Bei der Betrachtung der gemessenen Corona-Fallzahlen in Deutschland aus dem Jahr 2020 wird deutlich, dass die Fallzahlen in der kälteren Jahreszeit gestiegen und in der wärmeren Jahreszeit trotz weniger Restriktionen niedrig geblieben sind. Ausgehend von der vermutlichen Relevanz der Jahreszeiten wirft sich an dieser Stelle die Frage auf, inwiefern das Klima den Fallzahlenverlauf beeinflusst.
Die Beantwortung dieser Frage erfolgt in dieser Projektarbeit durch die Durchführung der Sekundärforschung, wobei die Datenbestände vom Datenportal der EU sowie der New York Times entnommen wurden. Die Datenbestände werden durch die Anwendung des Vorgehensmodells zur Datenbereinigung nach Apel bereinigt und durch das Sisense BI-Tool ausgewertet. Die Themenbehandlung erfolgt unter Berücksichtigung von praktischen und wissenschaftlichen Erkenntnissen sowie Methoden wie die Quellenanalyse.
Die tägliche Berichterstattung über die Anzahl der Neu-Infektionen sowie die täglichen Todeszahlen durch Corona stehen für Gegebenheiten, die in den heutigen Medien zu beobachten sind. Die weltweit unterschiedliche Zu- und Abnahme der Corona-Fallzahlen und die damit verbundenen Maßnahmen zugunsten der Nachverfolgung des Virus hat die Notwendigkeit der Ermittlung von weiteren Einflussfaktoren auf die Fallzahlenentwicklung stark an Bedeutung gewinnen lassen.
Inhaltsverzeichnis
- 1. Einleitung
- 2. Einführung in das Projekt
- 2.1 Begriffsbestimmungen von „Business Intelligence“ und „Covid-19“
- 2.2 Einführung in das Sisense BI-Tool
- 2.3 Grundlegende Planung und Arbeitsweise
- 2.4 Vorstellung der Corona-Datenbestände
- 3. Auswertung von Corona-Datenbeständen mithilfe des Sisense BI-Tools
- 3.1 Angewandtes Vorgehensmodell zur Datenbereinigung
- 3.2 Durchführung der Datenbereinigung
- 3.3 Vorgehensweise bei der Datenauswertung mit dem Sisense BI-Tool
- 3.4 Zwischenergebnisse der Datenauswertung
- 3.4.1 Polare & Subpolare Zone
- 3.4.2 Gemäßigte Zone
- 3.4.3 Subtropische Zone
- 3.4.4 Tropische Zone
- 3.5 Ergebnisse der Datenauswertung
- 4. Kritische Betrachtung der Ergebnisse
- 5. Fazit und Ausblick
Zielsetzung und Themenschwerpunkte
Diese Projektarbeit untersucht den Einfluss des Klimas auf den Verlauf der Corona-Fallzahlen. Die Zielsetzung besteht darin, mithilfe des BI-Tools Sisense, Corona-Datenbestände aus verschiedenen Quellen (EU-Datenportal und New York Times) auszuwerten und Zusammenhänge zwischen Klimaregionen und Fallzahlen aufzudecken. Die Arbeit basiert auf Sekundärforschung und verwendet ein Vorgehensmodell zur Datenbereinigung nach Apel.
- Auswertung von Corona-Datenbeständen mit einem BI-Tool.
- Analyse des Einflusses des Klimas auf die Fallzahlenentwicklung.
- Anwendung eines Vorgehensmodells zur Datenbereinigung.
- Interpretation der Ergebnisse unter Berücksichtigung statistischer Methoden.
- Formulierung von Hypothesen zur Beziehung zwischen Bevölkerung, Testanzahl, Temperatur und Fallzahlen.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung beschreibt den Kontext der Arbeit, ausgehend von der täglichen Berichterstattung über Corona-Fallzahlen und der Notwendigkeit, Einflussfaktoren auf die Fallzahlenentwicklung zu untersuchen. Der logische Bruch zwischen Fallzahlenentwicklung und Restriktionen im Jahr 2020 in Deutschland wird hervorgehoben. Die Arbeit untersucht den Einfluss des Klimas auf die Fallzahlen, basierend auf Daten des EU-Datenportals und der New York Times. Drei Hypothesen werden formuliert, die den Zusammenhang zwischen Bevölkerung, Testanzahl, Temperatur und Fallzahlen untersuchen.
