Zertifikatslehrgang Data Science

Rechnen Sie mit
besseren Chancen

Daten sind immer und überall. Wer mit diesem zentralen Produktivfaktor gekonnt umgehen, Chancen erkennen und Mehrwert generieren kann, gehört zu den gefragtesten Fachkräften der Wirtschaft. Mit dem erfolgreichen Abschluss dieses Lehrgangs auf Hochschul-Niveau qualifizieren Sie sich für verantwortliche Positionen.

Wie Sie Datenschätze heben
und Mehrwert schaffen

Daten sind die wichtigsten Rohstoffe des 21. Jahrhunderts. Die Analyse und Aufbereitung großer Datenmengen sind Voraussetzung für digitale Transformation und die Industrie 4.0. In vielen deutschen Unternehmen fehlt es jedoch an Spezialisten mit dem nötigen Know-how für ein erfolgreiches Data Management. Diese Lücke schließen Data Scientists. Sie sind nicht nur als Tech-Experten gefragt, sondern auch als Manager: Der Data Scientist steuert Datenprojekte, um Umsatz und Erfolg seines Unternehmens zu steigern.

Im Zertifikatslehrgang zum Data Scientist werden alle Grundlagen für Ihre zukünftigen Aufgaben vermittelt. Neben technischem Know-how gehören dazu auch die erforderlichen Kenntnisse für das erfolgreiche Management von Data-Prozessen in jeder Phase des Projektzyklus‘.

Mit einem erfolgreichen Abschluss sind Sie in der Lage, Datenprojekte im Unternehmen eigenständig zu leiten und Entscheidungsprozesse erfolgreich und kosteneffizient zu managen. Sie lernen aus prädiktiven Analysemethoden echte Mehrwerte für Ihr Unternehmen zu generieren. Unsere Referenten kommen aus namhaften Technologie-Unternehmen und vermitteln Ihnen Inhalte praxisnah und anwendungsorientiert.

Vorsprung durch Agilität

Besonderer Augenmerk liegt am IOM auf dem Konzept der Agilität. Gemeint ist die Fähigkeit von Unternehmen, Marktveränderungen, die sich andeuten, schneller zu erfassen und früher als der Wettbewerb die besseren Antworten parat zu haben. Dieses Vermögen wird künftig noch entscheidender für den Unternehmenserfolg sein. Das IOM gilt als Thinktank für diesen innovativen Ansatz, so dass Sie hier Spezialwissen aus erster Hand erwerben – und selbst Agilität beweisen, in dem Sie anderen voraus sind.

Weiterbildung für die Digitalwirtschaft:
die Bitkom Akademie

Die Bitkom Akademie ist seit 2005 der erste Ansprechpartner für die Qualifizierung von Fach- und Führungskräften zu IT-Themen und digitalen Trends in Deutschland. Zu den Kunden zählen vorwiegend Unternehmen aus der Digitalwirtschaft, von innovativen Start-ups bis zu multinationalen Konzernen. Jährlich führt die Akademie ca. 250 Veranstaltungen mit mehr als 5.000 Teilnehmern durch.

Der Digitalverband Bitkom bildet ein großes, leistungsfähiges Netzwerk und bündelt das Know-how der digitalen Welt. Er schafft einen permanenten Austausch zwischen Fach- und Führungskräften und ist bekannt für seine regelmäßigen Publikationen, Studien und Marktanalysen. Als Tochterunternehmen des Verbands ist die Bitkom Akademie damit stets auf dem neuesten Stand und teilt den Wissensvorsprung mit den Teilnehmern dieses Lehrgangs.

Mit dem IOM verbindet die Bitkom Akademie zudem das Grundanliegen, dass jede Weiterbildungsmaßnahme zu konkreten Ergebnissen im beruflichen Umfeld der Teilnehmer führt. Neben theoretischen Grundlagen vermitteln die Referenten in erster Linie Methoden und Techniken für den praktischen Einsatz.

Key Facts downloaden

Broschüre anfordern

Am IOM bewerben

Zielgruppen

Der Zertifikatslehrgang richtet sich an Fach- und Nachwuchskräfte aller Branchen, die:

Big Data als zentrales Instrumentarium für zukunftsgerichtetes Management und strategische Unternehmensführung kennenlernen und beherrschen wollen,
sich eigene Expertise erwerben wollen, um Data-Potenziale zu erkennen und zu nutzen, ohne sich von Fachleuten abhängig zu machen
und die ihrer beruflichen Laufbahn kräftigen Schub geben wollen.

Der Lehrgang eignet sich zudem für Unternehmensentwickler, IT-Fachleute, Projekt- und Datenmanager sowie Mitarbeiter mit Teamverantwortung außerhalb der IT. Programmierkenntnisse werden nicht vorausgesetzt.

