0

Digitale Transformation mit Data Analytics

Daten aufbereiten, Projekte beurteilen & umsetzen

Du willst lernen,

  • wie du Daten strukturieren, analysieren und nutzbar machen kannst?
  • wie du vorgehen musst, um die Erfolgschancen und die Wirtschaftlichkeit von Data Science Projekten beurteilen zu können?
  • wie du die wirtschaftlichen Projekte schließlich umsetzen kannst?

Dann bist du in dieser Schulung richtig!

Viele wurden von der Digitalisierungswelle und Data Analytics überrollt und können mit den zugehörigen Konzepten und Begrifflichkeiten nichts anfangen. In zwei Tagen vermitteln wir dir ein tiefes Verständnis der Data Analytics Methoden und die Grundlagen der digitalen Transformation. Du erlangst ein Verständnis dafür, bei welchen Business und Use Cases es sich lohnt in Data Analytics, Machine Learning und digitale Transformation zu investieren und wo nicht. Zudem vermitteln wir dir im Seminar auch das Handwerkszeug zur erfolgreichen Umsetzung von Data Analytics Projekten.

Für wen eignet sich die Data Analytics Schulung?

Diese Schulung ist für alle, die Datenstrukturen verstehen und Daten nutzbar machen wollen. Konkret können das sein:

  • Leitende Positionen, Projektleiter und Mitarbeiter im Bereich Business Intelligence/Data/Innovation und Transformation
  • MitarbeiterInnen im Controlling/Reporting, die erste Einblicke in Datenanalyse bekommen wollen
  • MitarbeiterInnen aus Fachbereichen, die mit Data Analytics Use Cases zu tun haben, z.B. Marketing, Finance, Sales, Customer Service, etc.
  • MitarbeiterInnen, welche die Konzepte von Data Analytics und Digitalisierung verstehen müssen, um ihre Aufgaben wahrzunehmen, wie z.B. Governance, Legal, HR, etc.
  • Consultants, die zum Thema Datenanalyse beratend tätig werden wollen

Welchen Nutzen ziehe ich aus dieser Schulung?

Nach dieser Schulung kennst du die Grundlagen von Data Analytics und digitaler Transformation. Du beherrschst die Methoden zur Beurteilung, welche Data Analytics Projekte zielführend und erfolgreich sein können. Außerdem hast du das Handwerkszeug, um Data Analytics Projekte und digitale Transformation durchführen zu können. Alle gängigen Begriffe wie z.B. Artificial Intelligence, Machine Learning, Big Data, Cloud, Neuronale Netze und Deep Learning sind dir nach dem Kurs geläufig.


Profitiere von unserem 10% Angebot!

Digitale Transformation mit Data Analytics

In diesem zweitägigen Training erfährst du, wann es sich lohnt in Data Analytics, Machine Learning und digitale Transformation zu investieren. Du lernst Data Analytics Projekte umzusetzen und Datenanalysen durchführen. Von Reporting Tools über Big Data und Machine Learning bringen wir dir alle wichtigen Konzepte und Werkzeuge näher, die du dafür benötigst. Im praxisorientierten Seminar setzt du das Erlernte am Ende mit deinem eigenen Business-Case um.

  • Training durch erfahrene Data Analytics-Experten
  • Schulungspaket mit Unterlagen
  • Verpflegung während des Trainings
  • 50% Rabatt beim 2. Prüfungsversuch (ICO)
  • ÖPNV-Tickets für München
€ 1.490,- zzgl. Mwst.
Zertifizierungsprüfung (optional)
€ 160,- zzgl. Mwst.
  1. Termine
  2. Inhalte
  3. Zertifizierung
  4. Inhouse
  5. Flyer
Filter:
Termin Termingarantie Ort Preis* Prüfung**
Derzeit sind keine öffentlichen Termine verfügbar.
Frage ein Inhouse-Angebot an!

Agenda

Tag 1: 09:00 – 16:30 Uhr

Data Analytics Business Cases

  • Einführung in Data Analytics
  • Methodik zur Beurteilung der Eignung von Business Cases
  • Berechnung von Business Values datengestützter Business Strategien
  • Umsetzung eines Data Analytics Projekts
  • Herausforderungen bei der Überführung erfolgreicher Prototypen und Lösungen in nachhaltig betreibbare Produkte und Services

Tag 2: 09:00 – 16:30 Uhr

Business Cases Deep Dive

  • Die Data Analytics Pipeline
  • Einführung in maschinelles Lernen
  • Entwickeln und Aufsetzen eines eigenen Business-Cases

Wie erhalte ich meine Zertifizierung?

