Daten analysieren und modellieren
Modulidentifikation
Handlungsziele
- Sichtet Daten aus verschiedenen strukturierten und unstrukturierten Informationsbeständen und ordnet sie ein.
- Charakterisiert einen Informationsbestand für die Verarbeitung hinsichtlich Qualität, z.B. Vollständigkeit, Eindeutigkeit, Widersprüchlichkeit, Redundanz und bereinigt die Daten falls nötig.
- Wählt Informationen aus, welche sich für eine Auswertung eignen und berücksichtigt Aspekte bezüglich allfälliger Schutzbedürfnisse (z.B. Personendaten, Geheimhaltung).
- Erstellt ein konzeptionelles Datenmodell für die bereinigten Daten und definiert Entitätstypen, Attribute und Beziehungen.
- Überführt das konzeptionelle Datenmodell in ein logisches, relationales Datenmodell durch Ergänzen von Identifikations- und Fremdschlüsseln, Datentypen und allfälliger Zwischentabellen.
- Normalisiert das logische, relationale Datenmodell.
- Bildet das konzeptionelle und logische, relationale Datenmodell in einer geeigneten Darstellung ab.
Handlungsnotwenidge Kenntnisse
- Kennt verschiedene Formen von Daten (numerische: Messdaten/Klassifikationen; verbale: Texte in schriftlicher oder gesprochener Form; nonverbale: Musik, Fotos, Videos, usw.) und wie sie auf einem Datenträger gespeichert werden.
- Kennt deren Auswertbarkeit auf einem Computersystem.
- Kennt Strukturmerkmale verschiedener Informationsquellen (Textdokumente, Datenblätter, Geschäftsgrafiken, Datenbanken, usw.) und die Konsequenzen, welche sich daraus für die elektronische Auswertung dieser Datenquellen ergeben.
- Kennt Merkmale eines Datenbestandes bezüglich Eindeutigkeit und Vollständigkeit (unterschiedliche Angaben zur gleichen Information, unterschiedlicher Informationsgehalt).
- Kennt verbreitete Datentypen zur Charakterisierung von Daten (ganze Zahl, rationale Zahlen, Zeit, Datum, Text, Boolean, usw.).
- Kennt die verschiedenen Skalentypen (nominal, ordinal und metrisch) und die sich daraus ergebenden Konsequenzen für die Auswertungsmöglichkeiten.
- Kennt verbreitete Diagrammtypen für die Darstellung von Daten in Geschäftsgrafiken (Kreisdiagramm, Balkendiagramm, Liniendiagramm, Netzdiagramm, usw.).
- Kennt die Notwendigkeit, Auswertungsergebnisse auf Relevanz zu beurteilen und dass Tendenzen in diesen je nach Perspektive relevant, aber auch nicht relevant sein können.
- Kennt wichtige statistische Kenngrössen (Minimum, Maximum, Mittelwert, Median, Durchschnitt, Anzahl Beobachtungen) und die Voraussetzungen (Skalentypen, Anzahl Beobachtungen, Qualität der Daten, usw.) für eine zuverlässige Aussage.
- Kennt Grundprinzipien von Geheimhaltung und Datenschutz bei der Erfassung, Auswertung und Darstellung von schützenswerten Datenbeständen.
- Kennt die methodische Vorgehensweise bei der Entwicklung eines konzeptionellen Datenmodells (Entity Relationship Model, ERM), ausgehend von Datenstrukturen bzw. Anforderungen des Kunden (spezialisieren, generalisieren, Entitätstypen identifizieren und definieren, Attribute definieren, Beziehungen beschreiben).
- Kennt Elemente in einem konzeptionellen Datenmodell (Entitätstyp, Attribut, Assoziation, Kardinalität), deren Eigenschaften und deren Darstellung.
- Kennt die verschiedenen Kardinalitäten von Assoziationen (1:1, 1:m, n:m) und kennt das Vorgehen, um den Beziehungstyp zwischen Datenstrukturen zu bestimmen.