Business Analyst

Kurs-ID 6764-0087-20210705
Datum 05.07.2021 bis 22.10.2021
Dauer 16 Wochen
Unterrichtszeiten Montag bis Freitag von 08:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
Kosten k. A.
Zielgruppe Der Lehrgang richtet sich an Personen mit abgeschlossenem Studium in der Informatik, Wirtschaftsinformatik, BWL, Mathematik oder vergleichbarer Qualifikation.
Voraussetzung Kenntnisse einer Skriptsprache werden empfohlen, gute Englisch-Kenntnisse für die Zertifizierungsprüfung von Scrum.org vorausgesetzt. Idealerweise verfügen Sie bereits über die Zertifizierung Professional Scrum Master (PSM I).
Abschluss Zertifikat/Teilnahmebestätigung
Förderung Arbeitsagentur, Jobcenter, Beschäftigungs- und Qualifizierungsgesellschaften, BFD, DRV
Präsenzkurs Keine Angabe.
mind. Teilnehmerzahl 6
max. Teilnehmerzahl 25
URL des Kurses Details beim Anbieter
Anmelde URL des Kurses Direkte Anmeldung beim Anbieter
spezielles Angebot für Dozenten Nein.
Veranstaltungsort
 
alfatraining Bildungszentrum GmbH
Rietstraße 15
78050 Villingen-Schwenningen

 

AbendkursBildungsgutscheinBarierrefreier Zugang
NeinJaNein

 

Beschreibung
Business Analyst:

Die Weiterbildung zum „Business Analyst“ besteht aus 4 Modulen, deren Reihenfolge variieren kann.

Modul 1: 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 2: 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
Relationale Datenbanken
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: Datenverarbeiten und Speichern (ca. 2 Tage)
Der MapReduce-Ansatz
Grundlagen des Cloud Computings

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

Modul 3: 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

Modul 4: Agiles Projektmanagement mit Scrum: Product Owner

Scrum Grundlagen (ca. 2 Tage)
Definition von Scrum
Empirische Prozesssteuerung
Transparenz
Überprüfung
Anpassung

Scrum Team (ca. 1 Tag)
Product Owner
Developer
Scrum Master
Ergebnisverantwortlichkeiten

Scrum Ereignisse (ca. 4 Tage)
Time Box
Sprint
Done
Sprint Planning
Daily Scrum
Entwicklungsarbeit
Sprint Review
Sprint Retrospektive

Artefakte (ca. 3 Tage)
Transparenz und Überprüfbarkeit
Product Backlog
Sprint Backlog
Inkrement
Definition of Done

Scrum Product Owner (ca. 3 Tage)
Aufgaben des Scrum Product Owner
Anforderungsidentifikation und Analyse
Priorisierung und Wertmaximierung
Überarbeitung des Product Backlog

Product Backlog Management (ca. 2 Tage)
Einträge formulieren
Einträge sortieren
Ziele und Missionen erkennbar machen
Arbeit des Entwicklungsteams optimieren
Backlog transparent halten

Projektarbeit, Zertifizierungsvorbereitung und  scrum.org-Zertifizierung zum Professional Scrum Product Owner (PSPO I) in englischer Sprache (ca. 5 Tage)

 

Gelistet in folgenden Rubriken: