THWS Business School · Business Intelligence
Lernumgebung · BI-Einstiegsprojekt Hotel Booking Demand

Hotel-Lab

Von 119.390 Buchungen zum Dashboard – jeden Schritt des Projekts selbst nachvollziehen

Zehn Labs folgen dem Weg der Daten: die Fragestellungen zweier Hotels, die Rohdatei und ihre Eigenheiten, das Notebook in Google Colab, das Sternschema, die Datenbank auf dem Server, der Kennzahlenkatalog, der Bericht in Power BI, das Dashboard auf Render und zuletzt die Frage, was aus den Zahlen folgt. Der Bericht und das Dashboard sind nachgebildet – die Datenbank ist echt: PostgreSQL läuft in Ihrem Browser, mit demselben Sternschema und denselben 119.390 Buchungen wie auf dem Server.

Fallstudie Colab Sternschema PostgreSQL SQL Kennzahlen Power BI Dashboard Ohne Anmeldung Ohne Installation
Mit Lab 00 beginnen Alle Labs ansehen
10
Labs
48
Übungen
119.390
Buchungen im Browser
0 €
Kosten
Die zehn Labs

Ein Projekt, zehn Schritte

Die Labs sind so geordnet, wie das Projekt gelaufen ist: erst die Fragen und die Rohdaten, dann das Notebook, das daraus Kennzahlen und ein Sternschema macht, dann die Datenbank, auf der Power BI und das Dashboard aufsetzen, zuletzt die Deutung. Jedes Lab erklärt zuerst, wozu der Schritt da ist, zeigt dann die Handgriffe und lässt Sie zuletzt ausprobieren, was Sie gelesen haben. Alle Labs arbeiten mit derselben Fallstudie: zwei Hotels in Portugal, 119.390 Buchungen mit Anreise zwischen Juli 2015 und August 2017, veröffentlicht von Nuno Antonio, Ana de Almeida und Luis Nunes in Data in Brief, Band 22, Februar 2019.

00–01Fallstudie, Vorgehen, Datenquelle
→
02–03Notebook in Colab: laden, bereinigen, rechnen
→
04–05Sternschema und Datenbank
→
06–08Kennzahlen, Power BI, Dashboard
→
09Vom Befund zur Empfehlung
00

Fallstudie und Vorgehen

Zwei Hotels · vier Fragen · eine Werkzeugkette
Was ein Stadthotel und ein Resorthotel wissen wollen, was Business Intelligence dazu beiträgt und in welchen Schritten das Projekt von der Rohdatei zum Dashboard gelaufen ist.
4 Übungen · 45 Min
01

Die Datenquelle

Antonio, de Almeida, Nunes (2019) · Kaggle · 32 Spalten
Woher die Daten stammen, was jede Spalte bedeutet, welche Typen sie tragen und welche Eigenheiten man kennen muss, bevor man rechnet.
5 Übungen · 60 Min
02

Google Colab

Notebook · Laufzeit · Kernel · Secrets
Ein Notebook so führen, dass es von oben nach unten reproduzierbar durchläuft – und wissen, was nach einem Neustart noch da ist.
5 Übungen · 75 Min
03

Das Notebook Schritt für Schritt

Laden · Sichten · Bereinigen · Kennzahlen · Diagramme
Die acht Abschnitte des Projekt-Notebooks, Zelle für Zelle: was dort passiert, warum in dieser Reihenfolge, und woran man erkennt, dass es geklappt hat.
5 Übungen · 90 Min
04

Das Sternschema

Fakten · Dimensionen · Schlüssel · Datumsrollen
Warum eine flache Tabelle für BI nicht reicht, wie aus 32 Spalten eine Faktentabelle und acht Dimensionen werden – und wie man eine Kennzahl über einen Join aus dem Stern holt.
5 Übungen · 75 Min
05

Datenbank und Zugang

PostgreSQL · Supabase · Rolle studi_hotel
Wo die Datenbank läuft, was die Leserolle darf und was nicht, wie psql, DBeaver, Python und Power BI sich verbinden – und warum die Verbindung unverschlüsselt sein darf.
5 Übungen · 60 Min
06

Kennzahlen

Umsatz · Stornoquote · ADR · Vorlaufzeit
Die zehn Kennzahlen des Katalogs: Definition, Rechenweg in SQL, die drei Umsatzbegriffe und die Farblogik, die sagt, ob ein Anstieg gut oder schlecht für das Ergebnis ist.
5 Übungen · 75 Min
07

Power BI

Import · Beziehungen · DAX · Bericht
Das Sternschema anbinden, Beziehungen prüfen, Measures schreiben und einen Bericht aus Feldern und Regalen bauen – mit einem nachgebildeten Feldfenster.
5 Übungen · 90 Min
08

Das Dashboard

FastAPI · Observable Plot · Render
Wie das Dashboard aus Backend und Frontend zusammengesetzt ist, welche Gestaltungsregeln es befolgt und wie es als Container auf Render läuft – mit Deploy-Simulator.
5 Übungen · 75 Min
09

