. Thus, the purpose of this study has been to analyze and compare how business intelligence can be used for and influence budgeting among Swedish car dealers. To experience several perspectives on how BI affects budgeting in practice the study takes a qualitative approach as seven interviews with individuals at seven different car dealerships was conducted. From the existing body of literature and research, a framework to describe and analyze how BI can be used for budgeting was constructed. The study found that the use of BI for budgeting practice does not reach the potential that the literature and previous research illuminates. The conclusion is based on a minimal gathering of external and unstructured data, the modest use of predictive analysis and the non-existence occurrence of prescriptive analysis. Despite this, BI can still be used for and affect budgeting in several positive remarks. BI can gather and quickly provide a both comprehensive as well as deeply detailed overview of the business. Furthermore, BI seems to enable budget evaluation more frequently and in combination with budget follow-up and control. Something that potentially might mitigate the critique the budget has endured for impeding flexibility. However, the study identified tendencies that the follow-up of budgets seems more compatible with BI-systems than the actual making of budgets. Moreover, indications points toward a more reciprocal relationship between BI-use for budgeting, as the budgeting style and style of management control might affect the use of BI. / Budgeten har under årtionden varit en grundbult inom de flesta organisationers ekonomi- och verksamhetsstyrning. Budgeten har mött kritik för att vara dyr, tidskrävande, för att snabbt bli inaktuell samt för att förhindra flexibilitet i organisationer. I en alltmer dynamisk omvärld behöver företag bli mer adaptiva och framåtblickande. Forskare menar att budgetering generellt sett är en data driven aktivitet. Vilket gör den lämplig att applicera analytiska teknologier på, så som business intelligence (BI). Även om BI varit på toppen av företagens agenda under en lång tid visar forskning att många organisationer fortfarande inte lyckats skörda de fördelar eller uppnå de förväntningar som finns på BI-system. Syftet med denna studie har således varit att analysera och jämföra hur business intelligence kan användas för och påverka budgetering bland svenska bilåterförsäljare. För att erfara olika perspektiv på hur BI påverkar budgetering i praktiken tar studien en kvalitativ ansats. Sju personer intervjuades hos sju olika bilåterförsäljare. Utifrån den existerande litteraturen och forskning utarbetades en analysmodell i syfte att beskriva och analysera hur BI kan användas inom budgetering. Studien fann att användningen av BI i praktiken inte uppnår den potential som forskningen belyser. Slutsatsen grundar sig i en minimal användning av externa och ostrukturerade data. Samt en blygsam användning av prediktiva analyser och total avsaknad av preskriptiva analyser. Trots det kan BI användas för och påverka budgetering positivt i flera bemärkelser. BI kan samla in data och snabbt ge både en överblickande och en detaljerad bild över verksamheten. Vidare möjliggör BI att utvärdering av budgetar kan ske kontinuerligt i kombination med uppföljning. Något som potentiellt kan mildra den kritik budgeten utsått för att förhindra flexibilitet. Dessutom visade empirin tendenser på att uppföljning av budgetarna verkar vara mer förenligt med BI än själva byggande av budgetarna. Studien fann även det inte bara är BI som påverkar budgeteringen utan sättet att budgetera i sin tur kan påverka användningen av BI.

The established use of IT systems has increased the use of information in modern enterprises.From this information use, the concept of Business Intelligence has developed to enable more efficientand informed decision-making. As the business’ requirements of Business Intelligence reports changesrapidly due to changes of the business’ needs and more analytical organisations, traditional BusinessIntelligence development faces problems of ad-hoc analyses due to the inefficient adaption to changingneeds.This Master Thesis serves the purpose of deepen the understanding of the establishment of an agiledevelopment program of Self-service BI, addressing the concerns of more effectively meeting the changingrequirements of traditional Business Intelligence development. This study explores enablers through aqualitative case study, conducted at a Swedish bank, consisting of four group interviews discussing theestablishment of such program in Organisational, Processes, Technical and External dimensions,respectively. The qualitative case study was then followed by a discussion of governance of such programfor alignment to enablers.The qualitative case study resulted in 15 enablers of an agile development program of Self-Service BI,considering further enablers compared to more general literature of BI success factors, addressing theperspective of both an agile development program and Self-Service BI applications. The discussion ofgovernance of the program then identified eight governance mechanisms, which might align the programto the enablers, for successful establishment and development of applications.The findings of the study can be considered to culminate into a structure of an agile development programof Self-Service BI. The Thesis presents, from the findings, a framework for structuring such program,consisting of three development phases; Ordering process, Agile development, and Maintenance/Supportand Training, and with the discussed governance for steering the development.

La BI et le cloud computing sont deux grands sujets de recherche en informatique et en système d’information en particulier. Une recherche combinant ces deux concepts est d'un intérêt double : D’une part, dans les entreprises, la BI devient de plus en plus une partie importante du système d'information qui nécessite des investissements en termes de performances de calcul et des volumes de données. D’autre part, le cloud computing offre de nouvelles opportunités pour gérer les données à des fins d’analyse.Etant donné les possibilités de cloud, la question de la migration de l'ensemble du système d’information y compris la BI est d'un grand intérêt. En particulier, les chercheurs doivent fournir aux professionnels des modèles et des méthodes qui puissent les aider à migrer vers le cloud.Que faire pour que la BI puisse fournir aux managers un service de mise à disposition de données d’analyse au travers du cloud ? La question de recherche est : Comment aider les organisations à migrer leur BI vers le cloud ?Dans cette thèse, nous répondons à cette question en utilisant l'approche science de conception (design science). Nous mettons en place une aide à la décision de la migration de la BI vers le cloud qui s'appuie sur les taxonomies. Nous proposons un modèle de guidage opérationnel qui est instancié par une taxonomie de la BI dans le cloud et dont découlent les règles pour la migration de la BI vers le cloud. / BI and cloud computing are two major areas of computer science research and in particular in information system. A research combining these two concepts has a double interest : On the one hand, in business, the BI becomes increasingly an important part of the information system which requires investment in terms of computing performance and data volumes. On the other hand, cloud computing offers new opportunities to manage data for analysis.Given the possibilities of cloud, migration question of the information system including BI is of great interest. In particular, researchers must provide models and methods to help professional in BI migration to the cloud.The research question is : how to migrate BI to the cloud?In this thesis, we address this issue using design science research approach. We implement a decision-making help for BI migration to the cloud based on taxonomies. We provide an operational guidance model that is instantiated by a BI taxonomy in the cloud and from that rules for BI migration to the cloud are arised.

Der vorliegende Auswertungsbericht fasst die Ergebnisse einer Studie der TU Dresden zum Einfluss von Analytics Tools auf das Controlling der 3.000 größten Unternehmen in Deutschland im Jahr 2021 zusammen. Der Auswertungsbericht gibt einen Überblick über den Stand der Gestaltung und der Nutzung von Analytics Tools im Controlling. Befragt wurden die in den Unternehmen verantwortlichen Controllingleiter bzw. kaufmännische Geschäftsführer und CFOs mittels eines strukturierten Fragebogens. Der Rücklauf von 322 verwertbaren Fragebögen bei einer Rücklaufquote von 10,78 % unterstreicht das große Interesse der Praxis an dem Untersuchungsthema.:Inhaltsverzeichnis Abbildungsverzeichnis 1 Einleitung 1.1 Zielsetzung und untersuchte Aspekte 1.2 Inhalte des Auswertungsberichts und weitere Schritte im Forschungsprojekt 2 Grundkonzepte der Studie: Ein theoretischer Überblick 2.1 Der Begriff der Digitalisierung 2.1.1 Big Data als Grundlage für Business Analytics 2.1.2 Business Analytics 2.1.3 Abgrenzung von Business Analytics zu anderen Technologien 2.1.4 Business Analytics im Controlling 2.2 Psychologische Effekte von Digitalisierung (Rollenstress) 3 Datenerhebung und Auswertungsmethodik 3.1 Charakterisierung der Grundgesamtheit 3.2 Ablauf der Datenerhebung 3.3 Zusammenfassung des Fragebogenrücklaufs 3.4 Auswertungsmethodik 4 Empirische Ergebnisse zur Nutzung und Gestaltung von Analytics Tools im Controlling 4.1 Demografie der Antwortenden 4.2 Teil 1: Generelle Fragen zum Unternehmen 4.2.1 Organisatorische Einbettung des Controllings 4.2.2 Stand der Digitalisierung des Controllings im Unternehmen 4.2.3 Beitrag der Controlling-Abteilung für das Unternehmen 4.2.4 Einfluss der Corona-Pandemie 4.2.5 Veränderungen im Unternehmensumfeld 4.3 Teil 2: Fragen zur Controlling-Abteilung und zum Einsatz von Analytics Tools im Controlling 4.3.1 Aktivitäten der Controlling-Mitarbeiter (Rollenverständnis) 4.3.2 Verwendete Analytics Tools 4.3.3 Effekte der Analytics Tools 4.3.4 Art der Nutzung von Analytics Tools 4.3.5 Ressourcen für Analytics-Initiativen 4.3.6 Datenorientierung und Datenkultur 4.3.7 Big Data-Charakteristik der Daten 4.3.8 Eigenschaften von in Analytics Tools genutzten Daten 4.3.9 Technologische Charakteristika der Analytics Tools 4.3.10 Unterstützung durch das Top Management Team 4.3.11 Fähigkeiten der Führungskräfte im Controlling 4.3.12 Technische Fähigkeiten von Controlling-Mitarbeitern 4.3.13 Analytische Fähigkeiten der Controlling-Mitarbeiter 4.3.14 Wissenszugang und -nutzung 4.4 Teil 3: Fragen zum Einfluss von Analytics Tools auf die Tätigkeit und das Arbeitsumfeld von Controllingleitern 4.4.1 Auswirkungen von Informationen aus Analytics Tools 4.4.2 Arbeitsrelevante Informationen für die Tätigkeit als Controlling-Leiter 4.4.3 Umstände der Tätigkeit von Controllingleitern (Rollenüberlastung) 4.4.4 Wahrnehmungen der Arbeit von Controlingleitern (Rollenambiguität und Rollenkonflikt) 4.4.5 Einstellungen zum Unternehmen 4.5 Sonstige Hinweise der Studienteilnehmer 5 Management Summary 6 Literaturverzeichnis

Automotive SPICE is used to evaluate the efficiency of the development processes for OEMs and ECU suppliers. It is a domain specific version of SPICE. Many automotive manufacturers are demanding Automotive SPICE level 2 from their suppliers. Application life cycle management solutions specific to automotive industry focus more on standardisation yet providing very little information about performance of processes. This thesis shows how Business Intelligence (BI) solutions can be helpful in achieving Automotive SPICE level 2 compliance and as comprehensive reporting tools. Moreover the evaluation of approaches for implementation of different BI systems has shown that commercial solutions can be beneficial for small to medium size suppliers. Implementing a BI solution can also point out possible improvement opportunities and bad practices for an organisation. The implemented BI system can only be efficient and useful if the underlying data is accurate and responsive.