Unternehmensdaten gelten als das „Gold des 21. Jahrhunderts“. Die Nutzung dieser Unternehmen zur Verfügung stehenden Informationsressourcen ist in den letzten Jahren zu einer Herausforderung geworden, der sich immer mehr Unternehmen stellen, um bestehende Wettbewerbsvorteile zu sichern oder neue zu schaffen. Mit dem Data Scientist entwickelt sich ein neues Berufsfeld in Unternehmen, das hierfür zentrale Verantwortung trägt; seine Aufgabe ist es, aus großen Datenmengen Informationen zu generieren und Handlungsempfehlungen abzuleiten. Dazu bedienen sich Data Scientists innovativer Analysetools, die aus unübersichtlichen Datenmengen wertvolle Informationen destillieren. Anschließend werden Hypothesen abgeleitet, die statistisch überprüft und für das Management als Entscheidungsgrundlage aufbereitet werden.
Ziel
Als Absolvent des Lehrgangs Certified Business Data Scientist
- kennen Sie Ziele, Hintergründe und Erfolgsfaktoren der Auseinandersetzung mit Big Data im Unternehmenskontext,
- verfügen Sie über die notwendigen statistischen Kenntnisse für die erfolgreiche, methodisch-fundierte Big-Data-Analyse,
- kennen Sie wichtige IT-Tools für Analysen im Big-Data-Umfeld und sind in der Lage, diese selbstständig einzusetzen,
- haben Sie einen Überblick über bereits erfolgreich umgesetzte Projekte in verschiedenen Unternehmensbereichen,
- können Sie in interdisziplinären Teams selbst Projekte zur Big-Data-Analyse konzipieren und umsetzen.
Arbeitsmethoden
Zur Vermittlung der Inhalte werden die folgenden didaktischen Methoden von erfahrenen Vortragenden aus der Praxis eingesetzt:
- Vorträge und Diskussionen
- Best-Practice-Beispiele
- laufende Fallstudienarbeit sowie Arbeit mitspezifischer Software in Kleingruppen und Workshops
Ergänzend zu den Skripten und Handouts der jeweiligen Module erhalten die Teilnehmer folgende Unterlage:
- Bleymüller (Hrs.): Statistik für Wirtschaftswissenschaftler
Inhalte
Der 9-tägige Lehrgang umfasst alle relevanten Aspekte, um Projekte im Big-Data-Umfeld zu konzipieren, umzusetzen und erfolgreich zu managen. Augenmerk wird auf die Vorstellung von erfolgreichen Use Cases gelegt, die die Chancen von Big Data in folgenden Unternehmensbereichen behandeln:
- Produktion
- Marketing/Vertrieb
- Controlling/Finanzen
München 2018
Ziele
Die Umsetzung von Projekten im Big-Data-Umfeld ist für Unternehmen gleichermaßen mit Chancen wie mit Risiken verbunden. In diesem Seminar werden die Grundlagen und Zusammenhänge im Hinblick auf Big Data und die Einsatzmöglichkeiten in Unternehmen dargestellt. Im Fokus stehen dabei die Chancen i.S. einer informationsbasierten Unternehmensführung, um nachhaltige Wettbewerbsvorteile zu generieren, und die wichtigsten Anforderungen, mit denen sich Unternehmen dabei konfrontiert sehen.
Aufgaben und Inhalte
- Big Data - Begriff, Hintergrund und Entwicklungen
- Ökonomische Dimensionen von Information
- BI & Big Data: ein integriertes Konzept informationsbasierter Unternehmensführung
- BI & Big Data: Herausforderungen und Potenziale
- strategisches Datenmanagement und Sicherung der Datenqualität
- Big Data, Compliance und Governance
- Potenziale und Barrieren in Unternehmen
- erforderliche Ressourcen in Unternehmen
- Das Profil des "Business Data Scientist"
Ziel
Die Durchführung komplexer Analysen großer Datenmengen ist ohne fundierte Statistik-Kenntnisse nicht möglich. Diese sind die Voraussetzung für das Erkennen von realen Zusammenhängen und die Ableitung valider Prognosen. In diesem Seminar werden die entsprechenden methodischen Kenntnisse vermittelt, die im Big-Data-Umfeld zum Einsatz gelangen.
Aufbau und Inhalte
- Grundlagen der Statistik
- deskriptive und analytische Statistik
- Wahrscheinlichkeitsverteilungen
- Stichproben
- Arten von Messwerten
- Regressions- und Varianzanalyse im Big-Data-Umfeld
- Aufstellung von Prognosemodellen
- Typische Analyseprobleme:
- fehlerhafte Stichprobenwahl
- Störfaktoren
- Overfitting
- Bias
Ziele
Die Umsetzung von Big-Data-Projekten ist in jedem Unternehmensbereich mit unterschiedlichen Anforderungen, Chancen und Risiken verbunden. In der Praxis haben sich hierbei im Rahmen erster Projekte schon verschiedene Lösungen entwickelt. In diesem Seminar werden Ansatzmöglichkeiten und Best-Practice-Beispiele für diese Umsetzung in den - heute wohl wichtigsten - Bereichen Produktion, Marketing/Vertrieb und Controlling/Finanzen vorgestellt und diskutiert. Dies erfolgt umsetzungsorientiert durch zahlreiche Übungen und Fallbeispiele.
