Introduction to Information Systems 2nd Edition Patricia Wallace Solutions Manual

Introduction to Information Systems 2nd Edition Patricia Wallace Solutions Manual
Introduction to Information Systems 2nd Edition Patricia Wallace Solutions Manual
Introduction to Information Systems 2nd Edition Patricia Wallace Solutions Manual

1. Download the full version and explore a variety of test banks
or solution manuals at https://testbankfan.com
Introduction to Information Systems 2nd Edition
Patricia Wallace Solutions Manual
_____ Tap the link below to start your download _____
https://testbankfan.com/product/introduction-to-information-
systems-2nd-edition-patricia-wallace-solutions-manual/
Find test banks or solution manuals at testbankfan.com today!

2. We have selected some products that you may be interested in
Click the link to download now or visit testbankfan.com
for more options!.
Introduction to Information Systems 2nd Edition Patricia
Wallace Test Bank
https://testbankfan.com/product/introduction-to-information-
systems-2nd-edition-patricia-wallace-test-bank/
Information Systems in Organizations 1st Edition Patricia
Wallace Solutions Manual
https://testbankfan.com/product/information-systems-in-
organizations-1st-edition-patricia-wallace-solutions-manual/
Information Systems in Organizations 1st Edition Patricia
Wallace Test Bank
https://testbankfan.com/product/information-systems-in-
organizations-1st-edition-patricia-wallace-test-bank/
Introduction to Flight 7th Edition Anderson Solutions
Manual
https://testbankfan.com/product/introduction-to-flight-7th-edition-
anderson-solutions-manual/

3. Human Resource Management 6th Edition Bernardin Test Bank
https://testbankfan.com/product/human-resource-management-6th-edition-
bernardin-test-bank/
C++ for Engineers and Scientists 4th Edition Bronson
Solutions Manual
https://testbankfan.com/product/c-for-engineers-and-scientists-4th-
edition-bronson-solutions-manual/
Business Essentials 10th Edition Ebert Test Bank
https://testbankfan.com/product/business-essentials-10th-edition-
ebert-test-bank/
Biology The Essentials 1st Edition Hoefnagels Solutions
Manual
https://testbankfan.com/product/biology-the-essentials-1st-edition-
hoefnagels-solutions-manual/
Derivatives 2nd Edition Sundaram Test Bank
https://testbankfan.com/product/derivatives-2nd-edition-sundaram-test-
bank/

4. Human Physiology From Cells to Systems Canadian 4th
Edition Sherwood Test Bank
https://testbankfan.com/product/human-physiology-from-cells-to-
systems-canadian-4th-edition-sherwood-test-bank/

5. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
1
Chapter 7
Business Intelligence and Decision Making

Learning Objectives

1. Define business intelligence and describe the three levels of decision making that
it supports.

2. Describe the major sources of business intelligence and provide examples of their
usefulness.

3. Explain several approaches to data mining and decision support that help
managers analyze patterns, trends, and relationships, and make better data-driven
decisions.

4. Explain how web analytics are used as a source of business intelligence, and why
they are so valuable for understanding customers.

5. Describe how dashboards, portals, and mashups help visualize business
intelligence, and explain the role that the human element plays in business
intelligence initiatives.

Solutions to Chapter Review Questions

7-1. How do you define business intelligence?

Business intelligence describes the vast quantities of information that an
organization might use for data-driven decision making.

7-2. What are the three levels of decision making that business intelligence
supports?

Business intelligence supports decision making at operational, tactical, and
strategic organizational levels.

7-3. What are the most important sources of business intelligence inside the
organization? What makes them useful?

The major sources of business intelligence are the organizations that own data
repositories and data from external sources. Internal sources include transactional
databases and data warehouses. The company’s own databases are a source of
data about customers, employees, suppliers, and financial transactions. An

6. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
2
internal transaction system is the source of data to produce a summarized sales
report by region and product.

7-4. What are some examples of external sources of business intelligence?

External sources include data from Web sites, blogs, wikis and social networks, as
well as publicly accessible and purchased databases. An external database is a
source for demographics, educational levels, income, ethnicity, housing, and
employment information. Information from an external database is useful for
developing targeted marketing campaigns. A publicly accessible website is a
source of useful business intelligence such as competitive pricing.

7-5. How can managers use data mining techniques to analyze patterns, trends,
and relationships? How does this lead to better data-driven decision making?

Approaches to data mining depend on the kind of data and the needs of the user.
Online analytical processing (OLAP) systems allow users to interact with a data
warehouse and perform “slice and dice” analyses to reveal patterns and trends.
Using OLAP, retail managers analyze sales transaction by customer gender and
age group, and find relationships that can guide marketing campaigns. Statistical
and modeling techniques are also used to identify patterns and trends. Market
basket analysis is a type of statistical analysis used by retailers to decide where to
place products in a store. Text mining is an approach to analyzing unstructured
text information such as customer comments. What-if analysis, goal seeking, and
optimizing are Excel spreadsheet data analysis techniques that support decision-
making by enabling the user to build models that establish relationships between
variables. Forecasting tools are used to predict tomorrow’s demand or next
month’s sales by analyzing historical data and seasonal trends.

7-6. What is text mining?

Text mining is a variation of data mining in which unstructured text information
is the source of business intelligence, rather than structured data.

7-7. What are examples of statistical techniques that managers can use to
simulate business situations, optimize variables, and forecast sales or other
figures?

What-if analysis builds a model that establishes relationships between many
variables and then changes some of the variables to see how the others are
affected. In goal seeking, instead of estimating several variables and calculating
the result, the user sets a target value for a particular metric and tells the program
which variable to change to try to reach the goal. An extension of goal seeking is
optimization, in which the user can change many variables to reach some
maximum or minimum target, as long as the changes stay within some constraints
identified by the user. Forecasting tools analyze historical or seasonal trends and

7. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
3
then take into account existing and predicted business conditions to estimate some
variable of interest.

7-8. What are examples of applications that draw on artificial intelligence for
decision support?

Applications that draw on artificial intelligence include robotics, expert systems,
and neural nets. Service robots are appearing in business, government, and other
sectors. An expert system mimics the reasoning of a human expert, drawing from
a base of knowledge about a particular subject area to come to a decision or
recommendation. Neural networks attempt to mimic the way the human brain
works, and are widely used where massive data sets are available.

7-9. How are Web analytics used to assess the effectiveness of Web sites?

Web analytics describes the practice of measuring, collecting, and analyzing Web
site clickstream data to produce business intelligence. Web site metrics include
visitors, unique visitors, average time spent on the site, new visitors, depth of
visit, languages, traffic sources, and service providers. Web-content related
metrics include page views, bounce rate, top landing pages, and top exit pages.
There are additional measures specifically for social media activities and e-
commerce activities. All of these metrics are a rich source of business intelligence
for understanding customers because they track every single click by every visitor
to an organization’s Web site. Each measure reveals something a little different
that can help reveal how people are interacting with the site, and how well the site
is meeting the goals set for it.

7-10. How do dashboards, portals, and mashups support decision making?

Dashboards, portals, and mashups are graphical user interfaces that organize and
summarize information vital to the user’s role and the decisions that users make.
Dashboards summarize key performance indicators. Portals are gateways that
provide access to a variety of relevant information from many different sources on
one screen. Mashups are gateways that aggregate content from multiple internal
and external sources.

7-11. How does the human element affect decision making?

Humans are the critical element in decision making, deciding what intelligence to
rely upon, what tools to use, and how to interpret the results. Humans are also
subject to cognitive biases that may lead to poor decisions.

8. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
4
Solutions to Projects and Discussion Questions

7-12. Why do organizations use external data as a source of business intelligence?
What are examples of sources of external data? How might retail giant
Walmart use external data to make tactical-level decisions? How might its
decision makers use external data to make strategic-level decisions?

