Daten sind der Treibstoff für die Digitalisierung der Wirtschaft. Allerdings können Unternehmen erst dann Fahrt aufnehmen, wenn sie über eigene Fachleute verfügen, die
- bereits vorhandene Produktions-, Kunden- oder Markt-Daten strukturieren und auswerten können,
- über geeignete Methoden zur Erhebung zusätzlich erforderlicher Daten verfügen und insgesamt
- die großen Potenziale datengestützter Analysen und Prozesse für die Wertschöpfung erschließen können.
Wer im Wettbewerb von heute vorne mitfahren will, muss die Daten verstehen und richtig nutzen. Der praktische Teil umfasst die Umsetzung von Extract-Transform-Load-Prozessen in weit verbreiteten Business Intelligence Tools.
1. Grundlagen Data Analytics - ETL-Prozesse (Extract, Transform, Load)
- Überblick zu Data Analytics
- Datenim- und -export
- Explorative Datenanalyse
- Daten bearbeiten und transformieren
- Dokumentation und Organisation von Workflows
2. Visuelle Analyse und Reporting - Einstieg in BI-Tools (Business Intelligence)
- Grundzüge der visuellen Analyse und des Reportings
- Daten importieren, kombinieren und formatieren
- Graphen und Ansichten
- Daten filtern und Berechnungen durchführen
- Datenexport, Dashboards und Storys
3. Data Analytics für Fortgeschrittene - Datenbanken, Machine Learning, Workflow Control
- Arbeiten mit Datenbanken
- Maschinelles Lernen
- Workflow-Kontrollstrukturen
- Schnittstellen und Einbettungen
- Workflow-Optimierung
4. Datenprojekte - bewerten, planen und umsetzen
- Datenprojekte bewerten
- Datenprojekte planen und organisieren
- Datenprojekte formulieren und visualisieren
5. Praktisch umsetzen - Datenprojekte planen, Modelle erstellen, Vorhersagen treffen
- Anwendungsfall aus der betrieblichen Praxis
- Planung, Umsetzung und Ausführung eines Datenmodells