Detailed Course Outline
Modul 1 Der Data Scientist – Berufsbild mit Zukunft
Profil, Anwendungsfelder und Potentiale
Wie arbeitet ein Data Scientist und welche Kompetenzen muss er mitbringen? Welchen Nutzen können Daten für Unternehmen haben? In dem ersten Modul lernen die Teilnehmerdie Anwendungsfelder und Potenziale von Big Data und Data Science in Unternehmen aus verschiedenen Branchen kennen. Dabei wird ein grundlegendes Verständnis für Data Science im 21. Jahrhundert vermittelt sowie die speziellen Anforderungen an das Berufsbild des Data Scientists erläutert. Mithilfe realer Fallbeispiele trainieren die Teilnehmer ihre Fähigkeiten, Potenziale datengetriebener Analysen im eigenen Geschäftsumfeld zu erkennen und umzusetzen. Am zweiten Tag des Moduls wird auf Fragen zur Beschaffenheit von Daten und der Relevanz interner und externer Datenquellen eingegangen, um eine Basis für das Thema Datenarchitekturen in Unternehmen zu schaffen.
Modul 2 Datenarchitektur, Data Governance & Datenschutz
Analyse und Management: Datenbestand, -zugriff, -verwaltung und Governance | Anforderungen aus dem Datenschutz
Im zweiten Modul lernen die Teilnehmer die verschiedenen Datenhaltungsoptionen in Unternehmen kennen. Da es mittlerweile eine unüberschaubare Anzahl von Technologien für die Verarbeitung großer Datenmengen gibt, liegt der Schwerpunkt dieses Moduls auf einem umfassenden Überblick über die wichtigsten Datenstrukturen, möglichen Analysen und geeigneten Datenhaltungssystemen. Ein weiteres Kernthema ist die erforderliche Data Governance, einschließlich Datenqualität und unterschiedlicher Benutzerrollen in komplexen Unternehmensstrukturen. Am zweiten Tag dieses Moduls wird ein umfassender Überblick über die EU-Datenschutzgrundverordnung gegeben, um zu erläutern, welche Anforderungen das Datenschutzrecht an Data-Science-Projekte stellt. Hierbei stehen nicht nur die rechtlichen Rahmenbedingungen im Fokus. Das Modul vermittelt ebenfalls, wie datenschutzrechtliche Herausforderungen in Data-Science-Projekten pragmatisch und effizient angegangen werden können. Ein Fokus liegt dabei auf dem Management interner und externe Stakeholder, z. B. eigener Datenschutz-Expertinnen und -Experten oder Dienstleister.
Modul 3 Datenakquisition und Datenintegration im Unternehmen / Data Science Algorithmen I
Vertiefung Data Engineering: Datenströme, Datenexploration
Wie können neue, notwendige Daten beschafft werden? Wie gelangen diese Daten in die eigene Unternehmensdatenbank und wie werden sie für nachfolgende Analysen verarbeitet? In Modul 3 lernen die Teilnehmer anwendungsbezogen, wertvolle Daten im Unternehmen und aus externen Quellen wie Social Media und dem Internet zu finden. Darüber hinaus wird ein umfassendes Praxiswissen zu möglichen Datenschnittstellen im Unternehmen vermittelt. Um Daten in einer Analyseumgebung zu analysieren, müssen diese oft in andere Formate transformiert werden. Die Teilnehmer erlernen die entscheidenden Verarbeitungstechniken für verschiedene Quelldaten mithilfe eines schnell erlernbaren Datenintegrationstools. In Teil zwei dieses Moduls beginnen die Teilnehmer mit dem Einstieg in die Welt der Data-Science-Algorithmen und erhalten eine Einführung in die grundlegenden Konzepte.
Modul 4 Data Science Algorithmen II – Analytische Verarbeitung & Resultate
Analysetechniken, Statistikmethoden und Modelltraining und -evaluierung
Big Data, Künstliche Intelligenz und Data Science sind in aller Munde. Sie verändern nicht nur Geschäftsprozesse, sondern krempeln ganze Geschäftsmodelle und gar Märkte um. Mit dem exponentiellen Wachstum von Daten, wird deren Auswertung auf Basis fortschrittlicher Data Science Algorithmen zum Treiber der digitalen Transformation. Doch was bedeutet dies konkret und was steckt dahinter? In Modul 4 erlangen die Teilnehmer einen fundierten und anwendungsorientierte Überblick über die Methoden und analytischen Werkzeuge eines Data Scientists und verstehen, wie diese im Kontext unterschiedlicher Anwendungsfälle angewendet werden. Auf Basis praktischer Beispiele wird den Teilnehmer dabei das Potenzial, das sich aus der Umsetzung von Data Science Projekten ergibt vermittelt. Die Teilnehmer werden außerdem in die Lage versetzt, analytische Ergebnisse anhand zentraler Gütekriterien und datenethischer Prinzipien zu bewerten. Neben dem Erlernen der Prozesskette für die Erstellung von Vorhersagemodellen auf Basis von strukturierten Informationen mittels Machine Learning wird in diesem Modul auch die Auswertung von unstrukturierten Daten und der Einsatz von Deep Learning Modellen behandelt.
Modul 5 Generierung von Business Value und Outcome
Visualisierung & Kommunikation von Analyseergebnissen
Wie visualisiere ich wertvolle Erkenntnisse aus Daten in meine Geschäftsprozesse und wie profitieren auch Kollegen von meinen Analysen? Wie kann Big Data wirklich Mehrwerte für mein Unternehmen erzeugen? Modul 5 widmet sich der Unternehmensseite und schult die Teilnehmer, Zahlenreihen und statistische Ergebnisse in verständliche und für das Unternehmen relevante Erkenntnisse zu verwandeln. Hierfür gibt es eine Vielzahl von Visualisierungstools, die den Teilnehmer Anwendungsoptionen verdeutlichen. Neben der Darstellung und Kommunikation von Ergebnissen hat die erfolgreiche Einbindung in Unternehmensprozesse ebenfalls einen erheblichen Einfluss auf die Wirksamkeit von Big Data-Projekten in Unternehmen. Teilnehmer werden geschult, wie Projekte idealerweise geplant, durchgeführt und erfolgreich zum Abschluss gebracht werden. Der Lehrgang schließt mit einem Präsentations-Workshop ab, in welchem jeder Teilnehmer einen erarbeiteten Anwendungsfall präsentiert.