Customer Data Manager:in
Kurs-ID | 9093-2024-07-22 |
Datum | 22.07.2024 bis 06.12.2024 |
Dauer | 20 Woche(n) |
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 | Dieser Lehrgang richtet sich an (Wirtschafts-)Informatiker:innen aus den Bereichen Marketing, Einkauf, Vertrieb und Kundenmanagement. |
Voraussetzung | Gute Englisch-Kenntnisse sind erforderlich. |
Abschluss | Zertifikat „Customer Data Manager:in“, Zertifikat „Kundenservice mit CRM“, Zertifikat „AWS Certified Cloud Practitioner“, Zertifikat „Statistik“, Zertifikat „Relationale Datenbanken-SQL“, Zertifikat „Python“ |
Förderung | Bildungsgutschein (Arbeitsuchende und Arbeitslose), Weiterbildungsförderung für Beschäftigte, Europäischer Sozialfonds ESF (Kurzarbeit oder Transfergesellschaften). Weitere Förderstellen: Berufsförderungsdienst (BFD), die Berufsgenossenschaft (BG) sowie der Rentenversicherungsträger (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 | Keine Angabe. |
Veranstaltungsort
|
alfatraining Bildungszentrum GmbH
Haller Str. 20 74564 Crailsheim |
Abendkurs | Bildungsgutschein | Förderfähig nach Fachkursprogramm des ESF | Barierrefreier Zugang |
---|---|---|---|
Nein | Ja | k. A. | k. A. |
Beschreibung |
---|
Der Kurs "Customer Data Manager:in" vermittelt den Umgang mit einer CRM-Software, die Grundlagen im Big Data und im Einsatz Künstlicher Intelligenz (KI) in deinem beruflichen Umfeld, der Statistik und SQL-Datenbanken sowie die Programmiersprache Python. Kundenservice mit CRM 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 Künstliche Intelligenz (KI) im Arbeitsprozess Vorstellung von konkreten KI‐Technologien im beruflichen Umfeld Anwendungsmöglichkeiten und Praxis‐Übungen Gewinnung und Bindung von Kundschaft (ca. 4 Tage) Analyse der Kundenbedürfnisse Kundenzufriedenheitsmanagement Kundenkommunikation Customer Experience (CX) 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 AWS Cloud Administrator Cloud-Konzepte (ca. 3,5 Tage) Vorteile der AWS Cloud Prinzipien des AWS Cloud-Designs Migration zur AWS Cloud Konzepte der Cloud-Wirtschaftlichkeit Künstliche Intelligenz (KI) im Arbeitsprozess Vorstellung von konkreten KI-Technologien im beruflichen Umfeld Anwendungsmöglichkeiten und Praxis-Übungen Sicherheit und Compliance (ca. 4,5 Tage) AWS-Modell als geteilte Verantwortung AWS Cloud-Sicherheits-, Governance- und Compliance-Konzepte AWS Access Management-Funktionen Komponenten und Ressourcen für die Sicherheitsuntersützung Cloud-Technologie und -Services (ca. 5 Tage) Methoden zur Bereitstellung und zum Betrieb in der AWS Cloud Globale AWS-Infrastruktur AWS-Computing-Services, -Datenbank-Services, -Netzwerkservices, und -Speicherservices AWS-Service für künstliche Intelligenz und maschinelles Lernen sowie Analytik-Services Services aus anderen abgedeckten AWS-Services-Kategorien Fakturierung, Preisgestaltung und Support (ca. 2 Tage) Vergleich von AWS-Preismodellen Ressourcen für Fakturierung, Budget und Kostenmanagement Techn. Ressourcen und Supportoptionen von AWS Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 5 Tage) AWS Certified Cloud Practitioner CLF-C02 Statistik Statistische Grundlagen (ca. 6 Tage) Messtheoretische Grundlagen (Grundgesamtheit und Stichprobe, Stichprobenarten, Messung und Skalenniveaus) Univariate Deskriptivstatistik (Häufigkeitsverteilungen, Zentralmaße, Streuungsmaße, Standardwert, 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, Effektgröße, Parameterschätzung, Konfidenzintervalle, Fehlerbalkendiagramme, Poweranalysen und Ermittlung des optimalen Stichprobenumfangs) Künstliche Intelligenz (KI) im Arbeitsprozess Vorstellung von konkreten KI-Technologien im beruflichen Umfeld Anwendungsmöglichkeiten und Praxis-Übungen 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 Relationale Datenbanken mit SQL 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 Künstliche Intelligenz (KI) im Arbeitsprozess Vorstellung von konkreten KI-Technologien im beruflichen Umfeld Anwendungsmöglichkeiten und Praxis-Übungen 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:innen 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 Programmierung mit Python Grundlagen Python (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) Künstliche Intelligenz (KI) im Arbeitsprozess Vorstellung von konkreten KI-Technologien im beruflichen Umfeld Anwendungsmöglichkeiten und Praxis-Übungen 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. |
Schlagworte |
---|
kunden, datenbank, programmierung, objektorientiert, vertrieb, customer relationship management |
Gelistet in folgenden Rubriken: |
---|