Data Manager:in

Zielgruppe: Fachkräfte aus den Bereichen Betriebswirtschaft, (Wirtschafts-) Informatik, Ingenieurwesen, aber auch Geschäftsführer/-innen oder Key Account Manager:innen.

Data Manager:innen optimieren die Qualität und Nutzung von Datenbanken und betreuen die Datenanalyse und -verarbeitung. Dieser Lehrgang führt in die Grundlagen des Datenmanagements ein und erläutert praxisnah die Nutzung relationaler Datenbanken. Des Weiteren erlernen Sie die statistischen Methoden zum Vergleich von unterschiedlichen Datengruppen und erhalten eine Einführung in die Versuchsplanung. Im Bereich SQL erwerben Sie grundlegende Kenntnisse in der Entwicklung und Abfrage von Datenbanken und installieren das Microsoft SQL Server Management Studio als grafische Oberfläche. Abschließend lernen Sie mit Python eine Programmiersprache kennen, die sich besonders zur Datenauswertung, -manipulation und -visualisierung eignet.

Lehrgangsinhalte:

Big Data Grundlagen
Datenmanagement (ca. 2 Tage)

• Anforderungen an Daten
• Data Governance
• Datenbereinigung

Was ist Big Data? (ca. 4 Tage)

• Die fünf Vs: Volume, Velocity, Variety, Value, Veracity
• Chancen und Risiken großer Datenmengen
• 6 Schritte des CRISP-DM Industriestandards
• Data Warehouse, Data Lake
• Abgrenzung: Business Intelligence, Data Analytics, Data Science
• Was ist Data Mining?

Künstliche Intelligenz (KI) im Arbeitsprozess

• Vorstellung von konkreten KI-Technologien im beruflichen Umfeld
• Anwendungsmöglichkeiten und Praxis-Übungen

Verteilte Systeme (ca. 3 Tage)

• SQL/NoSQL
• Was ist Web 2.0?
• Begriffserläuterung Cloud-Computing
• Einsatzmöglichkeiten von Google, Hadoop, Spark
• MapReduce

Datenmanagement (ca. 2 Tage)

• ETL (extract, transform, load)
• Datenerfassung, -speicherung, -analyse und -verwendung

Relationale Datenbanken, SQL (ca. 2 Tage)

• Entitätsmengen
• Relationen
• Datenbanken/Tabellen
• Schlüsselfelder
• Einsatz Indizes
• Datenbanksystemtypen
• Datentypen: Standard- und spezielle Datentypen
• Beziehungen zwischen Relationen
• Entity-Relationship-Modell

NoSQL (ca. 2 Tage)

• Grenzen von relationalen Abfragesprachen
• Cap-Theorem
• ACID vs. Base
• No-SQL Technologien

Rechtliche Grundlagen (ca. 2 Tage)

• GDPR
• Datenschutz und -sicherheit
• DSGVO
• Das Bundesdatenschutzgesetz

Projektarbeit (ca. 3 Tage)

• Zur Vertiefung der gelernten Inhalte
• Präsentation der Projektergebnisse

Statistik
Statistische Grundlagen (ca. 6 Tage)

• Messtheoretische Grundlagen (Grundgesamtheit und Stichprobe, Stichprobenarten, Messung und Skalenniveaus)
• Univariate Deskriptivstatistik (Häufigkeitsverteilungen, Zentralmaße, Streuungsmaße, Standardwerte, Histogramme, Balkendiagramme, Kreisdiagramme, Liniendiagramme und Boxplots)
• Bivariate Deskriptivstatistik (Zusammenhangsmaße, Korrelationskoeffizienten, Kreuztabellen, Streudiagramme und gruppierte Balkendiagramme)
• Grundlagen der induktiven Inferenzstatistik (Wahrscheinlichkeitsverteilung, Normalverteilung, Mittelwerteverteilung, Signifikanztest, Nullhypothesentest nach Fisher, Signifikanz, Effektgröße, Parameterschätzung, Konfidenzintervalle, Fehlerbalkendiagramme, Poweranalysen und Ermittlung des optimalen Stichprobenumfangs)

Künstliche Intelligenz (KI) im Arbeitsprozess

• Vorstellung von konkreten KI-Technologien im beruflichen Umfeld
• Anwendungsmöglichkeiten und Praxis-Übungen

Methoden zum Vergleich von zwei Gruppen (ca. 5 Tage)

• z- und t-Test für eine Stichprobe (Abweichung von einem vorgegebenen Wert)
• t-Test für den Mittelwertsunterschied von zwei unabhängigen/ verbundenen Stichproben
• Prüfung der Wirksamkeit von Aktionen, Maßnahmen, Interventionen und anderen Veränderungen mit t-Tests (Pretest-Posttest-Designs mit zwei Gruppen)
• Unterstützende Signifikanztests (Anderson-Darling-Test, Ryan-Joiner-Test, Levene-Test, Bonnet-Test, Signifikanztest für Korrelationen)
• Nonparametrische Verfahren (Wilcoxon-Test, Vorzeichentest, Mann-Whitney-Test
• Kontingenzanalysen (Binomialtest, Exakter Test nach Fisher, Chi-Quadrat-Test, Kreuztabellen mit Assoziationsmaße)

Methoden zum Mittelwertvergleich von mehreren Gruppen (ca. 5 Tage)

• Ein- und zweifaktorielle Varianzanalyse (einfache und balancierte ANOVA)
• Mehrfaktorielle Varianzanalyse (Allgemeines Lineares Modell)
• Feste, zufällige, gekreuzte und geschachtelte Faktoren
• Mehrfachvergleichsverfahren (Tukey-HSD, Dunnett, Hsu-MCB, Games-Howell)
• Interaktionsanalyse (Analyse von Wechselwirkungseffekten)
• Trennschärfe und Poweranalyse bei Varianzanalysen

Einführung in die Versuchsplanung (DoE, Design of Experiments) (ca. 1 Tag)

• Voll- und teilfaktorielle Versuchspläne

Projektarbeit (ca. 3 Tage)

• Zur Vertiefung der gelernten Inhalte
• Präsentation der Projektergebnisse

SQL - Relationale Datenbanken
Grundlagen von Datenbanksystemen mit Access (ca. 3 Tage)

• Redundante Daten
• Datenintegrität
• Normalisierung
• BCNF
• DB-Entwurf
• Beziehung 1:n, m:n
• Datentypen
• Tabellen
• Primär- und Fremdschlüssel
• Referentielle Integrität
• Beziehungen zwischen Relationen
• Entity-Relationship-Modell
• Index, Standartwert
• Einschränkungen (Check)
• Abfragen
• Formulare, Berichte
• Zirkelbezug

Einführung in SQL Server Management Studio (SSMS) (ca. 2 Tage)

• Übersicht
• Phys. DB-Design
• Tabellen erstellen
• Datentypen in MS SQL
• Primary Key
• Einschränkungen, Standartwerte, Diagramm, Beziehungen
• Backup und Restore

Künstliche Intelligenz (KI) im Arbeitsprozess

• Vorstellung von konkreten KI-Technologien im beruflichen Umfeld
• Anwendungsmöglichkeiten und Praxis-Übungen

Einführung in DDL (ca. 8 Tage)

• SQL Grundlagen
• Syntax
• Befehle
• Mehrere Tabellen
• Operatoren
• Ablaufkontrolle
• Skalarwertfunktionen
• Tabellenwertfunktionen
• Systemfunktionen
• Prozeduren mit und ohne Parameter
• Fehlertypen
• Transaktionen, Sperren, DeadLock

DCL – Data Control Language (ca. 1 Tag)

• Anmeldungen
• Benutzer
• Rollen
• Berechtigungen

Datentypen, Datenimport und -export (ca. 1 Tag)

• Datentyp geography
• Datenexport, Datenimport

Projektarbeit (ca. 5 Tage)

• Zur Vertiefung der gelernten Inhalte
• Präsentation der Projektergebnisse

Programmierung mit Python
Grundlagen (ca. 1 Tag)

• Geschichte, Konzepte
• Verwendung und Einsatzgebiete
• Syntax

Erste Schritte mit Python (ca. 5 Tage)

• Zahlen
• Zeichenketten
• Datum und Zeit
• Standardeingabe und -ausgabe
• list, tuple dict, set
• Verzweigungen und Schleifen (if, for, while)

Funktionen (ca. 5 Tage)

• Eigene Funktionen definieren
• Variablen
• Parameter, Rekursion
• Funktionale Programmierung

Fehlerbehebung (ca. 0,5 Tage)

• try, except
• Programmunterbrechungen abfangen

Objektorientierte Programmierung (ca. 4,5 Tage)

• Python-Klassen
• Methoden
• Unveränderliche Objekte
• Datenklasse
• Vererbung

Grafische Benutzeroberfläche (ca. 1 Tag)

• Buttons und Textfelder
• grid-Layout
• Dateiauswahl

Projektarbeit (ca. 3 Tage)

• Zur Vertiefung der gelernten Inhalte
• Präsentation der Projektergebnisse

Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.

Präsenzlehrgänge mit Videotechnik der neuesten Generation
Der Einsatz von Videokonferenzsystemen gehört zum Lehrgangskonzept von alfatraining. Diese Form von Unterricht trainiert das Arbeiten in einer vernetzten Arbeitsumgebung, wie sie in Industrie und Wirtschaft existiert. In der globalisierten Arbeitswelt arbeiten Firmen heutzutage sowohl firmenintern als auch mit anderen Unternehmen deutschlandweit, europaweit oder weltweit über moderne Kommunikationstechniken und Netzwerke zusammen. Sie lernen im Unterricht den Umgang und Einsatz dieser modernen Techniken kennen.

Wie funktioniert der Unterricht bei alfatraining?
Bei alfatraining findet der Unterricht via alfaview®, einer Videokonferenzsoftware, statt. Die Dozierenden und die Teilnehmenden können sich gegenseitig sehen, hören und miteinander sprechen – live, lippensynchron und in Fernsehqualität! Über den virtuellen Klassenraum alfaview® ist es möglich, dass Sie sowohl mit Dozierenden als auch mit allen Teilnehmerinnen und Teilnehmern Ihres Kurses sprechen und im Team standortübergreifend gemeinsam an Projekten arbeiten. Zusätzliche separate Online-Besprechungsräume eignen sich zur vertraulichen Kommunikation in Kleingruppen.

Nach dem Lehrgang kennen Sie die wesentlichen Begrifflichkeiten zum Thema Big Data sowie die Herausforderungen, die im Umgang mit großen Datenmengen anfallen. Mit Statistik und SQL können Sie mit zwei essenziellen Werkzeugen zur Verarbeitung, Darstellung und Analyse von Daten umgehen. Zusätzlich vervollständigen Python-Kenntnisse Ihr Profil im Bereich Data Management.

keine Einschränkungen

keine Einschränkungen

keine Einschränkungen

• Berufsförderung der Bundeswehr
• Bildungsgutschein (auch für Weiterbildung während Kurzarbeit)
• Leistungen zur Teilhabe am Arbeitsleben (berufliche Rehabilitation)
• auf Anfrage

• auf der Internetseite des Bildungsanbieters