External databases that are either purchased or are publicly accessible are
excellent candidates as business intelligence sources. For example, The U.S.
Census Bureau maintains many searchable databases with information about
demographics, educational levels, income, ethnicity, housing, and employment.
Student answers will vary on how an organization may use external data at the
tactical and strategic level. Walmart may purchase new vehicle registration data to
consider which automotive products to stock in stores. Walmart may use publicly
available census data to consider where to locate one of the hundreds of small
stores that it plans to open in the next three years.

7-13. How can an intelligent agent assist with a term paper? Visit your university’s
library home page to locate the “Search Databases” feature. If your library
offers the “ABI/INFORM” database, choose that and enter several keywords
(for example, “social media in organizations”) into the Basic Search dialog
box. (If your library does not offer ABI/INFORM, try doing this exercise on
a different database.) Review the results, then select “Refine Search” to select
additional databases and/or specify additional search criteria. When you
have the results you want, select the “Set Up Alert” option to schedule an
alert. Prepare a brief report that describes the alert options that are
available for your search. How frequently can you receive updates? How
long can you receive updates? Are there options other than frequency and
duration? Would you recommend this intelligent agent to other students
working on term papers?

If a university’s library does not have the “ABI/Inform” database, the student can
use a comparable database such as “Business Source Complete.” Answers may
vary, as the exercise is designed to require the student to interact with an online
database to set up a search alert. One point that could be discussed is the schedule
for an alert which may be daily, monthly, weekly, or every three months. Another
scheduling option determines the duration of the search which may be as brief as
two weeks or as long as one year.

7-14. First Class Salons maintains a company Web site to promote its chain of 12
regional health salons. The Web site includes links to information about its
locations, special offers, and FAQs about its services, as well as “About Us”
and “Contact Us” links. How can First Class Salons use information from its
Web site to gain business intelligence? Consider the various visitor-related
and content-related web metrics and suggest at least six specific metrics that

9. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
5
First Class Salons would want to analyze. Prepare a brief report of your
suggestions.

Answers will vary, as the object of this exercise is to prompt the student to apply
the concept of web analytics to a business situation. An example is to track the
number of visitors to the Web sites.

7-15. The Springfield Family Community Center has an outdoor pool that
operates May through October. The director is interested to learn if the
Community Center can afford the $57,000 cost to install a pool-covering
dome so that patrons may swim year-round. It will also cost about $200 a
month for power to keep the dome inflated for 6 months each year. How can
the director use forecasting to evaluate the likelihood of selling sufficient
tickets to pay for this improvement? Prepare a brief report to the director
that explains forecasting. Be sure to include suggestions on both internal and
external data that would be useful for this analysis.

Forecasting tools usually analyze historical and seasonal trends, and then take into
account existing and predicted business conditions to estimate some variable of
interest. Using internal historical data and external weather report data, the
Community Center could analyze the correlation between weekly temperature and
sales revenue from pool tickets to forecast ticket sales on a year-round basis.

7-16. Digital dashboards began to appear in the 1990s as organizations looked for
ways to consolidate and display data to make it accessible and useful for busy
executives. Visit www.digitaldashboard.org or www.dashboardsby
example.com or search the Internet to learn more about digital dashboards.
What is the relationship between digital dashboards and key performance
indicators? Work in a small group with classmates to consider how a digital
dashboard can be used by a Radio Shack or other electronics store manager.
What specific daily performance indicators would he or she want to see on a
digital dashboard? What design tips would you offer to the dashboard
developer? As a group, create a hand-drawn sketch of a dashboard design
for the Radio Shack manager.

A dashboard should summarize key performance indicators (KPI). Answers will
vary. This question is designed to require students to incorporate concepts and
information introduced in this chapter to prepare answers. Sample answers could
include (a) daily sales volume by product line and/or (b) sales volume by day of
the week.

10. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
6
Solutions to Application Exercises

7-17. Excel Application: Analyzing Revenue and Expenses for City Hospital
Seminars

Figure 7-25 shows the Excel spreadsheet that Bora uses to evaluate the variables
relating to the hospital seminar series. She has asked you to use Excel to create a
similar spreadsheet to conduct additional what-if and goal seek analyses. You will
need to use the following formulas:

Figure 7-25
The hospital seminar series data.


Revenue:
Registration Fees = Attendees per seminar ×
Registration fee × Seminars per year
Parking Fees = (Attendees per seminar /
Average number attendees per car) ×
Seminars per year × Parking fee

Expenses:
Speakers’ Fees = Speaker’s fee per session ×
Seminars per year
Tech support = Tech support cost per
session × Seminars per year
Marketing = Marketing cost per seminar ×
Seminars per year
Room rental = Room rental per seminar ×
Seminars per year




What-If Questions

1. What would be the impact on net profit if the average attendance per
seminar increased to 45?

Profit will increase to $6,180 if average attendance per seminar is increased to 45.

2. What would be the impact on net profit if the average attendance dropped to
35?

Profit will decrease to $1,740 if average attendance dropped to 35.

11. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
7

3. What would be the impact on net profit if parking fee is reduced to $3?

Profit will decrease to $3,576 if the parking fee is reduced to $3.

4. What would be the impact on net profit if the speaker’s fee increased to $550
per seminar?

Profit will decrease to $3,360 if the speaker’s fee is increased to $550 per
seminar.

5. What would be the impact on net profit of increasing the marketing expense
per seminar to $350, resulting in an increase in average attendance per
seminar to 50?

Profit will increase to $7,200 if marketing expenses increase to $350 per seminar
and attendance increases to 50 attendees per seminar.

6. What would be the impact on net profit of an increase in room rental per
seminar to $300?

Profit will decrease to $3,360 if room rental per seminar increases to $300.

7. If Bora can negotiate a room rental fee of $160 per seminar, how much will
net profit increase?

Profit will increase to $5,040 if the room rental fee is decreased to $160 per
seminar.

8. If technical support is included in the room rental per seminar, what is net
profit?

Profit will increase to $5,760 if technical support is included in the room rental
per seminar.

Goal Seek Questions

1. Given the expenses and variables presented in the figure, how many
attendees per seminar are required to generate a net profit of $5,500?

Given the expenses and variables as presented, it requires 43 attendees per
seminar to generate net profit of $5,500.

2. What parking fee results in a net profit of $4,150?

A parking fee of $600 results in a net profit of $4,150.

12. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
8

3. What registration fee per attendee results in a net profit of $5,750?

A registration fee of $39 per attendee results in a net profit of $5,750.

7-18. Access Application: Marketing City Hospital Seminars

Download the City Hospital database, Ch07Ex02. Write a query that sorts
registrants by the type of seminar they have attended. Include the session date as
well as attendee information. Modify the query to identify registrants who attended
a Knee Replacement seminar. Use the report wizard to create a report that lists the
session dates and the names and phone numbers of those who have attended Knee
Replacement seminars. This report serves as a “patient contact sheet” that hospital
staff will use to call previous attendees to invite them to attend the new seminar.
How many patients are listed on the report? Review the attendees table. Is there
additional patient information the hospital could collect that may be useful for
future marketing campaigns?

Students should download the Access database named Ch07Ex02.accdb and create a
query that sorts registrants by seminar type. The query should include the session date
and the attendee information. Students should modify the query to list only the
individuals who attended a Knee Replacement seminar, and use the query to create a
“Patient Contact” report that lists 12 patients. Answers will vary regarding other types of
information that may be useful for future marketing campaigns. Suggestions may include
attendee e-mail address or referral information.

13. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
9

Solutions to Case Study Questions

Case 1—Combating Insurance Fraud with Data Mining and Analytics

7-19. What are some ways that data mining could be used to detect fraud in health
insurance claims?

The purpose of this question is to help students think about some of the
underlying logic and business rules in data mining. For example, analysts could
look for patterns such as:

• Doctor’s office submits claims for services that exceed the capacity of that
doctor’s office to deliver services
• Claims are submitted for services provided to a non-valid social security
number
• Claims for the same service to the same individual at the same time are
submitted by multiple doctor’s offices

7-20. How could private insurance companies and public government agencies
collaborate to combat insurance fraud?

The purpose of this question is to help students think about common objectives
across organizations, and the manner in which IS can enable collaboration across
organizations. It could certainly be expected that criminals conducting insurance
fraud would target both private insurance companies and public government
agencies at the same time. In order for private insurance companies and public
government agencies to collaborate, the organizations will need to share
information with each other. This information could uncover additional patterns
across organizations beyond what either organization could uncover on its own.
For example, it might be possible to discover that claims are being simultaneously
submitted to multiple organizations for the same service to the same individual at
the same time.

7-21.What types of business skills would be necessary to define the rules for and
analyze the results from data mining?

The purpose of this question is to help students understand the skills and human
capital that accompany the use of IS in business applications. In this case, in
addition to understanding the data mining application itself, analysts would also
need to understand the healthcare industry, insurance industry, and basic
principles of law investigation and enforcement. From a personal skills
standpoint, students would need the ability to collaborate as part of a team on the
investigation.

14. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
10
7-22. What business processes are necessary to complement the IS component of
data mining?

Continuing from question 3 above, students need to understand the business
processes that accompany IS applications, in addition to the business skills and
business domains that accompany IS applications. In this case, the data mining
application will only be effective if it is accompanied by other processes to reduce
insurance fraud. For example, the insurance firm must have a collections
mechanism to recover funds that have already been paid, an enforcement
mechanism (or the ability to collaborate with law enforcement) so that offenders
are punished, and an advisory mechanism to consult with other members of the
healthcare value chain (such as doctor’s offices and hospitals) to preempt fraud.

Case 2— TV and Twitter: How Nielsen Rates Programs with “Social TV”


7-23. What potential value does Nielsen intend to add to their ratings by data
mining Twitter to analyze social TV patterns?

The focus of this case study is to draw the students’ attention to the business use
of data mining social media to detect patterns, trends, and relationships to enhance
traditional network ratings. Nielsen adds value to their traditional set-top ratings
by providing the networks with reports on programs based upon data from
Twitter. This analysis enables Nielsen to identify which family members are
viewing programs and provides insights into their attitudes. While these analytical
reports do not replace Nielsen’s core ratings basis, the set-top box, they do
augment those ratings for the networks. Business intelligence is used to expand
the scope of the data sources into social media, and this enriches the value of their
services to the networks.


7-24. What are the drawbacks of using Twitter as a rating tool? Do these
disadvantages compromise the value of the Nielsen ratings?

This question helps students understand how bias in the data sampling effects the
results and can change the value to the networks. Two biases influence the reports
from Twitter analysis. First, not all viewers use Twitter, and further those viewers
who do use it may over-populate the sample with their opinions. Secondly, the
age bias of those who use Twitter means the sample does not necessarily
represent the whole audience. These sample biases can be overcome, however, by
making note of them and by correlating the Twitter findings with the traditional
results. Because Nielsen does this and does not discontinue their use of set-top
boxes for sampling, the value of the results is not compromised but enhanced. The
important idea is that sampling bias can be accounted and overcome if the results
are interpreted properly.

15. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
11
7-25. How might the use of Twitter and other social media be influencing the
viewing habits of the American audience?

Twitter may be influencing the results gathered from the traditional set-tops.
Twitter users could be creating a TV buzz about a program which in turn gets
more people to turn on the program and join the social TV experience. This is
evidenced by the high correlation between traditionally collected data and Twitter
analysis as a program reaches the end of its season. The key point is that when
analyzing two different samples, as in this case, the analysts need to be alert for
the relationships between the samples and how one may be changing the other.
Analysis of this relationship could have added value for the networks, especially
if data mining identifies which programs and patterns drive the relationship and
behavioral changes.

7-26. If Nielsen extended their data mining of social media to include Facebook as
well as Twitter, what differences might they expect in the audience being analyzed?
Would this analysis have any value to the networks? Why or why not?

The point of this question is to draw attention to the importance of sample
selection to business intelligence analysis. The number of Facebook users is much
greater than that of Twitter which means that this audience would be larger.
Further the demographics for Facebook users include a broader age distribution
than Twitter. Another valuable difference between the two sites is that Facebook
users must provide more biographical details than Twitter users. Data mining
Facebook samples could produce more relationships and patterns because of this
additional profile data. Other differences exist between these two social media,
and when analyzing both, these differences need to be noted and studied. With
the addition of more data from Facebook, Nielsen potentially has the opportunity
for even more pattern recognition and correlations with TV programs and ads.
However much value this added data offers, analysts would have the challenge of
managing and accounting three samples and three sets of biases. Effort and
expense increase as the number of different samples expands. The value to the
networks would be in receiving more meaningful and reliable viewer analysis, but
this value would have to be greater than Nielsen’s investment for it to be viable.

Solutions to E-Project Questions

E-Project 1—Detecting Suspicious Activity in Insurance Claims

Detecting unusual patterns in drug prescriptions is the focus of this e-project. To
begin, download the Excel file called Ch07_MedicalCharges. The worksheet
contains columns showing a sample of hypothetical prescription drug claims over a
period of years.

7-27. Create a pivot table and chart to show the total amounts paid by year for this
pharmacy, by dragging Year to the Axis Fields (Categories) box and Amount to the

16. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
12
Values box. Be sure you are looking at the sum of Amounts in your chart. Which
year had the highest sales for prescription drugs?

The year 2009 has the highest sales ($1,894) for prescription drugs.



7-28. Change the pivot table to show total sales by month by removing Year from
the Axis Fields and dragging Month to that box. During which month of the year
does this pharmacy tend to sell the most prescription drugs?

This pharmacy tends to sell the most prescription drugs ($1,200) during October.

17. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
13


7-29. Remove Month and put Prescriber ID in the Axis Field box. Which prescriber
generates the most income for this pharmacy?

Prescriber 52 generates the most income ($2,888) for this pharmacy.

18. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
14


7-30. Remove PrescriberID and put PatientID in the Axis field box. Which patient
generates the most income for the pharmacy?

Patient 21201 generates the most income ($7,490) for the pharmacy.

19. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
15


7-31. Let’s take a closer look at this patient by filtering the records. Click on
PatientID in the PivotTable Field List and uncheck all boxes except for this patient.
Drag Year under PatientID in the Axis Fields box so you can see how this person’s
spending patterns have changed. Which year shows the most spending?

Patient 21201 spent the most ($1,720) during 2008.

20. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
16


7-32. Let’s see who is prescribing for this patient. Remove Year from the Axis Fields
box and drag PrescriberID to the box. Which Prescriber has the highest spending
total?

Prescriber 217 has prescribed the most ($2,020) for patient 21201.

21. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
17


7-33. Now let’s see what is being prescribed. Drag DrugName to the Axis Field box
under Prescriber ID. What might you conclude from this chart?

This table and chart below shows that patient 21201 is receiving prescriptions for
Vicodin from many different prescribers. Further investigation may show that
patient 21201 is receiving duplicate prescriptions for the same medication during
the same timeframe, and that patient 21201 may be taking more than the
recommended amount of this drug.



Row Labels Sum of Amount
21201 7490
52 1736
Ampicillin 158
Vicodin 1578
100 546
Ampicillin 490
Cortisone 56
201 1184
Fosamax 158
Vicodin 1026
210 568
Vicodin 568
211 1152
Vicodin 1152
217 2020
Vicodin 2020
222 284
Vicodin 284
Grand Total 7490

22. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
18

E-Project 2—Analyzing Nielsen TV Ratings with Excel

In this e-project, you will explore TV ratings and analyze them with Excel.
Download the Excel file called Ch07_NielsenRatings. This file contains ratings for
popular network programs for two separate weeks in 2013.
(http://www.nielsen.com/us/en/top10s.html). The rating represents the percent of
U.S. households that were watching that channel at the time (of those whose TV was
turned on).

