Big Data ist zu einem wichtigen Wettbewerbs- und Wachstumsfaktor geworden, moderne Analysetechnologien halten Einzug in sämtliche Lebensbereiche.
Ständig entstehen neue Geschäftsmodelle und viele bestehende Geschäftsabläufe müssen grundlegend neu gestaltet werden, um wettbewerbsfähig zu bleiben.
Mit den wachsenden Potenzialen steigt auch der Qualifizierungsbedarf: Es gilt, zunehmende Datenmengen in interdisziplinären Teams zielgerichtet auszuwerten,
leistungsfähige Methoden im Maschinellen Lernen und Data Science in den relevanten Bereichen einzusetzen.
Dieser Lehrgang widmet sich der Rolle des Business Data Scientist, der als "Leiter für datengetriebene Analysen" mit der verantwortungsvollen Aufgabe befasst ist, Big Data im Unternehmen zielgerichtet umzusetzen.
Zu den Inhalten zählen methodische Grundlagen aus den Bereichen Statistik, Maschinelles Lernen, Big Data und Data Science. Erfolgreiche Praxisbeispiele, Handlungsempfehlungen und angeleitete Praxisübungen erleichtern den Einstieg in die Thematik. Jeder Teilnehmer schließt den Lehrgang mit einem eigenen, frei gewählten und individuellen Praxisprojekt ab, in dem die vermittelten Lerninhalte konkret umgesetzt 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, ausgewählte Tools für erste Projekte selbständig einzusetzen,
- haben Sie einen Überblick über bereits erfolgreich umgesetzte Projekte in verschiedenen Unternehmensbereichen,
- haben Sie ihr erstes Big Data-Projekt im Rahmen der Case Challenge realisiert und können Sie in interdisziplinären Teams selbst Big-Data-Projekte konzipieren.
Arbeitsmethoden
Zur Vermittlung der Inhalte werden die folgenden didaktischen Methoden von erfahrenen Vortragenden aus der Praxis eingesetzt:
- Vorträge und Diskussionen
- Best-Practice-Beispiele
- laufende Arbeit in Kleingruppen und Workshops mit spezifischer Software
- Fachcoaching als Unterstützung bei der Erstellung des individuellen Use Cases im Rahmen der Diplomprüfung
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 die wichtigsten 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
Pflichtmodule
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
Best-Practice-Bericht: "Big Data und Datenschutz"
Ziel
Die Durchführung komplexer Analysen großer Datenmengen ist ohne fundierte Statistikkenntnisse nicht möglich. Diese sind die Voraussetzung für das Erkennen realer Zusammenhänge 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
Ziel
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 die 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
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
- adressatenorientierte Informationsaufbereitung
- Gestaltungs- und Optimierungsansätze für Reportingprozesse
Optionale Module
Ziel
Die Umsetzung von Projekten im Big-Data-Umfeld ist für Unternehmen gleichermaßen mit Chancen wie 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 im Sinne einer informationsbasierten Unternehmensführung, um nachhaltige Wettbewerbsvorteile zu generieren, und die wichtigsten Anforderungen, mit denen sich Unternehmen dabei konfrontiert sehen.
Aufbau 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 Scientists"
Pflichtmodule
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
Best-Practice-Bericht: "Big Data und Datenschutz"
Ziel
Die Durchführung komplexer Analysen großer Datenmengen ist ohne fundierte Statistikkenntnisse nicht möglich. Diese sind die Voraussetzung für das Erkennen realer Zusammenhänge 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
Ziel
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 die 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
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
- adressatenorientierte Informationsaufbereitung
- Gestaltungs- und Optimierungsansätze für Reportingprozesse
Optionale Module
Ziel
Die Umsetzung von Projekten im Big-Data-Umfeld ist für Unternehmen gleichermaßen mit Chancen wie 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 im Sinne einer informationsbasierten Unternehmensführung, um nachhaltige Wettbewerbsvorteile zu generieren, und die wichtigsten Anforderungen, mit denen sich Unternehmen dabei konfrontiert sehen.
Aufbau 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 Scientists"

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 Erwerb des Diploms zum Certified Business Data Scientist müssen alle Module des Lehrgangs besucht werden. Darüber hinaus ist ein individuelles Projekt (eigener Use Case) mittels Data-Analytics-Tools zu konzipieren, umzusetzen und im Rahmen einer Präsentation zu diskutieren.