Vom Befund zur Handlungsempfehlung

Aussage · Abweichung · Deutung · Empfehlung
Wie man eine Aussage im Dashboard liest, eine Abweichung einordnet und daraus eine Empfehlung ableitet, die man vor der Hotelleitung begründen kann.
4 Übungen · 60 Min
Wie das hier funktioniert

Ausprobieren, nicht nachlesen

Eine Datenbank, die wirklich rechnet

PostgreSQL läuft als WebAssembly in Ihrem Browser. Es ist PostgreSQL selbst: dieselben Datentypen, dieselben Fehlermeldungen, dieselben Ergebnisse. Beim Öffnen einer Seite mit SQL-Übungen wird das Sternschema hotel_bi angelegt und mit allen 119.390 Buchungen geladen – das dauert einige Sekunden, danach liefert jede Abfrage dieselben Zahlen wie das Dashboard.

Übungen mit sofortiger Rückmeldung

Verständnisfragen, Zuordnungen, Reihenfolgen, Checklisten an der echten Oberfläche, SQL-Abfragen, JSON und zwei Simulatoren: das Feldfenster von Power BI und das Deploy-Formular von Render. Eine SQL-Übung wird am Ergebnis geprüft, nicht am Wortlaut – es gibt mehrere richtige Abfragen.

Dieselben Zahlen wie im Projekt

119.390 Buchungen, 37,0 % storniert, 26,0 Mio. € stornobereinigter Umsatz: Was Sie hier ausrechnen, steht so im Notebook, in der Power-BI-Referenzlösung und im Dashboard. Weicht Ihr Ergebnis ab, liegt es an der Abfrage – nicht an den Daten.

Nachbildungen statt Screenshots

Colab, Power BI, DBeaver und das Dashboard sind als Oberflächen nachgezeichnet, mit Ziffern an den Stellen, auf die es ankommt. Beschriftungen stehen wie im Original; die Erklärung darunter ist deutsch.

Ihr Stand bleibt im Browser

Gelöste Übungen werden lokal vermerkt, damit Sie beim nächsten Besuch sehen, wo Sie stehen. Es gibt keine Anmeldung, keinen Server und keine Auswertung: Der Vermerk liegt in Ihrem Browser und nirgendwo sonst. Zurücksetzen können Sie ihn oben in der Fortschrittskarte.

Deutsch, mit englischen Fachbegriffen

Die Umgebung ist deutsch. Die Fachbegriffe bleiben englisch – Measure, Fact Table, Data Source, Deploy –, weil die Werkzeuge, ihre Dokumentation und die Spaltennamen des Datensatzes englisch sind. Wer die Begriffe kennt, findet die Antwort.

Einordnung

Das Projekt, in dem alles zusammenhängt

Diese Umgebung begleitet das BI-Einstiegsprojekt „Hotel Booking Demand“. Alles, was hier erklärt wird, existiert wirklich: das Notebook im Repository swrobuts/hotel, die Datenbank hotel auf einem Server der Hochschule, die Power-BI-Referenzlösung und das Dashboard. Die Labs zeigen die Handgriffe; die Vorlesung liefert den fachlichen Rahmen – Datenmodellierung, Kennzahlen, Interpretation. Wer die Kette einmal selbst durchlaufen hat, weiß, an welchem Glied es hakt, wenn eine Zahl im Bericht nicht stimmt.

Hinweis zur Werkzeugauswahl. Bei den in dieser Lernumgebung gezeigten Tools handelt es sich um eine Auswahl – diese ist weder als Empfehlung noch als Werbung zu verstehen. Sie folgt dem Projekt und dem Kriterium, dass sich jedes Werkzeug ohne Kosten ausprobieren lässt. Zu jedem gezeigten Werkzeug gibt es Alternativen; die jeweiligen Labs benennen sie. Angaben zu Lizenzen, Preisen und kostenlosen Kontingenten geben den Stand 09/2026 wieder und ändern sich erfahrungsgemäß schneller als Lehrmaterial – prüfen Sie sie vor einer Entscheidung beim Anbieter nach.

Verwandte Umgebungen

Für die Werkzeugkette eines Datenprojekts gibt es das WInf-SP-Lab, für Projekt- und IT-Management das PITM-Lab, für Datenbanken und SQL das DABA-Lab. Sie folgen derselben Formsprache und unterscheiden sich in der Leitfarbe. Das Lab zu Google Colab teilt sich das Hotel-Lab wörtlich mit WInf-SP.

Echte Daten, ohne Personenbezug

Der Datensatz ist ein veröffentlichter Forschungsdatensatz (Antonio, de Almeida und Nunes 2019, CC BY 4.0). Er enthält keine Namen, Adressen oder Kontaktdaten – Kundennummern und Agenturkennungen sind anonymisiert. Deshalb darf er in einem Notebook bei Google, in einer Datenbank auf einem Server und in einem öffentlichen Repository liegen.

Rückmeldung

Fehler, veraltete Angaben und Wünsche gern in der Veranstaltung oder per Nachricht. Die Umgebung wird semesterweise fortgeschrieben.