7-34. Calculate three new columns.
a. Percent change (up or down) in number of viewers from the March 25
data to the April 1 data for each show.
b. Percent change (up or down) in rating for each show.
c. Absolute change in the number of viewers for each show.

The spreadsheet will look like this.


7-35. Answer the following questions:
a. Which show gains the largest number of viewers from March 25 to April
1? CBS NCAA Basketball

b. Which show is the biggest loser from March 25 to April 1, in terms of
change in ratings? NCIS

c. Compute the total viewers for these shows for March 25 and April 1. How
many total viewers watched one of the TV shows in this list during the week
of March 25? 94,431,000 Program Network
Rating,
week
ending
March 25
Viewers
(000s),
week
ending
March 25
Rating,
week
ending
April 1
Viewers
(000s),
week
ending
April 1
% change
number
of
viewers
% change
in rating
Absolute
change in
number
of
viewers
(000)
CASTLE ABC 6.8% 10,570 7.6%11,792 11.6% 12% 1,222
CBS NCAA Basketball CBS 6.8% 11,292 8.5%14,330 26.9% 25% 3,038
DANCING W/STARS RESULTS ABC 8.9% 13,434 9.0%13,983 4.1% 1% 549
DANCING WITH THE STARS ABC 9.2% 14,472 9.0%13,909 -3.9% -2% -563
NCIS CBS 11.5% 18,620 7.3%11,153 -40.1%-37%-7,467
VOICE NBC 7.9% 13,636 7.9%13,310 -2.4% 0% -326
VOICE-TUE NBC 7.7% 12,407 8.7%13,934 12.3% 13% 1,527
Total 94,431 92,411 -2.1%

23. Wallace, Introduction to Information Systems, 2
nd
edition
Instructor’s Manual
Chapter 7, Business Intelligence and Decision Making


Copyright © 2015 Pearson Education, Inc.
19

d. What is the percent change in total viewers for the shows in this list from
March 25 to April 1? Total viewership for these shows declined by 2.1%.
is the biggest loser from March 25 to April 1, in terms of change in ratings?

24. Another Random Scribd Document
with Unrelated Content

25. kirkkahin säde liekitsi. Kalvenneina poskiesi ruusut. Ah sydämeni,
sydämeni!
AADA. Sisar kulta, sisar kulta! Voi onnettomuuden päivää. —
Vanhemmat?
(Äänettömyys. Nyökäyttää Sillalle merkitsevästi päätään.)
Voi heitä, voi meitä!
(Menee.)
Sillan valitus.
SILLA.
    Äsken vasta päivä nousi,
    Äsken lintuset liversi;
    Nyt jo illan venho sousi,
    Äkin lintuni vaikeni —
    Ja varjot niin pitkät jo on.
Lehtien lepatus.
    Linnut pesän laittoivat
    Pieneen pihlajaan;
    Senpä tuulet taittoivat
    Maahan makaamaan.
    Toinen sammalella
    Sikein uinuaa,
    Toinen oksasella
    Surren vaikertaa. —
    Näin taru lintujen päättyvi, näin!

26. SILLA.
    Äsken vasta sulle armas
    Annoin nuoren lempeni;
    Nyt jo tuonen halla karmas
    Sinut kylmi, suveni —
    Ja syksy niin synkkä jo on.
Kukkien kujerrus.
    Kasvoi kerran kedolla
    Soma kukkanen;
    Senpä sulhon otsalle
    Solmi neitonen.
    Kuihtui kedon kukka,
    Sulho kalvastui;
    Itki impi rukka,
    Poski lakastui. —
    Tää taru kukkien, neitojen on!
SILLA.
    Äsken soihtu, nyt jo sammuit;
    Minne matka, veljeni?
    Tuoni julma, multa ammuit
    Veikon, sulhon, kaikkeni. —
    Oi unta vain elämä on!
Nurmen nyyhkytys.
    Kysyi kerran poikanen:
    Mit' on elo tää?

27.     Hälle vastas äitynen:
    Kolme syleilmää;
    Ensin tuutii äidin syli
    Elon unelmaan,
    Sitten sulkee armaan syli
    Lemmen onnelaan —
    Kolmas maaemon syleily on!
SILLA.
    Sulle soi jo tuonen lehto,
    Unhon virrat hymäjää;
    Siell' on, kulta, armas kehto,
    Siellä oota ystävää. —
    Oi ero niin katkera on!
        Päiväk orentojen hyminä
        ( joella, jonka pinnalla kajastaa outo valostus.)
    Tuonen lehdot leppoisat
    Sulhon uinahtaa,
    Tuonen virrat vilpoisat,
    Siellä rauhan saa.
    Hämyn linnut siellä soittaa
    Ehtoosoittojaan,
    Hämyn kukat siellä tuoksuu
    Unhontuoksujaan —
    Kuuttaren venhot ne vesillä on.
KAIN (tuskissaan). Oi Silla, Silla!
AADA, AADAM, EEVA ja TAAMAR tulevat kiireisesti.

28. AADAM (tullessaan). Mitä on tekeillä? — Me poikia odotamme
eloaterialle — sinä kiirein tänne kutsut — et mitään selitä — silmäsi
itkussa…
(Huomaa Aabelin.)
Herra Jumala! Mitä tämä?
AADA. Kuolema — kuolema on tullut!
(Ratkee itkuun.)
EEVA (kokoonlyyhistyen, kuin iskun tapaamana). Käärme!
AADAM. Jehova, Jehova! Sinä olet leppymätön vihassasi!
EEVA. Salaiset voimat ovat taas elämäämme tarttuneet.
AADAM. Kirous seuraa kirousta. Koska täyttyy rangaistuksemme
mitta?
EEVA. Aamulla kaikki terveinä nousimme — oi rakkain lapseni,
mun poikani, poikani! (itkee.)
AADAM. Mutta kuinka tämä on mahdollista? Mitä täällä on
tapahtunut? Uhritulet vielä suitsevat — toinen alttari hajallaan —
kuka tämän on tehnyt? Paha enkelikö?
AADA (Kainia osottaen). Käsittämätön, selittämätön häiriö on tässä
täytynyt tapahtua. Jehova olkoon hänelle armollinen.
AADAM. Ettäkö Kain? Veljensä? Uhratessa? Mahdotonta! — Puhu,
Kain!

29. AADA. Niin, kerro Kain, mikä pimeä henki tämän mustan työn on
aikaansaanut.
(Äänettömyys.)
EEVA. Ettekö näe hänen silmiänsä? Jumalani, Jumalani! Toinen
verissään, toinen…? Ah! Minulla ei ole enää yhtään poikaa!
AADAM. Kain! Sinä et vastaa, sinun vaipunut pääsi ja villi katseesi
sanoo kaikki. — Oo! Eikö minun olisi pitänyt tätä arvata? Eikö hänen
kielensä ole ollut uppiniskaisuuden myrkkyä täynnä ja salakavala
silmänsä kiilunut kuin kyyn silmä ruohikossa?
EEVA. Voi tuskan päivää — se tuli sittekin! Olen yön hiljaisina
hetkinä huutanut hänen tähtensä Herran puoleen — olen toivonut ja
epäillyt. Käärmeenpään musertajaa olen hänestä toivonut sen
voiman kautta, joka hänelle annettu oli, mutta samaan aikaan on
outo pelko maannut kovana pallona rintani alla. Se päivä on nyt —
AADAM. Lopeta, vaimo — vielä häntä jaarit! Hän käärmeenpään
polkija?
Hän itse on käärme, luihu kyy, joka pistää hoitajaansa —
EEVA. Isä!
AADAM. Vait! — Miksi, saatana, puit itsesi ihmishahmoon, toisen
kerran meidät pettääksesi, lopunkin onnemme hävittääksesi? Pois
täältä, vanha mato!
EEVA. Aadam, Aadam! Kuinka unohdat itsesi, kuinka käytät
sanoja, joita taivaskin kauhistuu?

30. AADAM. Hänen tekoansa kauhistuu taivas ja maa ja meri ja kaikki
mitä niissä on! Minä katkaisen kaikki siteet hänen kanssaan, minä
kiroon hänet ijankaik —
EEVA. Maltu, Aadam, maltu! Älä uudella kauhistuksella
onnettomuuttamme lisää.
AADA. Niin, rakas isä! Armahda häntä, minä rukoilen. Joku syvä
hairahdus on täytynyt hänen henkensä pimittää —
AADAM. Te — te —?
EEVA. Voi, isä, isä! Minä rukoilen polvillani hänelle anteeksiantoa.
AADAM. Sinä rohkenet, sinä uskallat puoltaa murhamiestä? Mutta
minä vannon Jehovan kautt —
EEVA. Älä vanno — kuule minua! Sinä uhkaat itse tehdä raskaan
synnin, onnettomuus on sinut soaissut —
AADAM. Sinä — sinä omenansyöjä, sinä käärmeenkuuntelija!
EEVA. Herjaa minua, lyö minua — kunhan vaan annat hänen
mennä kiroomatta. Sinä et ole häntä kantanut etkä imettänyt, etkä
ymmärrä että se side on enempi kuin mikään muu side, lujempi kuin
side miehen ja vaimonkin välill —
AADAM. Pois tieltä, vaimo! Käärmettä sinä olet povellasi imettänyt.
Kirottu olkoon hän, joka kätensä nosti veljeänsä vastaan ja elämän
pyhän siteen katkaisi — kymmenkertaisesti kirottu! Ahnas maa, joka
joit tuon viattoman veren, avaa kitasi ja niele elävältä
veljenmurhaaja! — Ei, kostosi säästä; hän eläköön sata ihmisikää.

31. Kuin vainottu peto kulkekoon hän paikasta paikkaan; joka puu
purkoon, joka pensas pistäköön. Oo, mantu, väkesi hältä kiellä ja
taivas kasteesi! Verta tihkukoot tähkät ja hedelmät, joita hän
kasvattaa — verta olkoon vesi hänen lähteessään. Ja kirottu olkoon
hänen siemenensä, se kupeihinsa kuivukoon —
KAIN (kuohahtaen). Seis, isä! Siemeneeni älä kajoo — se on
viaton sekä sinun että minun synneistäni. Kunpa olisit itse kuiva ollut
sinä yönä, jona —
AADAM (ryntää Kainiin päin). Sinä kirottu uskallat! Minä sinun —
EEVA (tarttuu Aadamiin, estää). Ei askeltakaan, Jumalan tähden!
— Aada,
Aada!
AADAM. Pois näkyvistäni, pois!
Kuule sitte, sinä kyykäärmeen sikiö! Olkoon kirottu se yö, joka
sinulle elonkipinän antoi, ja se päivä, jolloin sinä epäluoma maailman
valkeuden näit! Siitä lapsia, siitä niitä korvet täyteen, ja ne tehkööt
sinulle samoin kuin sinä teit veljellesi. Hänen verinen haamunsa ja
omain lastesi koston pelko vainotkoon sinua unissasikin ja kauhun
kyyneleet kastakoot vuoteesi tuliseksi järveksi. Ja kun lähdönhetkesi
joutuu, olkoon se kamala ja hirmuinen! Maa kieltäköön kurjalta
ruumiiltasi viimeisen suojan, myrsky kalistelkoon luitasi ketoja pitkin
ja näkymättömät hampaat raadelkoot katalaa sieluasi ijankaikkisesta
ijankaikkiseen!
EEVA. Ja minä rukoilen taivaan Herraa, että hän tekisi sinun julmat
sanasi voimattomiksi ja antaisi hänelle anteeksi, joka ei ole tietänyt,
mitä hän —

32. AADAM (polkee jalkaa). Suu poikki, vaimo! Muista kuka olet ja
hillitse kielesi!
Ja sinä! Mitä sinä murhaajaa lähentelet? Pois sieltä paikalla!
AADA. Oi rakas isä! Eikö tätä voi mitenkään sovittaa?
AADAM. Sovittaa —? Murhaajaa ja Jehovan tahtoa? Onko perkele
sinuunkin mennyt?
AADA. Ei, isä — olen ihminen!
AADAM. Siksi pois!
AADA. Sinä käsket, isä?
AADAM. Minä käsken!
AADA. Ja minä vastaan: en! En ikinä! — Nytkö hänet jättäisin, kun
hänellä on korpi edessä ja kirous saattajana?
AADAM. Minä käsken isän oikeudella!
AADA. Ja minä vastaan vaimon oikeudella: en!
EEVA. Tätä hajaannusta, tätä hajaannusta!
AADAM. Te kapinoitte minua vastaan, te kapinoitte Jumalaa
vastaan. Niinpä mene — menkää te kyykäärmeet! Kohdatkoon sinua
sama kirous kuin häntä.
AADA. Sen olen itse valinnut — hänen kanssaan jakaakseni!
AADAM. Sinä uhmaat vielä? Pois paikalla silmistäni!

33. SILLA. Oi isä, isä! Kuinka sinä, joka olet aina ollut niin hyvä
lapsillesi, olet tänä onnettomuuden hetkenä niin kova ja ankara?
Minä rukoilen heidän puolestaan: älä aja heitä kiroten pois!
AADAM. Sinäkin! — Oletteko te kaikki liitossa Jehovaa vastaan?
Sinä rukoilet miehesi murhaajan ja röyhkeän tyttären puolesta?
SILLA. Anteeksi, isä — ja antakoon Jehova minulle anteeksi jos
väärin teen, sillä suru on vienyt voimani ja ajatukseni. Kuulen tänä
hetkenä ainoastaan sydämeni äänen, ja minusta tuntuu kauhealta
että minulta riistettäisiin yhtaikaa kaikki veljet ja sisaret.
AADAM. Sinä et tiedä mitä puhut… Miksi tässä viivyttelemme,
kantakaamme kuollut majaan.
(Aadam ja Eeva lähenevät ruumista, samoin Aada.)
AADAM. Mitä sinä täällä teet! Uskaltaisitko kirottuine käsinesi
sattua hurskaaseen vainajaan?
AADA. Hän on veljeni!
EEVA (päättävästi). Sinä olet käskenyt minun vaijeta, ja minä olen
sinua totellut — mutta nyt en enää vaikene! Hajallaan on Eedenin
perhe ja kiroukset risteilevät ilmassa siellä, missä meidän pitäisi
polvillamme anella Jehovan laupeutta vainajan sielulle. Mikä sinä
olet, Aadam? Sinä ukkosena jyriset ja kirouksia vyöryttelet, sinä
kiellät sisarelta luonnolliset tunteensa paikassa, joka on kuolemalle
pyhitetty. Katso häntä tuossa ja kiroo vielä, jos sinulla on uskallusta!
AADAM (liikutettuna). Vaimo, vaimo!

34. EEVA. Hänen henkensä avaruudesta alas katsoo, Jehova ja enkelit
hämmästyneinä meihin silmää. Sen sijaan että pyhä vavistus täyttäisi
sielumme, sen sijaan me kurjat raivoomme toisiamme vastaan.
(Ratkee nyyhkytykseen.)
AADAM. Eeva, Eeva! Ah meidän turmeltunutta luontoamme!
(Kumartuu Aabelin ruumiin yli.)
Anna anteeksi, poikani — anteeksi onnettomalle isä-raukalle.
(Äänettömyys, kaikki polvistuvat paitsi Kain, joka seisoo
synkkänä syrjässä.)
AADAM. Voi minua kurjaa ukkoa! Hauta jo minunkin eteeni
avautuu ja harmaat karvani vaipuvat murheella multaan. Mitä on
ihmisen elämä? Surua ja murhetta on minun elämäni ollut ja vuoteni
ovat paenneet niinkuin varjo, onnettomuus on onnettomuutta
seurannut kuin pitkäisen jylinä leimausta — ja kun se on parasta
ollut, on se tuskaa ja vaivaa ollut.
EEVA. Ja tällainenko on elämän päätös? Mykkä, vapisuttava
salaisuuden veräjä. Ne, jotka ovat hänelle rakkaat olleet, ne jäävät
tänne, ja ne, jotka ovat häntä vihanneet, nekin jäävät tänne. —
Alasti hän tuli ja alasti hän…
(Nyyhkyttää, kaikki vaipuvat äänettömään rukoukseen — paitsi
Kain.)
AADAM (nousten, syvän liikutuksen vallassa). Aada!