Bei der Prüfung zum Data Analytics-Kurs handelt es sich um eine Online-Prüfung. Die Online-Prüfung führt die ICO durch und du entscheidest selber über Ort und Zeitpunkt der Prüfung. Du erhältst am zweiten Schulungstag einen Link der ICO, in der alle wichtigen Informationen enthalten sind. Du benötigst zur Prüfungsteilnahme nur eine Webcam (Laptop-Kamera). Du hast nach Erhalt der E-Mail 30 Tage Zeit deinen Prüfungslink zu aktivieren. Ist der Prüfungslink aktiv, hast du ein Jahr Zeit, um die Prüfung abzulegen.

Details zur Online-Prüfung der ICO:

Nachdem wir dich zur Online-Prüfung angemeldet haben, erhältst du von der ICO eine E-Mail mit allen wichtigen Informationen (i.d.R. am ersten Schulungstag). Bitte lies diese aufmerksam durch. In der E-Mail befindet sich ein Link zu deiner persönlichen Prüfungsseite, wo deine bestellten Prüfungen hinterlegt sind. Für jede deiner Prüfungen gibt es einen Link zu einer Musterprüfung. So kannst du dich mit dem System vertraut machen. Diese Links sind ab dem Geltungstag für 30 Tage gültig und aufrufbar. Bei Bedarf kann die Gültigkeit nochmals um 10 Tage verlängert werden. Die Prüfung kann in diesem Zeitraum zu jeder beliebigen Tages- und Nachtzeit abgelegt werden. Das ICO-Prüfungssystem SOE überwacht dabei die Prüfung. Falls du die Prüfung nicht auf Anhieb bestehen solltest, darfst du die Prüfung für den halben Preis wiederholen. Für weitere Infos folge bitte diesem Link zu den FAQs zu den Online Prüfungen der ICO und scrolle nach unten.

Welches Format hat die Zertifizierungsprüfung?

  • Multiple-Choice-Prüfung
  • Sprache: Deutsch
  • Closed Book, d.h. keine Hilfsmittel zulässig
  • Dauer: 45 Minuten
  • 30 Fragen mit drei oder vier Antwortmöglichkeiten. Eine, mehrere oder alle vier Antwortmöglichkeit(en) können richtig sein. Richtig beantwortet ist eine Frage, wenn alle der richtigen und keine der falschen Antwortmöglichkeiten angekreuzt sind. Zum Bestehen müssen mindestens 60 Prozent der Fragen korrekt beantwortet werden.

Gerne kommen wir mit unserer Data Analytics Schulung auch in dein Unternehmen. Stelle einfach eine unverbindliche Anfrage über unser Inhouse-Formular.

Schulungs-Flyer zum Download

mITSM Digitale Transformation mit Data Analytics Schulung und Zertifizierung

Warum Data Analytics mit mITSM?

Unsere Data-Analytics-Experten haben langjährige Erfahrung auf ihrem Fachgebiet. Neben der Vermittlung der theoretischen Grundlagen, legen die Trainer Wert darauf, dir etwas Praktisches an die Hand zu geben: Am Ende der Schulung entwickelst du mit Hilfe des Erlernten deinen eigenen Business-Case, mit dem du schließlich das Gremium überzeugen darfst. Das zweitägige Training bereitet dich optimal auf die Zertifizierungsprüfung der ICO – International Certification Organization – vor.

Motivation für die Data Analytics Schulung

In den letzten Jahren konnten wir erleben, wie digitale Transformation die Welt mit enormer Geschwindigkeit verändert hat. Ihr disruptiver Einfluss ist für uns alle spätestens seit der Corona Pandemie spürbar. Organisationen, welche die Chance verpasst haben auf den Zug der digitalen Transformation aufzuspringen, hat der Markt bestraft. Nach Gartner 2017 haben 42 Prozent der CEOs die digitale Transformation eingeleitet. Die Anzahl der Firmen, die AI-Technologien implementiert haben, ist in den letzten  vier Jahren um 270 Prozent exponentiell gewachsen. In diesem Kurs wirst du befähigt, Chancen digitaler Transformation zu erkennen und für dein Unternehmen zu nutzen.

?

FAQ – Fragen und Antworten zur Schulung Digitale Transformation

  • Was kennzeichnet ein erfolgreiches Data Analytics Projekt?

    Der Erfolg bzw. das Potential eines Data Analytics Projekts lässt sich an mehreren Faktoren bewerten: Zunächst sollte ein klarer Business Case existieren.
    Data Analytics Verfahren, wie z.B. Machine Learning eignen sich besonders für komplexe Problemlösungen mit konkreten Lösungen, z.B. Ja/Nein Fragestellungen. Darüber hinaus, sollte ein geeigneter Datensatz bereits vorhanden oder einfach zu beschaffen sein. Vor allem aber, ist ein Data Analytics Projekt erfolgreich, wenn am Ende ein klarer Mehrwert geschaffen wird und das Projekt nicht im Zustand „mehr Daten sammeln“ feststeckt und dann abgebrochen werden muss. Kurzum, man braucht einen konkreten Use-Case mit echtem Business Value.

  • Wie hängen digitale Transformation und Data Analytics zusammen?

    Das Ziel der digitalen Transformation ist es, Entscheidungen automatisiert auf Basis von Daten zu treffen. Data Analytics ist hier ein Kernbestandteil, da datengetriebene Entscheidungen die maschinelle Analyse von Daten voraussetzen. Dabei wird der Mehrwert durch die Automatisierung der Entscheidungsfindung generiert. Ein Beispiel ist die automatisierte Prüfung und Annahme von Rücksendungen mit Sensorik, die zuvor mühsam manuell verbucht werden mussten.

  • Wie lässt sich die Erfolgswahrscheinlicht eines Use Cases für digitale Transformation einschätzen?

    Der Erfolg hängt von mehreren weichen und harten Faktoren ab. Weiche Faktoren sind bspw. die Unterstützung und das Interesse des Managements an einer Lösung des Use-Cases. Harte Faktoren sind technische Machbarkeit, User Experience, Kosten-Nutzen. Ebenso muss die technische Machbarkeit vorhanden sein: Soll z.B. Machine Learning zum Einsatz kommen, werden Trainingsdaten benötigt. Auch die User Experience ist essentiel: Eine App für Pflegeheimbewohner ist wenig sinnvoll, da der Anteil der Smartphone-Nutzer unter den Bewohnern zu gering ist. Außerdem muss der Use Case gegenüber dem Status Quo in puncto Kosten-Nutzen eine Verbesserung darstellen.

  • Was ist Machine Learning?

    Beim Machine Learning ist das Ziel, Wissen aus Erfahrung zu extrahieren. Dabei wird versucht anhand empirischer Daten zukünftiges Verhalten zu steuern.
    Mittels Algorithmen wird versucht, statistische Muster und Zusammenhänge aus den Daten abzuleiten. So können z.B. Daten aus einer Produktionsstraße genutzt werden, um die Qualität der aktuellen Charge vorherzusagen.

  • Was versteht man unter Big Data?

    Der Begriff Big Data ist Mitte der 90er Jahre aufgekommen. Man versteht darunter zum einen schlicht große Datenmengen und zum anderen Technologien zur Verarbeitung und Auswertung. „Big“ lässt sich in 5 Dimensionen beschreiben, die sogenannten „5Vs of Big Data“:

    • Volume: Umfang und Datenvolumen
    • Velocity: Geschwindigkeit mit der Daten generiert und verarbeitet werden
    • Value: Mehrwert, der durch die Verknüpfung der Datenmengen erzeugt wird
    • Variety: Inhaltliche und semantische Vielfalt der Datenquellen
    • Veracity: Unzuverlässigkeit der Daten im Hinblick auf Qualität und Struktur

    Das Konzept Big Data bezeichnet Datenmengen, welche zu groß, zu komplex, zu schnelllebig oder zu schwach strukturiert sind, um sie mit herkömmlichen Methoden auszuwerten. Während sich BI und Data Warehousing auf die Verarbeitung relationaler Daten fokussieren, kommt Big Data zum Einsatz, wenn klassische Technologien nicht mehr ausreichen.
    Für Big Data werden Methoden des verteilten Rechnens mit spezieller Hard- und Software eingesetzt. Bekannte Software (Big Data Systeme) für die Verarbeitung von enormen Datenmengen, sind bspw. Apache Hadoop und Apache Spark.

  • Welche Rolle spielt die Cloud bei digitaler Transformation?