2. Einführung in das Projekt: Dieses Kapitel definiert die Begriffe „Business Intelligence“ und „Covid-19“ und führt in das Sisense BI-Tool ein. Es beschreibt die Projektplanung und -arbeitsweise, inklusive der Herangehensweise an die Datenbeschaffung und -aufbereitung. Die Datenquellen werden vorgestellt und die methodische Vorgehensweise wird skizziert, um den Leser auf die folgenden Analyseabschnitte vorzubereiten. Das Kapitel legt den Grundstein für die folgenden Kapitel, indem es die methodischen und konzeptionellen Grundlagen der Arbeit darlegt.
3. Auswertung von Corona-Datenbeständen mithilfe des Sisense BI-Tools: Dieses Kapitel beschreibt detailliert den Prozess der Datenanalyse. Es beginnt mit der Darstellung des angewandten Vorgehensmodells zur Datenbereinigung, gefolgt von der Beschreibung der Durchführung dieser Bereinigung. Die Vorgehensweise bei der Datenauswertung mit Sisense wird erklärt, und Zwischenergebnisse, unterteilt nach Klimaregionen (polare & subpolare, gemäßigte, subtropische und tropische Zone), werden präsentiert. Der Fokus liegt auf der Methodik der Datenverarbeitung und -interpretation mithilfe des BI-Tools, um präzise und nachvollziehbare Ergebnisse zu erzielen.
Schlüsselwörter
Business Intelligence, Covid-19, Datenanalyse, Sisense, Datenbereinigung, Klima, Fallzahlen, Sekundärforschung, Datenqualität, Klimaregionen, statistische Methoden, Hypothesentestung.
Häufig gestellte Fragen (FAQ) zur Projektarbeit: Einfluss des Klimas auf Corona-Fallzahlen
Was ist das Thema der Projektarbeit?
Die Projektarbeit untersucht den Einfluss des Klimas auf die Entwicklung der Corona-Fallzahlen. Es wird analysiert, ob und wie verschiedene Klimaregionen mit den Fallzahlen korrelieren.
Welche Daten wurden verwendet?
Die Arbeit verwendet Corona-Datenbestände aus dem EU-Datenportal und der New York Times. Diese Daten wurden mit dem Business Intelligence Tool Sisense ausgewertet.
Welche Methoden wurden angewendet?
Es wurde ein Vorgehensmodell zur Datenbereinigung nach Apel angewendet. Die Datenanalyse erfolgte mithilfe des BI-Tools Sisense. Statistische Methoden wurden zur Interpretation der Ergebnisse eingesetzt. Die Arbeit basiert auf Sekundärforschung.
Welche Klimaregionen wurden untersucht?
Die Auswertung umfasst die polare & subpolare Zone, die gemäßigte Zone, die subtropische Zone und die tropische Zone.
Welche Werkzeuge wurden verwendet?
Das Business Intelligence Tool Sisense wurde für die Datenanalyse und -visualisierung verwendet.
Welche Ziele wurden verfolgt?
Die Zielsetzung bestand darin, Zusammenhänge zwischen Klimaregionen und Corona-Fallzahlen aufzudecken und Hypothesen zur Beziehung zwischen Bevölkerung, Testanzahl, Temperatur und Fallzahlen zu formulieren und zu überprüfen.
Wie ist die Arbeit strukturiert?
Die Arbeit gliedert sich in eine Einleitung, eine Einführung in das Projekt (inkl. Begriffsbestimmungen und Projektplanung), die Auswertung der Corona-Daten mit Sisense (inkl. Datenbereinigung und Ergebnispräsentation nach Klimaregionen), eine kritische Betrachtung der Ergebnisse, sowie ein Fazit und Ausblick.
Welche Schlüsselwörter beschreiben die Arbeit?
Business Intelligence, Covid-19, Datenanalyse, Sisense, Datenbereinigung, Klima, Fallzahlen, Sekundärforschung, Datenqualität, Klimaregionen, statistische Methoden, Hypothesentestung.
Wo finde ich detailliertere Informationen zur Datenbereinigung?
Die detaillierte Beschreibung des angewandten Vorgehensmodells zur Datenbereinigung nach Apel findet sich im Kapitel 3 der Arbeit.
Welche Hypothesen wurden formuliert?
Die Arbeit formuliert Hypothesen zum Zusammenhang zwischen Bevölkerung, Testanzahl, Temperatur und Fallzahlen. Die konkreten Hypothesen sind in der Einleitung der Arbeit beschrieben.
Wie wurden die Ergebnisse interpretiert?
Die Ergebnisse wurden unter Berücksichtigung statistischer Methoden interpretiert und kritisch betrachtet. Die Interpretation der Ergebnisse findet sich im Kapitel 4 der Arbeit.
- Quote paper
- Anonym (Author), 2021, Auswertung von Corona-Datenbeständen mithilfe eines BI-Tools, Munich, GRIN Verlag, https://www.grin.com/document/1024641
