Die Weiterbildung zum „CRM Analyst/-in“ besteht aus 4 Modulen, deren Reihenfolge variieren kann.

Modul 1: 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 Kunden (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

Modul 2: Fachwissen SEM Manager/-in und Web Analyst

Suchmaschinenoptimierung Grundbegriffe (ca. 3 Tage)
Webbasierte Suchmaschinen
Google Universal Search
Vertikale Suchmaschinen
Suchergebnisseiten und Treffer
Rich Snippets
Google Knowledge Graph
Random Surfer
Reasonable Surfer
PageRank
Link Popularity, Domain Popularity
TrustRank
RankBrain

SEO-Prozesse (ca. 2 Tage)
Schritte des SEO-Prozesses
SEO-Ziele definieren
Keyword-Kandidaten
Such-Intention
Google Keyword Planer
Keyword Effectiveness Index (KEI)
Conversions
Content-Qualität
User Signals
Keyworddichte berechnen
Within Document Frequency (WDF)
Inverse Document Frequency (IDF)

Webseitenoptimierung (ca. 3 Tage)
Optimierung für Mobilgeräte
Meta-Tags
Eingebundene Dateien
Duplicate Content
semantisches Web
HTML5 Mikrodaten
JSON-LD
Ladezeiten einer Webseite überprüfen
Domains auf IP-Adresse überprüfen
Sicherheitsfunktionen des
https-Protokoll
robots.txt
Linkaufbaustrategie
Ankertexte
Google Penalty
Suchanfragen mit lokalem Bezug

SEO-Erfolgskontrolle (ca. 3 Tage)
Erfolgskontrolle ohne kommerzielle Tools durchführen
Tools für die Ranking-Überwachung
Google-Index Optimierungspotential
Backlinks
Sichtbarkeitsindex
Onpage-Analyse

Google Ads (ca. 2 Tage)
Google Ads
Absicht von Suchanfragen analysieren
Erstellung von Keyword-Listen
Kampagnenarten
Kampagnen aufsetzen und verwalten
AdWords-Auktion

Webanalyse (ca. 3 Tage)
Web Analytics Ziele und Funktionen
Datenschutz
Reichweitenmessung
Möglichkeiten und Grenzen der erfassbaren Daten
Google Analytics einrichten
Echtzeit-Berichte
Zielgruppenanalyse
Herkunft von Webseitenbesuchern
Dimension, Direct, Organic Search, Social,
Referral, Metric, Source, Medium und Channel
Conversion Funnel
Event- und Goal-Tracking
Besucherverhalten
Google Tag Manager

Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 4 Tage)

Modul 3: Relationale Datenbanken mit Microsoft SQL

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 Tage)
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

Modul 4: Big Data Analytics

Kurzeinführung Big Data (ca. 1 Tag)
Was ist Big Data?

Grundlagen in Python (ca. 4 Tage)
Einführung und grundlegende Funktionen
Datentypen
Zentrale Python-Module im Kontext Big Data Analytics

Big Data Architekturen (ca. 5 Tage)
Big Data Architekturen (Hadoop und andere Lösungen)
Relationale Datenbanken im Hadoop Ecosystem
Grundlagen SQL
Vergleich von SQL und NoSQL Datenbanken

Datenanalyse, Statistik und Data Mining (ca. 5 Tage)
Explorative Datenanalyse mit Python
Daten visualisieren in Python
Statistische Grundlagen
Data Mining Use Cases
Data Mining Algorithmen in Python

Big Data: Daten verarbeiten und speichern (ca. 2 Tage)
Der MapReduce-Ansatz
Grundlagen des Cloud Computings

Projektarbeit (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse