Customer Data Manager:in

Inhalt/Beschreibung

Zielgruppe: Dieser Lehrgang richtet sich an Fach- und Führungskräfte aus Marketing, Einkauf, Vertrieb und Kundenmanagement, Volks- und Betriebswirtschaft.

Customer Data Manager:innen sind für die Erfassung, Analyse und Aufbereitung von (Kunden-) Daten zuständig. Daher vermittelt der Lehrgang zunächst den strategischen, analytischen und operativen Umgang mit CRM für eine kompetente Kundenbetreuung, -bindung und -akquise mithilfe einer CRM-Software. In einem weiteren Schritt führt der Kurs durch die grundlegenden Themen im Bereich Big Data, in der Statistik und der Verwendung relationaler Datenbanken mit SQL. Kenntnisse in der Data Warehouse Modellierung und dem ETL-Prozess sowie in der Datenanalyse, -visualisierung und dem Datenmanagement runden den Kurs ab.

Lehrgangsinhalte

Kundenservice mit CRM-Software
Grundlagen Customer Relationship Management
(ca. 3 Tage)

  • Einführung in das Customer Relationship Management
  • Strategisches, analytisches, operatives CRM
  • Integrierte CRM-Lösungen: ERP-System, Datawarehouse, Data Mining und OLAP

Grundlagen Datenschutz (ca. 1 Tag)

  • Umgang mit Kundendaten
  • Speicherung und Weitergabe von Kundendaten
  • Datenschutz im Bereich Marketing/Werbemaßnahmen

Gewinnung und Bindung von Kundschaft (ca. 4 Tage)

  • Analyse der Kundenbedürfnisse
  • Kundenzufriedenheitsmanagement
  • Kundenkommunikation
  • Psychologie der Kundenbeziehungen
  • Aufbau und Pflege von Kundendatenbanken
  • 360 Grad-Kundenansicht
  • Ganzheitliches Fallmanagement

Umgang mit Kundendaten (ca. 4 Tage)

  • Verwaltung von Terminen, Verträgen und Budget
  • Kundenadministration
  • Workflows zwischen Teams
  • Bereinigung der Datenbank
  • Analytisches CRM (Zielgruppenanalyse, Kundenwertanalyse, Forecasts)
  • Echtzeit-Dashboards
  • Überblick über Leistungskennzahlen
  • Drilldown-Analyse
  • Inline-Datenvisualisierung
  • Auswertung von Verkaufschancen

Steigerung der Kundenprofitabilität (ca. 3 Tage)

  • Marketing
  • Gezielte Rückmeldungen
  • Segmentierungstools
  • Kampagnen-Management
  • Workflows
  • Lead-to-Cash-Transparenz
  • Echtzeit-Verkaufsprognosen
  • Pipeline-Berichte

Einführung CRM Software (ca. 2 Tage)

  • Übersicht in die CRM Systemlandschaft
  • Vorstellung und Positionierung verschiedener CRM-Systeme
  • Prozessabläufe abbilden

Projektarbeit (ca. 3 Tage)

  • Zur Vertiefung der gelernten Inhalte
  • Präsentation der Projektergebnisse

Big Data Grundlagen
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 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

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

Data Engineer
Grundlagen Business Intelligence (ca. 2 Tage)

  • Aufgaben eines Data Engineers
  • Data Warehousing (DWH): Umgang und Verarbeitung von strukturierten, semi-strukturierten und unstrukturierten Daten
  • OLAP
  • OLTP

Anforderung von Daten (ca. 2 Tage)

  • Aufgaben, Ziele und Vorgehensweise in der Anforderungsanalyse
  • Einführung/Modellierung in der UML
  • - Use-Case Analyse
  • - Klassendiagramme
  • - Aktivitätsdiagramme
  • - Modellierung mit ERM

Datenbanken (ca. 2 Tage)

  • Grundlagen von Datenbanksystemen
  • Einführung/Modellierung in der UML
  • Architektur von Datenbankmanagementsystemen
  • Praktische und theoretische Einführung in SQL
  • Verwendung von Datenbanken (SQLite, PostgreSQL)
  • Grenzen von Relationalen Datenbanken

Data Warehouse Modellierung (ca. 4 Tage)

  • Star Schema
  • Snowflake Schema
  • Galaxy Schema
  • Data Vault 2.0
  • - Hubs
  • - Satellites
  • - Links im Raw- und Business Vault
  • - Hash Key
  • - Hash Diff
  • Slowly Changing Dimension Tables Typ 1 bis 5 (Restating, Stacking, Reorganizing, Mini Dimension und Typ 5)
  • Einführung in normal, causal, mini und monster, heterogeneous und subdimensions
  • Vergleich von state und transaction oriented Faktentabellen
  • Density und Storage vom DWH

ETL (ca. 5 Tage)

  • Data Cleansing
    - Null Values
    - Aufbereitung von Daten
    - Harmonisierung von Daten
    - Anwendung von Regular Expressions
  • Datensicherheit/Datenschutz
  • Data Understanding
    - Datenvalidierung
    - Statistische Datenanalyse
  • Praktischer Aufbau von ETL-Strecken
  • Praktischer Aufbau eines Data Vault Modells - Business und Raw Vault
  • Praktische Umsetzung von Hash-Verfahren
  • json
  • csv

Projektarbeit (ca. 5 Tage)

  • Zur Vertiefung der gelernten Inhalte
  • Präsentation der Projektergebnisse

Data Analytics
Einführung Datenanalyse
(ca. 1 Tag)

  • CRISP-DM Referenzmodell
  • Data Analytics Workflows
  • Begriffsabgrenzung Künstliche Intelligenz, Machine Learning, Deep Learning
  • Anforderungen und Rolle im Unternehmen des Data Engineers, Data Scientists und Data Analysts

Wiederholung Grundlagen Python (ca. 1 Tag)

  • Datentypen
  • Funktionen

Datenanalyse (ca. 3 Tage)

  • Zentrale Python-Module im Kontext Data Analytics (NumPy, Pandas)
  • Prozess der Datenaufbereitung
  • Data Mining Algorithmen in Python

Datenvisualisierung (ca. 3 Tage)

  • Explorative Datenanalyse
  • Insights
  • Datenqualität
  • Nutzenanalyse
  • Visualisierung mit Python: Matplotlib, Seaborn, Plotly Express

Datenmanagement (ca. 2 Tage)

  • Big Data Architekturen
  • Relationale Datenbanken mit SQL
  • Vergleich von SQL- und NoSQL-Datenbanken
  • Business Intelligence
  • Datenschutz im Kontext der Datenanalyse

Datenanalyse im Big Data Kontext (ca. 1 Tag)

  • MapReduce-Ansatz
  • Spark
  • NoSQL

Dashboards (ca. 3 Tage)

  • Bibliothek: Dash
  • Aufbau von Dashboards – Dash Components
  • Customizing von Dashboards
  • Callbacks

TextMining (ca. 1 Tag)

  • Data Preprocessing
  • Visualisierung
  • Bibliothek: SpaCy

Projektarbeit (ca. 5 Tage)

  • Zur Vertiefung der gelernten Inhalte
  • Präsentation der Projektergebnisse

Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.

Abschlussprüfung: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen

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

Dieser Kurs vermittelt Ihnen ein ganzheitliches Verständnis von CRM. Sie sind dazu in der Lage, Kundenbeziehungen zu analysieren und zu optimieren. Weiterhin 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. Verbunden mit dem im Kurs vermittelten Fachwissen des Data Engineerings und der Datenanalyse sind Sie in der Lage, umfangreiche Datensätze zu managen, statistisch effizient auszuwerten und die Ergebnisse anschaulich und leicht verständlich zusammenzufassen.

Angaben zur geschlechterspezifischen Nutzung
keine Einschränkungen
Fachliche Zugangsvoraussetzungen

Kenntnisse in der Programmiersprache Python werden vorausgesetzt.

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 „Customer Data Manager:in“
Voraussichtliche Dauer
24 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
  • Berufsförderung der Bundeswehr
  • Bildungsgutschein (auch für Weiterbildung während Kurzarbeit)
  • Leistungen zur Teilhabe am Arbeitsleben (berufliche Rehabilitation)
  • auf Anfrage
Weitere Informationen im Internet
Themengebiet
Informatik-, Informations- und Kommunikationstechnologie

Bildungsanbieter

alfatraining GmbH

Bildungszentrum Rostock

Telefon
0800-3456-500
Internet
https://www.alfatraining.de

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
Karte zeigt
Telefon
0800-3456-500
Wegbeschreibung

Dank der nach AZAV zertifizierten Videotechnik alfaview® können alle unsere Kurse mit dem eigenen Computer – von zuhause aus – besucht werden.

Das alfatraining Bildungszentrum befindet sich im Rostocker Stadtteil Kröpeliner-Tor-Vorstadt (KTV) zwischen Lübecker Straße (B105) und Doberaner Platz. Das Stadtzentrum Kröpeliner Straße ist in ca. 15 Fußminuten erreichbar. Die Straßenbahnhaltestelle Kabutzenhof befindet sich unmittelbar vor dem Gebäude und ist mit den Straßenbahnen der Linie 1, 4 und 5 zu erreichen.

Internet
https://www.alfatraining.de

Kurs aktualisiert am 28.07.2022, Datenbank-ID 00305580