Abschluss

Certified Practitioner Data Science (SHB)
15 ECTS Punkte

Zielgruppe

Der Zertifikatslehrgang ist branchenunabhängig konzipiert und richtet sich hauptsächlich an Entscheidungsträger im Unternehmen. Darüber hinaus eignet sich der Lehrgang für Unternehmensentwickler, IT-Fachleute, Business Controller, Projekt- und Datenmanager sowie Mitarbeiter mit Teamverantwortung außerhalb der IT. Programmierkenntnisse werden nicht vorausgesetzt.

Studiendauer

1 Semester (6 Monate)

Studienorganisation

Kombination aus Präsenzphasen, selbständigem Lernen und Praxistransfer ins Unternehmen.

Studienstart

Halbjährlich, September und Februar

Präsenzphasen und Studienorte

5 Präsenzphasen à 2 Tage, Berlin
Die Präsenzphasen enden i.d.R. am Dienstag

Leistungsnachweise

Transferarbeiten

Studiengebühren

5.900 € (Unternehmen)
5.400 € (Mitglieder des Bitkom e.V. und Privatzahler)

Aufbaustudiengang

Der Zertifikatslehrgang kann bei Erfüllung der Zulassungsvoraussetzungen
auf den Master in Management am IOM erweitert werden.

Ihr Nutzen

Sie erleben eine Weiterbildung auf Hochschul-Niveau und erwerben mit überschaubarem Aufwand wertvolles Wissen. Die Lerninhalte sind theoretisch fundiert, auf dem neuesten Stand und praxisrelevant zugleich. Analytische Fähigkeiten werden ebenso gefördert wie lösungs- und umsetzungsorientiertes Denken. Der Ansatz ist ganzheitlich und zukunftsorientiert. So qualifiziert unser Zertifikatslehrgang Sie für eine erfolgreiche Managementtätigkeit in einem komplexen Umfeld voller Herausforderungen, die sich ständig ändern.

Ein weiterer Vorteil: Sie werden Teil eines international verzweigten Netzwerks von Menschen, die in den nächsten Jahren das wirtschaftlich Geschehen an verantwortlicher Stelle mit bestimmen werden.

Daten sind Chancen: die Module

Data Science

Die Ausbildung zum Data Scientist setzt sich aus fünf Modulen zusammen, orientiert an einem typischen Zyklus von Data Science-Projekten, vom professionellen Datenmanagement angefangen bis hin zur Erstellung prädiktiver Analysen und der Nutzbarmachung von Ergebnissen.

Wenn es um Daten geht, denkt man heute in der Regel „Datenschutz“ mit. Die gesetzlichen Datenschutz-Standards, national und international, verändernden sich häufig. Mit Blick darauf wird der Datenschutz als Querschnittsthema verfolgt, d.h. datenschutzrechtliche Aspekte werden modulübergreifend in unterschiedlichen Kontexten behandelt.

Die Module dieses Zertifikatslehrgangs bauen aufeinander auf, die Reihenfolge ist deshalb weitgehend verbindlich. Abweichungen vom Curriculum sind bei individueller Begründung und Absprache möglich.

5 Module

Modul 1:
Der Data Scientist – Berufsbild mit Zukunft

Der Data Scientist – Profilanalyse, Anforderungen, Anwendungsfelder

Big Data und Data Science
Vom Datenanalyst zum Datenmanager – Profil und Anforderungen an den Data Scientist
Anwendungsgebiete für Data Science im Unternehmen
Von der explorativen bis zur präskriptiven Datenanalyse
Vorstellung des Querschnittsthemas – Data Science und der Datenschutz

Data Science im Unternehmen – Das Potential datengetriebener Geschäftsmodelle

Datengetriebene Geschäftsprozesse und Anwendungsfelder für Data Science
Datengetriebenes Management – Mithilfe von Data Science die richtigen Entscheidungen treffen
Unternehmensanalyse – Wie lassen sich Sweet Spots im eigenen Unternehmen finden?
»Data-Driven Companies« – Best Practice Beispiele

Chancen und Risiken von Data Science – Ausblick und Exkurs

Zwischen Back-Office und Management – Welche Verantwortung wird der Data Scientist zukünftig haben?
Karrierechancen im Unternehmen
Branchen- und Marktanalyse
Praxisbeispiel: Data Science und Internet of Things (IoT)

Modul 2:
Datenhaltung & Data Governance

Analyse von Datenstrukturen

Datenstrukturen: von strukturiert bis unstrukturiert (Datenbanktabellen, JSON, Blogs) – Analysemöglichkeiten
Verfügbarkeit von Daten – Welche Daten existieren? Wer darf wann und wo darauf zugreifen?
Von der Unternehmensdatenbank zu Open Data – Big Data Analytics Geschäftsmodelle und industriespezifische Anwendungsfälle
Die 4 Vs von Big Data: Ab welchen Kriterien werden Big Data IT-Technologien benötigt?

Anwendungsoptionen für Datenhaltung

Datenbankmanagementsysteme – klassisch und Big Data: RDBMS, JSON, noSQL, CAP Theorem
Hadoop – Ein Zoo voller Werkzeuge (Apache Hadoop, Projekte, Treiber, Einsatz)
Data Lake – Definition, Konzepte, Kundenbeispiele
Überblick von Referenzarchitekturen von Technologieanbietern
Cloud Computing und Anbieter – Mit welcher Cloud-Umgebung lassen Data Science Projekte sinnvoll starten?
Iaas/Paas/Saas, Private/Hybrid/Public, Verbreitung in Deutschland, Anbieter

Data Security & Risk Management – Die Rolle des Data Scientists im Umfeld der Datensicherheit

Datenschutz: Definitionen & Gesetze, Beispiele Datenschutzvorfälle, Sicht Bürger & Politik, Überwachung und Verschlüsselung
Datensicherheit: Bedrohungsarten, Risikominimierung, Betrug & Cyber-Kriminalität
Praxisübung: Connected Car – Datenhaltung, Governance und Analysen

Modul 3:
Datenakquisition & Datenintegration im Unternehmen

Datenakquise und Erstellung von Datenarchitekturen

Unstrukturierte Daten analysieren und aufbereiten
Das WWW als Datenlieferant – Ein Überblick über die technischen Hürden
Überblick Datenschnittstellen

Datenintegration: Management und Weiterentwicklung des Datenbestands im Unternehmen

Praktische Anwendung von Datenbankmanagementsystemen
Data Warehouse Anbieter, Architektur und Trends
Einführung in ETL-Prozesse (Extract – Transform – Load) und ETL-Tools
Data Modeling mit ETL-Tools
Praxisbeispiele: Best Practice der Datentransformation

Datenanalyse, -exploration und komplexe Datenabfragen

Was ist möglich? Methoden zur Erkennung komplexer Zusammenhänge und Korrelation von Daten
Technische Voraussetzungen
Anwendungsbeispiele Click-Stream Analyse
Anwendungsbeispiele Information Mining: Extrahieren von Informationen aus Rohdaten

Modul 4:
Data Science Algorithmen – Analytische Verarbeitung & Resultate

Analytische Verarbeitungsmöglichkeiten

Historie und Entwicklung der analytischen Verarbeitungsmethoden – der Weg zu Big Data
Bedeutung von Statistik, Mathematik und Wahrscheinlichkeitsrechnung
Analytische Verarbeitungsmöglichkeiten 2016 – ein Überblick
Integrationsmöglichkeiten der analytischen Komponente in verschiedene Datenhaltungssysteme

Anomalie-Detektion, Korrelation und Kausalitäten, Clustering, Prädiktive Modellierung

Anomalie-Detektion: Auswahl von Algorithmen und Implementierung, Konzepte für die Evaluierung der Algorithmen
Korrelation und Kausalität: die trügerische Sicherheit der Statistik
Clustering und Klassifizierung: Techniken und Methoden
Prädiktive Modellierung

Advanced Analytics – Machine Learning, Neuronale Netze, Naive Bayes, Recommender Systems

Machine Learning – automatisierte Algorithmenentwicklung: Anwendungsfelder & Beispiele
Data Mining und neuronale Netze – Anwendungsfelder & Beispiele
Naive Bayes – Anwendungsfelder & Beispiele
Das Potential von Recommender Systems für Unternehmen – Anwendungsfelder & Beispiele

Modul 5:
Generierung von Business Values und Outcome

Analyseergebnisse erfolgreich visualisieren – Management und Kommunikation von Data Science nach außen

Das 1×1 der Visualisierung
Die Kunst des Storytellings
Herausforderung: komplexe Analysen verständlich kommunizieren
Praxisteil: Visualisierung mit verschiedenen state of the art tools

Return of Investment (RoI) von Data Science – Der Weg zur Schaffung von Business Value

Wie werden Ergebnisse aus Analysen zu wertvollen Informationen für Unternehmen
Data Science integriert im Unternehmensprozess – ein Beispiel
Widerstand im eigenen Unternehmen: Was, wenn die Ergebnisse vom Management ignoriert werden?
Interaktive Diskussionsrunde – warum scheitern noch viele Big Data Projekte?

Big Data – Small Project: PM-Voraussetzungen zur erfolgreichen Integration von Data Science im Unternehmen

Wie starte ich erfolgreich in meinem Unternehmen mit Data Science
Administrative Hürden
Leadership-Management: Aufbau einer funktionierenden Abteilung

Summer School Nordamerika

Studienreise zum Annual Meeting der Academy of Management in den USA oder Kanada mit Schwerpunkt auf Beiträgen zur Leadership und Change-Management-Forschung.

Zusatzmodul