Kompaktkurs: Data Analytics - Geschäftsprozesse optimieren durch moderne Methoden (Module einzeln buchbar)
veröffentlicht bis | 22.09.2023 |
Onlinekurs | Dieses Angebot findet digital statt. |
Kosten | k. A. |
Voraussetzung | Deutschkenntnisse B2, Englisch B1, Grundverständnis von Stochastik, Grundverständnis von Betriebsprozessen, PC- und Office-Kenntnisse, Grundlagen einer Programmiersprache |
Abschluss | Zertifikat |
Ansprechpartner | Frau Sabine Ahua |
URL des Kurses | Details beim Anbieter |
Anmelde-URL des Kurses | Direkte Anmeldung beim Anbieter |
Beschreibung |
---|
Werden Sie zum Datenexperten*in! Analysieren, visualisieren und optimieren mit cisco und Microsoft Voraussetzungen Deutschkenntnisse B2, Englisch B1, Grundverständnis von Stochastik, Grundverständnis von Betriebsprozessen, PC- und Office-Kenntnisse, Grundlagen einer Programmiersprache Lehrgangsziel In diesem modular aufgebauten Kurs lernen Sie Visualisierungs- und Analysewerkzeuge kennen, um Daten zu identifizieren, miteinander zu verknüpfen und zu monitoren. Dabei wird auf gängige statistische Verfahren sowie den Einsatz von Python eingegangen. Anhand gesammelter und analysierter Daten werden Hypothesen und Optimierungsziele abgeleitet und die Ergebnisse so aufbereitet, dass sie zur Optimierung von Geschäftsprozessen herangezogen werden können. Das Festlegen, Messen und Auswerten von Kennzahlen sowie das Ableiten von Maßnahmen gehört hier genauso zu den Kursinhalten, wie auch das Erstellen von Transformationskonzepten. Um die Integrität von Geräten und Daten sicherstellen zu können, werden zudem grundlegende CyberSecurity-Prinzipien und Technologien vermittelt. Zielgruppe Beschäftigte sowie Arbeitssuchende, die ihr Wissen im Bereich Data Analytics erweitern wollen Inhalte Modul 1: MS Visio: Visualisieren von Daten (32 UE) Inhalte Instrumente und Methoden zur Datenvisualisierung und Datenpräsentation mit Microsoft Visio Modul 2: Data Analytics - Analysieren von Daten und Prozessen mit Python (80 UE) Inhalte Identifizieren und Klassifizieren von Daten Verknüpfen und Strukturieren von Daten Professionelles Aufbereiten von Daten Datenanalyse mit Python Modul 3: Data Science - Optimieren von Daten und Prozessen (64 UE) Inhalte Bilden von Hypothesen Festlegen von Optimierungszielen Visuelle Darstellung der Analyseergebnisse zur Optimierung der Geschäftsprozesse Messen und Auswerten von Kennzahlen, Ableiten von Maßnahmen Transformationskonzepte aus der Praxis Modul 4: Cyber Security kompakt - Grundlagen in zwei Tagen (16 UE) Inhalte Sicherheit im Umgang mit Technik und Schutz von Geschäftsprozessen Sicherstellen der Integrität von Geräten und Daten Überblick über Prinzipien und Technologien Sicherheit im Internet of Things Lernmethode Erfahrene Trainer vermitteln die Lerninhalte über unser virtuelles Klassenzimmer. Sie lernen zuhause, im Betrieb oder an einem unserer Standorte. Unsere Lernprozessbegleitungen unterstützen Sie dabei. Nutzen Der Kompaktkurs befähigt Sie zum sicheren und kompetenten Umgang mit riesigen Datenmengen im Unternehmen. Sie können Optimierungspotenziale in Unternehmensprozessen erkennen, visualisieren und zielgruppengerecht kommunizieren. Sie wissen, wie diese Daten vor Angriffen aus dem Netz geschützt werden können. Um wettbewerbsfähig zu bleiben, benötigen die Unternehmen Beschäftigte, die genau diese Fähigkeiten mitbringen. Abschlussart Nach erfolgreicher Teilnahme erhalten Sie ein Zertifikat. Förderung Förderfähig durch einen Bildungsgutschein, die Deutsche Rentenversicherung Bund und Land sowie das Qualifizierungschancengesetz Dauer & Preise 192 Unterrichtseinheiten je 45 min Der Kurs besteht aus 4 Modulen, die auch einzeln gebucht werden können. Bitte nehmen Sie über unser Online-Formular Kontakt mit uns auf. Preise für Selbstzahler (inkl. MwSt).: EUR 2.299,00 Wir beraten Sie gerne zu den Fördermöglichkeiten. Ansprechpartner Jacqueline Tegas, Sabine Ahua Telefon: 0711 135340-40 E-Mail digitale-angebote@biwe.de |
Schlagworte |
---|
online, it, wiedereinstieg, kompaktkurs, it weiterbildung, onlinekurs |
Gelistet in folgenden Rubriken: |
---|