    Digitale Transformation bedeutet, dass eine Organisation ihre Prozesse datengetrieben automatisiert. Die Bereitstellung dieser Dienste stellt hohe Anforderung an die Leistungsfähigkeit der Rechenkapazitäten, da große Datenmengen extrem schnell auszuwerten sind.
    Das stellt die Unternehmens-IT vor große Herausforderungen. Die Anforderungen an Hard- und Softwarekomponenten sind hoch und die technologische Weiterentwicklung rasant. Die IT muss in der Lage sein, ein breites Spektrum an neuen digitalen Diensten in der erforderlichen Sicherheit, Zuverlässigkeit und Skalierbarkeit zur Verfügung zu stellen.
    Um dies zu ermöglichen, bildet die Cloud eine wichtige Grundlage. Sie bietet On-Demand-Zugriff auf Hardware- und Softwareressourcen sowie Services, mit Hilfe derer die Organisationen neue digitale Geschäftsmodellen realisieren können. Die Administration der Komponenten übernimmt der Cloudanbieter. Infrastruktur kann nach Bedarf skaliert werden, um sich ändernden Geschäftsbedingungen anzupassen.
    Tiefgreifende digitale Transformation on premise (also auf den Rechensystemen der Organisation) zu realisieren, ist ein sehr teurer Prozess.

  • Was sind die größten Erfolgsgeschichten digitaler Transformation?

    Wir erleben digitale Transformation tagtäglich. Die größten Erfolgsgeschichten lassen sich nicht ausmachen, da unser Alltag immer stärker digital durchdrungen ist. Sei es, dass im Supermarkt die Regale anhand von Kassen-Informationen befüllt werden, wir im Internet mit intelligenten Sprach-Bots kommunizieren oder auf unseren Handys automatisiert erzeugte Warnmeldungen über eventuelle Betrugsversuche von unserem Kreditkartenanbieter erhalten. 84% der Arbeitskraft findet heute im Dienstleistungssektor statt. Während die Industrialisierung vor allem auf Automatisierung der Arbeitskraft der blue collar worker zielte, wird bei digitaler Transformation auf den white collar worker im Dienstleistungsgeschäft fokussiert. Dabei geht es weniger um rein manuelle Tätigkeiten, als die Kombination von geistiger und manueller Tätigkeit. Zur Automatisierung eignen sich vor allem monotone und wiederholende Tätigkeiten. Die Bedeutung der digitalen Transformation wächst exponentiell. Nach Gartner ist die Anzahl der Firmen, die AI Technologien implementiert haben, in den letzten 4 Jahren um 270% gewachsen. Der Markt für Global Machine Learning wurde 2018 mit 6,9 Milliarden Dollar bewertet und man rechnet mit einem jährlichen Wachstum von 43,8% bis 2025.

  • Wie unterscheidet sich Deep Learning von Machine Learning?

    Machine Learning ist ein Oberbegriff und bezeichner das Lernen von statistischen Zusammenhängen aus Daten. Deep Learning ist eine Unterkategorie des Machine Learnings. Während beim klassischen Machine Learning das Modell oft von einem Experten an das Problem angepasst wird und Merkmale zunächst „händisch“ aus den Rohdaten extrahiert werden müssen, übernimmt Deep Learning die Merkmalsextraktion. Vereinfacht könnte man sagen, dass Deep Learning eine Art automatisierte Weiterentwicklung des klassischen Machine Learnings ist.

  • Was versteht man unter Artificial Intelligence (AI)?

    Unter AI versteht man eine Kombination von Technologien, die es ermöglichen menschliches Denken und Handeln zu reproduzieren. Dazu zählen die Wahrnehmung des Umfelds und die darauf aufsetzende Analyse, Lernen und Handeln. AI wird zur bei Anwendungen zur Automatisierung in der Arbeit, beim Gaming, in Bildungssystemen und auch der Kunst eingesetzt.

  • Was ist der Unterschied zwischen Data Analytics und Data Analysis?

    Data Analysis ist ein Teil von Data Analytics. Die Data Analysis beschreibt die Analyse, Aufbereitung und Modellierung von Daten. Data Analytics besteht neben Data Analysis aus den Techniken und Tools, die für die Analyse genutzt werden.

  • Wie unterscheiden sich Data Analytics und Business Analytics?

    Die beiden Begriffe werden oft synonym verwendet – doch es gibt feine Unterschiede: Data Analytics ist weitergefasst, die Rede kann hier von jeder Form der Datenanalyse sein. Mit Business Analytics wird dagegen der operative Ablauf beobachtet. Durch die mithilfe von Daten gewonnenen Erkenntnisse können schließlich Schwachstellen und Verbesserungen abgeleitet werden.

  • Inwiefern passen Data Analytics und Data Science zusammen?