Aufbau und Inhalte
- Theoretische Grundlagen: Big Data in verschiedenen Unternehmensbereichen
- Praktische Problemstellungen und Lösungszugänge
- Aufgabenverteilungen und Prozesse
- Analyse-Tools und -Modelle
- Praktische Anwendungsfälle (Auszug):
- "Quick Win Analytical Use Cases" entlang der Wertschöpfungskette
- Deep Dive: Prognose von Rohstoffpreisentwicklungen
- Deep Dive: Kundenabwanderungen erkennen und bewerten (Customer Churn)
- Deep Dive: User-Segmentierung
- Ausblick: Entwicklungsmöglichkeiten und Chancen
Best-Practice-Bericht: „Sales Forecast für Netconomy“ von Mag. Andreas Schilk
Ziel
Nur mit einem soliden Projektmanagement können Projekte im Big-Data-Umfeld erfolgreich eingeführt werden; eine fehlerhafte Umsetzung kann das vielversprechendste Projekt gefährden. Neben den allgemeinen Grundsätzen des Projektmanagements erfahren Sie in diesem Seminar, welche Besonderheiten sich hier im Big-Data-Kontext ergeben und wie diese im Projektmanagement entsprechend berücksichtigt werden können.
Aufbau und Inhalte
- Allgemeine Grundlagen des Projektmanagements
- Einbindung des Projekt Owner
- Schärfung und Formulierung der Projektzielsetzung
- Aufstellung der Projekt-SWOT-Analyse
- Projektteamzusammenstellung
- Aufbereitung Phasenplan und Projektplan
- Termin/Kosten/Leistung im Gleichgewicht halten
Ziel
Der BI-Markt bietet heute eine Vielzahl an verschiedenen Softwarelösungen an, um große Datenmengen auszuwerten; ohne die Auswahl der "richtigen", zur Ausgangslage des Unternehmens passenden Angebote sind Projekte im Big-Data-Umfeld nicht umzusetzen. In diesem Modul erfolgt ein Software-Überblick und es werden "hands-on" wichtige IT-Tools und mögliche Plattformen vorgestellt. Auf Basis der Vormodule erfolgt eine erste Projektumsetzung.
Aufbau und Inhalte
- Überblick: wichtige Softwarelösungen im Big-Data-Umfeld
- Open-Source-Softwarelösungen
- kommerzielle Softwarelösungen
- Anforderungen an den Software-Auswahlprozess
- Organisation und Ablauf des Implementierungsprozesses
- Benchmarks und Erfolgsfaktoren
- Anforderungen an ein effektives Reporting
- Grundsätze für die Aufbereitung von Entscheidungsgrundlagen
- adressaten-orientierte Informationsaufbereitung
- Gestaltungs- und Optimierungsansätze für Reportingprozesse
Der Lehrgang Certified Business Data Scientist bietet mit seinem Curriculum einen Gesamtüberblick über das gesamte Themenfeld. Die Technologie wird beleuchtet und das notwendige Projektmanagement erörtert. Besonders die Befassung mit praxisnahen Use Cases, die Umsetzung in Modellen und die Aufbereitung der Ergebnisse in Form von Unterlagen für die Einbindung der Entscheidungsträger runden das Bild ab. Ich kann den Lehrgang mit gutem Gewissen all jenen empfehlen, die gerne an der Thematik rund um Smart Analytics und Big Data arbeiten würden und einen Ansatzpunkt suchen, wie solche Projekte ausgewählt, aufgesetzt und auch umgesetzt werden.
DI Markus Hölzl, Teamleiter Business Intelligence, Gebrüder Weiss Gesellschaft m.b.H.
Teilnehmerkreis
Dieser Lehrgang richtet sich an Fachexperten und Führungskräfte aus verschiedenen Unternehmensbereichen (v.a. Produktion, Marketing/Vertrieb und Controlling/Finanzen), die nicht nur einen Überblick über Best-Practices im Umgang mit Big-Data-bezogenen Fragestellungen in Unternehmen, sondern ebenso konkrete IT-Tools und Projekt-Know-how für die Umsetzung eigener Projekte in ihren Unternehmen suchen. Im besonderen Maße spricht er solche Mitarbeiter in Unternehmen an, die mit der Einführung entsprechender Analysemöglichkeiten betraut sind. Ein technischer oder mathematischer Ausbildungshintergrund ist nicht erforderlich.
Diplom
Für den Erhalt des Diploms zum Certified Business Data Scientist müssen alle Module des Lehrgangs besucht werden. Darüber hinaus ist ein individuelles Projekt mit den zur Verfügung gestellten Data-Analytics-Tools zu konzipieren, umzusetzen und im Rahmen einer Präsentation zu diskutieren.
Partner