35. (Tarjoo hänelle kätensä, asettavat yhdistetyt kätensä
Aabelin hartiain alle, Aadam kannattaa päätä vapaalla
kädellään. Eeva ja Silla kantavat jalkapuolesta ja itkevät —
Taamar seuraa jälessä.)
TAAMAR. Aabel nukkuu — Aabel on niin kalpea — Aabel on
vuotanut ver-ta … a … aa… (Itkee hiljaisella äänellä.)
(Itkuun yhtyy tuulen hyminä puissa. Hyminä jatkuu,
paisuen vähitellen vihlovaksi valitukseksi, lopulta puhutteluksi.
Kain on vaipunut maahan, tuijottaa tylsästi eteensä.)
TUULI (hyminän välissä). Kain, Kain!
(Kain säpsähtää.)
TUULI (ankarammin) Kain, Kain!
(Äänettömyys, sen jälkeen ukkosen jyrähdys.)
TUULI. Kain, Kain!
Missä on veljesi Aabel!
KAIN. En tiedä. — Olenko minä veljeni paimen?
Urpujen kuiske (hiljaa puissa hymisten.)
    Kasvoi kaksi kaunokaista,
    Yhden emon lasta
    Saman nurmikon nukalla,
    Saman virran vieremällä;
    Käkinä kukuit kotikummut,

36.     Sorsina sousit kotilahdet —
    Missä on veljyt nyt toinen?
PUUT (ankarasti.)
Missä on veljyt nyt toinen?
(Kain väänteleksen tuskissaan.)
TUULI.
    Kain! Kain!
    Mitäs tehnyt olet?
    Kuule! Kuule!
    Veljesi veri huutaa maasta!
Maaemon valitus (syvä, valittava ääni maan alta.)
    Oi, voi, voi!
    Voi maata ja merta!
    Oi, voi, voi!
    Miksi näin mun pitää
    Juoda viatonta verta?
    Mä emo koito kaiken katoovan,
    Näin syliini he jälleen palaa;
    Nukuitpa helmaan päivän armahan
    Tai korven yöhön häivyit salaa,
    He palaa, kaikki palaa!
    Täss' ootan väsynyttä matkaajaa,
    Täss' hyv' ois lapsukaisen uinahtaa,
    Mut otsin veripunaisin
    Ja synkin viimekatsehin

37.     He elon tieltä palaa.
    Oi, voi, voi!
    Näin lapsosena palaa!
KAIN. Oi kurjaa, kurjaa!
AADA palaa, seisahtuu syrjään.
Laineiden loiske (joella, hiljaa rantaa vasten.)
    Aabel lepää leppoisasti,
    Kain se maassa makaa.
    Verivelka vaaditahan
    Vuosikautten takaa!
MYRSKYTUULI.
    Verivelka vaaditahan
    Vuosikautten takaa!
    Ja nyt Kain, Kain!
    Kirottu olkoon sun työsi!
    Taistoa kulkijan-tiesi!
    Matkalle valmistuos!
(Äänettömyys.)
AADA. Kain!
(Äänettömyys.)
AADA. Kain!
KAIN. Sinä? — Mene!

38. AADA. Minä —? Minne?
KAIN. Sinne, minne muutkin ovat menneet. Vanhempiesi, sisariesi
ja veljesi luo. Erkane minusta kirotusta!
AADA. Ja sinä puhut minulle noin —?
(Äänettömyys.)
Kain! Mitä ovat nuo muut minulle? Vain vanhempia, veljiä ja
sisaria, mutta sinä olet — (lankeaa hänen jalkaansa juureen, kädet
Kainin polvilla, katsoo palavasti silmiin) — Kain, sinä tiedät sen —
sinä tunnet sen!
KAIN. Aada —?
(Katsoo pitkään vaijeten.)
AADA. Mitä, Kain? Miksi noin katsot?
KAIN. Voi minua, minua! Ajatus on harhaillut, mutta käsi on
kulkenut suoraan. — Sinä — sinä!
AADA (puristautuen lujasti Kainiin). Sinä — ja minä!
(Äänettömyys.)
KAIN (työntäen hänet takaisin). Ei, ei! Erkane minusta, minä teen
kaikki onnettomiksi. Olen ohdake, joka kaikkia pistää, kaiken ilon
tukehuttaa, turmiota ympärilleen levittää.
AADA. En ikinä sinusta luovu, seuraan sinua vaikka ijankaikkiseen
yöhön. Ja jos estät, minä tulen kuitenkin — hiivin salaa metsiä
jälessäsi — en luovu sinusta vaikka tappaisit!

39. KAIN. Etkö kuule? Metsä huokailee, maa on täynnä valitusta,
vuoret voivotuksesta pakahtuvat. Ne äänet seuraavat minua…
AADA. Seuratkoot! Sekin on kahden helpompi kestää.
KAIN. Minulla ei ole mitään kestettävää — kaikki on lopussa!
AADA. Ei, Kain! Meillä on vielä elämä edessämme.
KAIN. Elämä? Silläkin, joka itse on elämän suonen katkaissut?
AADA. Silläkin — jonkunlainen elämä. Se on kuitenkin meidän
elämämme, vaikkapa kulkijan ja pakolaisenkin.
KAIN. Mitä minä siitä — kunpa voisi kulkea ja paeta! Mutta
kaikkialla on tuo sama maa ja kaikkialla tuo sama taivas, ne kaksi
todistajaa, joita ei voi paeta — oi, oi!
AADA. Älä lankea epätoivoon, Kain. Meidän täytyy kestää!
KAIN. Mitä varten? — Mitä hän oli tehnyt? Paimentanut lampaita!
Ja minä? Raatanut peltoja!
(Äänettömyys.)
On ja ei ole! Nyt on, ja samana hetkenä ei olekkaan. Tiesinkö
minä sitä? Onko hän kuollut? Eikö hän seuraa kaikkialle — kysyvänä
— kalpeana — verisenä? — — Oi veljeni, veljeni!
(Heittäytyy maahan.)
AADA. Kain, Kain! Koeta tyyntyä! Miten sinun otsasi on kuuma ja
tukkasi märkä! Ohimosi niin oudosti tykyttää.

