Data Manager:in

Inhalt/Beschreibung

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?

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)

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 (ca. 3 Tage)

  • Entitätsmengen
  • Relationen
  • Entity Integrity
  • Microsoft SQL Server Management Studio
  • Datenbanken/Tabellen
  • Schlüsselfelder
  • Einsatz Indizes
  • Datenbanksystemtypen
  • Datentypen: Standard- und spezielle Datentypen
  • Verwendungshinweise
  • Datenintegrität, -sicherheit und -schutz
  • Konkurrierender Datenzugriff
  • Primär- und Fremdschlüssel
  • Referentielle Integrität
  • Beziehungen zwischen Relationen
  • Entity-Relationship-Modell
  • Datenbankentwurf: Vom Fachproblem zur fertigen Datenbank
  • Datenbankkonflikte
  • Normalisierung: Normalformen 1 - 3, BCNF, Relevanz in der Praxis

Einführung in die DDL (ca. 2 Tage)

  • Erstellung von Tabellen
  • Gültigkeitsregeln (Check)
  • Setzen von Schlüsseln und Standardwerten
  • Manipulieren von Datenstrukturen
  • Verändern und Löschen von Tabellen
  • Nachträgliches Hinzufügen von Schlüsseln
  • Erstellen, Ändern und Löschen von Sichten
  • Vor- und Nachteile von Sichten

Einführung in die DQL (ca. 3 Tage)

  • SELECT mit Filterung und Sortierung
  • Wichtigste SQL-Inline-Funktionen
  • Skalar- und Aggregatfunktionen
  • Gruppierung und Gruppenfilter
  • Tabellen miteinander verknüpfen: Kartesisches Produkt und JOIN-Befehle
  • Equi- und Non-Equijoins
  • Verschachtelte SELECT-Anweisungen
  • Arithmetische-, Bitweise-, Vergleichs-, Verbindungs-, Logische, Zeichenketten- und Unäre Operatoren
  • Mengenoperationen: Union, Except, Intersect, Distinct
  • IIF und CASE-Anweisungen
  • Funktion Coalesce

DML-Befehle (ca. 1 Tag)

  • Insert-, Update-, Delete-, Merge-Befehle
  • Kombinationen von DML- mit DQL-Befehlen

DCL - Data Control Language (ca. 1 Tag)

  • Berechtigungen setzen, zurücknehmen, verweigern
  • Anlegen/Löschen von Logins und Usern
  • Zuweisen von Datenbankrollen
  • Anmelden mit anderen Logins
  • Zuordnung und Vererbung von Rollenberechtigungen

Einführung in die T-SQL-Programmierung (ca. 5 Tag)

  • Variablen (Skalar- und Tabellenvariablen)
  • Maskieren des Anführungszeichens
  • In Variablen gespeicherter SQL-Code ausführen
  • Temporäre Tabellen: lokal, global, permanent If-Anweisung und while-Schleife
  • Erstellen, Ändern und Löschen von Funktionen und Prozeduren
  • Ein- und Ausgabeparameter bei Prozeduren
  • Prozeduren mit mehreren Parametern
  • Unterschiede zwischen Prozeduren und Funktionen
  • Common Table Expressions
  • Tabellenwertfunktionen
  • Nutzung von Zeigern
  • FETCH-Befehl
  • Werte von Zeigern abfangen und in Variablen speichern
  • Triggertypen, -arten, -regeln und -sicherheit
  • Einführung in DML- und DDL-Trigger
  • DML-Trigger bei schlechtem/gutem Datenbankdesign Fehlerbehandlung: TRY-CATCH
  • Schweregrade von Fehlern
  • Erzeugen von Fehlermeldungen
  • Lesezeichen im MS Management Studio

Einführung in MS Access (ca. 1 Tag)

  • ODBC-Datenverbindung erstellen
  • Tabellen und Sichten einbinden
  • Abfragen erstellen
  • Pass-Through-Abfragen erstellen
  • Berichte und Formulare generieren

Projektarbeit (ca. 4 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.

Abschlussprüfung: Praxisbezogene Projektarbeit mit Abschlusspräsentation

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.

Lernziel

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.

Angaben zur geschlechterspezifischen Nutzung
keine Einschränkungen
Fachliche Zugangsvoraussetzungen

keine Einschränkungen

Gesundheitliche Zugangsvoraussetzungen

keine Einschränkungen


Hinweis des Datenbankbetreibers: Informationen über die Barrierefreiheit erfragen Sie bitte beim Anbieter.
Technische Zugangsvoraussetzungen

keine Einschränkungen

Zeitmuster
Vollzeit
Lehr- und Lernform
Seminar/Präsenzveranstaltung
Abschlussart
Teilnahmebestätigung / Zertifikat des Anbieters
Nähere Bezeichnung des Abschlusses
alfatraining-Zertifikat „Data Manager:in“
Voraussichtliche Dauer
16 Woche(n)
Termin
Termine auf Anfrage
Bemerkungen zum Termin
Kursstart alle 4 Wochen
Mindest­teilnehmer­anzahl
3
Maximale Teilnehmerzahl
25
Teilnahmegebühr
Bitte erfragen
Hinweis des Datenbankbetreibers: Bitte erfragen Sie beim Anbieter eventuell auftretende Nebenkosten!
Fördermöglichkeiten
Weitere Informationen im Internet
Themengebiet
Informatik-, Informations- und Kommunikationstechnologie

Bildungsanbieter

alfatraining GmbH

Bildungszentrum Rostock

Internet
https://www.alfatraining.de
Bildungsanbieter-Infos
Bildungsanbieter-Infos

Kontakt

alfatraining Bildungsberatung

Telefon
0800 3456500
Internet
https://www.alfatraining.de/kontakt/rostock/
anerkanntes Qualitätsmanagementsystem
DIN EN ISO 9001, Trägerzulassung nach AZAV

Veranstaltungsort

alfatraining GmbH

Bildungszentrum Rostock

Besucheranschrift
Doberaner Straße 110
18057 Rostock
Deutschland
Telefon
0800-3456-500
Wegbeschreibung
Wegbeschreibung
Internet
https://www.alfatraining.de

Fanden Sie die Kursbeschreibung hilfreich?

Kurs aktualisiert am 18.05.2022, Datenbank-ID 00305644