    Data Analytics ist ein Teil der Datenwissenschaft. Data Analytics werden genutzt, um den aktuellen Zustand mithilfe von Report und Visualisierungen (Charts, Graphen, etc.) zu beschreiben. Data Science wird dagegen genutzt, um auf Basis derselben Daten Vorhersagen, Modelle und Berechnungen für die Zukunft zu machen.

  • Was ist Business Intelligence?

    Business Intelligence ist der Verarbeitungsprozess von Daten aus geschäftlichen Vorgängen. Genau gesagt, der Prozess der Erfassung, Speicherung und Analyse dieser. Der Sinn von Business Intelligence ist, dass wichtige Kennzahlen aktuell zur Verfügung stehen und als Entscheidungsgrundlage dienen können. Beinahe alle Geschäftsbereiche können durch diese datenbasierte Herangehensweise optimiert werden.

  • Was sind Big Data Analytics?

    Die Big Data Analytics könnte als Vorarbeit zu AI-Anwendungen verstanden werden. Dabei werden zunächst die notwendigen Daten zusammengetragen, oftmals aus verschiedenen Quellen. Diese Daten werden dann optimiert und aufbereitet, sodass sie bereit sind genutzt zu werden. Schließlich werden die Daten mithilfe statistischer Modelle ausgewertet.

  • Welche Tools werden im Data Analytics Kurs verwendet?

    Unser Kurs setzt sich vorwiegend konzeptionell mit Data Analytics auseinander. Wir werden aber behandeln, wie Tools (bspw. Excel, PowerBI, Husprey und Python) eingesetzt werden können, um Datenanalysen prototypisch umzusetzen.

  • Ist diese Ausbildung mit Bildungsgutschein förderfähig?

    Nein. Allerdings sind wir von der Agentur für Arbeit anerkannt (AZAV zugelassener Träger) und erstellen dir als Arbeitssuchenden gerne ein individuelles Angebot zur Vorlage bei deinem Ansprechpartner.

Data Analytics

Fragen zur Vorbereitung auf die Data-Analytics-Prüfung. Es ist jeweils nur eine Antwort korrekt.
  1. 1. Welche der folgenden Datenquellen sind als Streaming-Daten zu verarbeiten?

    …richtig!
    …leider nicht richtig!
  2. 2. Welche Variablen sind typische kardinale Variablen?

    …richtig!
    …leider nicht richtig!
  3. 3. Welche typischen Fehler würden Sie bei Datenanalyseprojekten vermeiden?

    …richtig!
    …leider nicht richtig!
  4. 4. Welche Algorithmen gehören zu den überwachten Lernverfahren?

    …richtig!
    …leider nicht richtig!
  5. 5. Welche Beispiele sind typische prädiktive Analysen?

    …richtig!
    …leider nicht richtig!
  6. 6. Welche Trends begünstigen Data Analytics?

    …richtig!
    …leider nicht richtig!
  7. 7. Welche Faktoren spielen bei der Überlegung eine Analytics Plattform in der Cloud zu betreiben eine Rolle?

    …richtig!
    …leider nicht richtig!
  8. 8. Welche Komponenten finden sich in der Architektur einer analytischen Plattform?

    …richtig!
    …leider nicht richtig!
  9. 9. Welche Phase gibt es typischerweise in einem Digitalisierungs-Projekt?

    …richtig!
    …leider nicht richtig!
  10. 10. Welche Fehler treten bei digitalen Projekten häufig auf?

    …richtig!
    …leider nicht richtig!
  11. 11. Welche Rollen finden sich in der Organisation der Datenanalyse?

    …richtig!
    …leider nicht richtig!
  12. 12. Welche Aufgaben fallen in die Jobbeschreibung eines Data Engineers?

    …richtig!
    …leider nicht richtig!
  13. 13. Welche Grundsätze des Datenschutzes gelten beim BDSG?

    …richtig!
    …leider nicht richtig!
  14. 14. Welche Funktionalität bieten ausgereifte ETL Suites an?

    …richtig!
    …leider nicht richtig!
  15. 15. Welche der folgenden Leistungen kaufen Sie bei dem Modell IaaS vom Cloud-Anbieter?

    …richtig!
    …leider nicht richtig!
  16. 16. Welche Attributkombination ist aus Datenschutzgesichtspunkten unbedenklich für Analysezwecke auswertbar?

    …richtig!
    …leider nicht richtig!
  17. 17. Welche Aufgaben fallen in die Jobbeschreibung eines Data Scientists?

    …richtig!
    …leider nicht richtig!
+49 89 - 44 44 31 88 0
Jobs
Komm in unser Team!

Stellen für Trainer & Produktmanager

Schließen