40. (Ratkee hiljaiseen itkuun.)
KAIN. Tykyttää — polttaa — pakottaa — särkyy — halkee! Anna
minun olla!
AADA. Kain, Kain!
(Äänettömyys.)
KAIN. Aada! Sanotko minulle mitä elämä on?
AADA. Älä kysy, älä kysy — emme voi siihen nyt mitään vastata.
KAIN. Täytyy, Aada! Onko ihminen hiiri?
AADA. Jumala! Miksi tuollaista puhut?
KAIN. Onko se niin ihmeellistä? Onko hän hiiri — vai myyrä?
Puuhaa, penkoo, juoksee, häärää, käytäviään kaivaa. Eräänä päivänä
sattuu suuri jalka kohdalle — painaa. Kaikki valmista. Ojona kuin
hiiri. Hiiren loppu — jumalankuvalla, hah hah haa!
AADA. Oi Kain, Kain! Sinä saatat minut epätoivoon.
KAIN. Miksen minä saanut olla tuo hiiri? Miksi minun käteni ovat
tällaiset? — Jumala, maailma pimenee silmissäni!
AADA. Voi meitä! Sinä olet liian kiihtynyt, Kain. Sinun pitää levätä.
Lähdetään suojaan!
KAIN. Minne? Ei vuorikaan voisi minua suojata!
Miksi minun kurjan pitikään syntyä? Sinä olit oikeassa, isäni!
Kirottu olkoon se yö, jonka sinä hyvin muistat, ja se päivä, jonka

41. sinä, äitini, muistat!
AADA. Kain! Sinä et saa noin puhua. Sinä teet syntiä.
KAIN. Mikset ollut marras, äitini! —
AADA. Kain!
KAIN. — Tai minä kohtuusi tukehtunut, tai kuollut silloin kuin
sinulle kipua saatoin — se olisi ollut viimeinen kipu, millä elämää
haavotin. Tai mikset pestessä minua veteen painanut, tai kuivatessa
kallioon paiskannut? —
AADA. — Sinä olet kauhistuttava, sinä et tiedä mitä puhut! Ilma
pimenee. Minä rukoilen: lähtekäämme!
KAIN. Pimeneekö se? Kas vaan! Käsissäni ei näy enää ollenkaan
punaista — miten kauniin mustat ne nyt ovat. Katsoppas tarkemmin
— tänne! (Osottaa päätään). Eikö sekin ole musta?
(Tuuli kohahtaa.)
Soiko nyt? Niin, niin: soi tuuli, ulvo myrsky — silloin oli savua!
(Näyttää nyrkkiin puristettua kättään.)
Näetkös: käsi on musta ja ilma on musta ja pää on musta,
pyörähdys — näetkös, kun et näe mitään, ja kuitenkin on varmaa
että käsi liikkuu —
AADA. Jumala armahtakoon! Minä en hellitä, en!
KAIN. Niin, kyllä se on minun käteni — se on varmaa pitämättäkin.

42. (Salama.)
Kas! Eikös se ollut punainen lintu? Onko Hänelläkin tulikaari? Terve
vaan, vastaan oiti! (Hapuilee vierestään). Mitä? Kirous! Hän on sen
ottanut. Ja ampuu sillä keksijäänsä, konna. Hyi! No no — se on
hyvin sinun tapaistasi, niinhän sinä olet aina tehnyt, hah hah haa!
AADA. Sinä puhut käsittämätöntä, Kain! Sinä herjauksia syydät.
Kuule minua, tämä ainoa kerta!
KAIN. Mikä hätänä?
(Myrsky hohahtaa puissa.)
Kuulitko? Nyt paljetta painetaan: huu, huu! Eikö se ole mahtavata?
Entäs tuo kilke? Et ymmärrä —? Minä sen kyllä ymmärrän. Siellä on
kiire — niin, niin, kyllä ymmärrän! (Puiden nyrkkejään taivasta kohti).
Mutta katsoppas: nämät ovat vielä vapaat! Mies miestä vastaan!
Vielä minä olen Kain!
(Jyrähdys.)
Se oli isomoukari!
AADA. Jumalan nimessä: tule majaani Herran voima käy ja
rajusade alkaa.
(Koettaa vetää Kainia.)
KAIN. Poisko? Oletko mieletön? Vai etkö uskalla katsoa häntä
suoraan silmiin, kun hän on muka vihoissaan?
(Yhä uudistuvia salamoita.)

43. Ohoh! Se huimii jo käsillään. Sen saattoi arvata. Pitkät käsivarret,
hah haa! — Sattuiko? Ei ei, ei se sinua lyö.
(Sadepisaroita lankee.)
Yhä parempaa! Eikös se nyt viskele kivillä? Juokse piiloon,
piikaseni!
Ei; lennä, lennä! Ihminenhän voi lentää — hah hah haa!
AADA. Jumalani, Jumalani! Älä heitä meitä pimeyteen!
(Ankara jyrähdys, rajusade lankee.)
Esirippu.

44. NELJÄS NÄYTÖS.
KORPEEN!
Paikka: sama kuin proloogissa. Kuuvaloyö. KAIN ja AADA istuvat
puun alla oikealla.
AADA. Kain! Kuu jo valostaa. Lähdön hetki on tullut.
KAIN (mietteistään havahtuen). Totta. Olin unohtaa ketä olemme
— ja missä.
AADA. Sen voimmekin — kyllin että olemme.
KAIN. Ja kulemme!
(Äänettömyys.)
AADA. Niinkin. — Katso ympärillesi, Kain! Ilma on niin kevyt ja
raitis — se kutsuu. Metsän harteilla kuun hohtava vaippa — se
kutsuu. Ja sinä olet taas tyyni ja tahdot elää — me olemme valmiit!
KAIN. Tahdon elää — kun elämä on välttämättömyys!

45. AADA. Saman tekevä! Tahdot ymmärtää tämän
välttämättömyyden ja jännitys on lauennut.
KAIN. Vaan jos sen mukana on kaikki muukin lauennut —?
AADA. Muukin?
KAIN. Niin. Minussa oli ennen jotakin, joka täytti, paisutti ja
jännitti — olin kuin viritetty jousi.
AADA. Ja sinä tulet jälleen vireeseen.
KAIN. En koskaan — kaarestani selkä katkesi!
AADA. Ei, vain hetkeks herposi. Sinä tulet vireeseen — aikaa
myöten.
Ja sinä olet jo vireessä.
KAIN. Ivaatko minua?
AADA. En.
KAIN. Tulla vireeseen — siihen tarvitaan aate.
AADA. Niin.
KAIN. Tulevaisuuden aate, päämäärä jonka eteen elää.
AADA. Niin!
KAIN. Minä tavotin vapautta, se oli aate — ja minä riistin toiselta
kaikkein ensimäisimmän vapauden, vapauden elää. Ymmärrätkö mitä
se merkitsee?

46. AADA. Ymmärrän. Mutta juuri siitä voi alkaa vapauden tie,
vaikkemme sitä vielä käsitä.
KAIN. Minä etsin selvyyttä ja luulin saaneeni selvyyden langasta
kiinni — se katkesi, ja sen pää löi minua vasten silmiä, että näköni
soentui. Ymmärrätkö mitä se merkitsee?
AADA. Ymmärrän. Mutta sen säikeen voi aika jälleen solmia.
KAIN. Ei aika, ei mikään! Tulevaisuudenaate on minussa kuollut —
ja niin olen itsekin kuollut.
AADA. Sinä elät!
KAIN. Kuollakseni.
AADA. Et, noustaksesi!
KAIN. Ei, ei! Sinä tiedät kaikki, mitä on tapahtunut, ettei ole
mitään, minkä eteen me kaksi eläisimme.
AADA. Täytyy olla, ja minä olen varma että me vielä kerran sen
löydämme.
KAIN (painokkaasti). Löytyykö sekin, jota ei ole — jonka on omin
käsin tappanut?
AADA. Oi Kain, Kain! Älä käytä noita sanoja. Sinä saatat minut
jälleen epätoivoon.
KAIN. Miksen käyttäisi? Emme voi katsoa eteen emmekä taakse.
AADA. Ja kuitenkin meidän täytyy katsoa eteenpäin —
tulevaisuuteen!

47. KAIN. Tyhjyyteen! — Oh, oh, oh; en surmannut vain veljeäni, vaan
oman lapsenikin: tulevaisuuteni!
(Lyhyt äänettömyys.)
AADA. Lapsesi —? Sehän…
(Syvä mielenliikutus kasvoilla, joille vähitellen kohoo outo
kirkastus. Painaa käsillään kahden puolen sydänalaansa,
kuuntelee.)
Kain! Se elää! Se on löytynyt! Se on minussa!
KAIN. Mitä —? Mikä sinun tuli? Oletko järjiltäsi?
AADA. Olen — ilosta! Elämä! Voitto! Se elää, se liikkuu!
Kaikki elää, liikkuu, väreilee, säteilee. Käsi tänne, Kain!
KAIN. Sinä hourailet! Mikä liikkuu?
AADA. Elämä — tulevaisuus — sinä — minä — Jehova liikkuu
minussa! Etkö ymmärrä? Lapsi! Meidän lapsemme! Hän, josta
olemme niin paljon uneksineet, vaan jonka olemme surussamme
unohtaneet. Kätesi tänne, Kain!
KAIN (kauhistuneena). Tämäkö käsi?
AADA. Juuri se — tänne, sydämen alle. Sen kautta sinä tunnet
tulevaisuuden sydämentykytykset, ja ne tykytykset saavat omankin
sydämesi jälleen sykkimään.
KAIN (liikutuksesta vavisten). Jumalani! Hän elää — hän elää!
(Tarttuu kiihkeästi Aadan käsiin, katsoo syvälle silmiin:)

48. Äiti!
AADA. Isä!
(Äänettömyys.)
KAIN (vetäytyy äkkiä irti). Isä! Mutta hänen isänsä on —
veljenmurhaaja!
AADA. Miksi taas tuota? Anna minulle kätesi, Kain — ei: isä, isä,
tuhannesti isä! Mitä hänellä on osaa meidän hairahduksissamme? Ei
sinussa vielä silloin synkät ajatukset liikkuneet. Hän on parasta, mitä
sinussa on ollut, ja rakkaudessa annettu. Kaikki, mitä sinussa ja
minussa on hyvää ollut, elää hänessä.
KAIN. Nuo tykytykset voivat yhtä hyvin olla vastaisten
hairahdusten hurjia suonenlyöntejä.
AADA. Ei koskaan! Etkö voi uskoa että anteeksianto on
mahdollinen, että se on armon ja lohdutuksen merkki, uuden
puhtaamman maailman viesti?
KAIN. Minäkin olen ollut puhdas, minustakin on toivottu…
AADA. Ja sinun tiesi ei ole vielä loppuun kulettu — hänen polkunsa
vasta alkaa. Rakastakaamme häntä, ja hän on sen rakkauden
voimalla kulkeva uutta tietä ja avaava meillekin sovituksen polun.
KAIN. Sovituksen polun —? Niinkö luulet?
AADA. En vain luule, vaan joku ääni sisässäni huutaa ja vakuuttaa,
että se on sitä tietä mahdollinen!
KAIN. Ettäkö hän olisi…?

49. AADA (riemukkaasti). — se uusi päämäärä! Ajattelehan: meidän
lapsemme, kenties poika! Se on puhdas ja viaton, vastaisen
sukupolven siemen, joka ottaa haltuunsa sen, mitä me
hairahduksemme tähden emme itse voineet.
KAIN. Jatkaa siitä, johon meidän täytyi lopettaa; toteuttaa sen,
jota me olemme haaveilleet…?
AADA. Juuri niin! Toivon kipinä, jonka viemme kanssamme
korpeen.
KAIN (vakuutetusti). Ja jonka eteen kärsimme ja taistelemme!
AADA. Kiitos! Nyt taas tunnen sinut. (Puristaa hänen kättään).
Olet entinen ja kuitenkin uusi!
Niin, me kärsimme ja taistelemme, uhraudumme kokonaan
hänelle. Mikä korpea kaatuu, se hänen tähtensä kaatuu; mikä toukoa
kasvaa, se hänen nimeään kuiskaa. Me itse vihdoin kaadumme ja
unhotumme, mutta juurestamme nousee uusi, raitis vesa. Ja hän
tulee kerran korvesta suurena ja kauniina ja puhtaana ja sanoo:
minä tahdon kaikki sovittaa, minä olen niiden poika, jotka päättivät
päivänsä unhotuksessa.
KAIN. Aada! Tiedätkö — minä tunnen niin kummallista…
AADA. Niinkuin nyt vasta elämä, se oikea elämä aukeaisi eteemme
—?
KAIN. Jotain sentapaista. Vakaata ja raskasta, mutta kuitenkin
rohkaisevaa. Niinkuin nyt vasta tapaisin sinut ensi kertaa, nyt vasta
omakseni lupautuisit.

50. AADA. Ja niinkuin rakkaus ei olisikaan sitä, mitä se on meille tähän
asti ollut — ymmärräthän — vaan jotain suurempaa ja syvempää?
KAIN. Juuri niin.
AADA. Kätkettyä, niinkuin mullattu siemen, mutta sentään elämän
voimaa täynnä!
KAIN (innostuneesti). Niin, aivan niin!
AADA. Ja tiedätkö mitä, Kain?
KAIN. Mitä? Puhu, Aada!
AADA. Olen usein itseltäni kysynyt: mitä varten sinäkin, Aada,
elät?
KAIN. Älä puhu noin, Aada — tiedäthän…
AADA. Niin, nyt sen tiedän! Minuakin tarvitaan — taisteluun!
Taisteluun sinun kanssasi ja sinun puolestasi — meidän kolmen
puolesta. Kain! Minä kasvatan sinulle pojan, jonka imetän rakkauden
maidolla ja pesen sovituksen kyynelillä, jonka peitän rukouksen
suudelmilla ja siunauksen käsivarsilla uneen tuuditan!
KAIN. Aada! Sinä olet minulle enempi kuin — mutta mitä se oli —?
AADA. Sinä säpsähdät — ohikiitävää pilvenvarjoa, joka hetkiseksi
kuun kasvot peittää.
KAIN. Ja me, Aada, olemme uneksineet kuuvalounelmia, vaikka
minun pääni päällä lepää isän kirouksen musta pilvi!

51. AADA. Kain! Miksi taas nuo synkät mietteet. Äidin anteeksianto ja
minun palavat rukoukseni ovat sen torjuvat — tai ainakin lieventävät.
KAIN. Tehty ei tule tekemättömäksi. Minun rikokseni on suurempi,
kuin että se voisi kostamatta jäädä. Veljen käsi veljeä vastaan,
miksei seuraavassa polvessa pojan käsi isää vastaan; sehän olisi
vaan —
AADA. Älä puhu noin julmaa! Sekö lapsi, jota rintani alla kannan,
joka on koko elämäni sisällys?
KAIN (raskaasti). Niin olin minä kerran äidillemme.
AADA. Ei, ei; se ei ole mahdollista! Min' en kestä sitä ajatusta. Ah,
Jehova!
(Lyhyt äänettömyys.)
ÄÄNI. Kain, Kain!
AADA. Kuulitko jotakin? Joku ääni —?
(Outo valostus puiden lomasta. Kain ja Aada nousevat.)
MIKAEL (loistavassa puvussa, josta välkehtii koko maisemaa
valaiseva kirkkaus). Kain! Näin sanoo Herra: minä en tahdo
hairahtuneen kuolemaa, vaan että hän kääntyisi ja itsensä
parantaisi. Mitä ihminen kylvää, sitä hän leikkaa, ja niin olet sinäkin
leikkaava työstäsi kärsimyksen viljan. Mutta joka Kainille kostaa, hän
pitää seitsemän kertaisesti kostettaman, sillä kosto ei ole ihmisen.
KAIN. Jehova! Sinun tuomiosi on oikea ja pitkämielisyytesi
suurempi kuin ansainnut olen. — Ethän kiroo siementäni mustan

52. Welcome to our website – the perfect destination for book lovers and
knowledge seekers. We believe that every book holds a new world,
offering opportunities for learning, discovery, and personal growth.
That’s why we are dedicated to bringing you a diverse collection of
books, ranging from classic literature and specialized publications to
self-development guides and children's books.
More than just a book-buying platform, we strive to be a bridge
connecting you with timeless cultural and intellectual values. With an
elegant, user-friendly interface and a smart search system, you can
quickly find the books that best suit your interests. Additionally,
our special promotions and home delivery services help you save time
and fully enjoy the joy of reading.
Join us on a journey of knowledge exploration, passion nurturing, and
personal growth every day!
testbankfan.com