In dieser Weiterbildung erwerben Sie umfassende Kenntnisse im Bereich Data Science, ergänzt durch Grundlagen der Finanzbuchhaltung und des Projektmanagements. Sie lernen, große Datenmengen zu analysieren und mittels Data Mining wertvolle Erkenntnisse zu gewinnen. Dabei setzen Sie sich mit statistischen Methoden auseinander und wenden diese auf praxisnahe Fragestellungen an. Zudem erlangen Sie ein Verständnis für die Prinzipien der Finanzbuchhaltung, einschließlich der systematischen Erfassung von Geschäftsvorfällen und der Erstellung von Jahresabschlüssen. Im Bereich Projektmanagement werden Ihnen grundlegende Konzepte vermittelt, die es Ihnen ermöglichen, Datenprojekte effizient zu planen und zu steuern. Die methodisch-didaktische Umsetzung erfolgt durch eine Kombination aus theoretischen Einheiten und praktischen Übungen. Anhand von Fallstudien und Projekten wenden Sie Data Mining-Techniken an und vertiefen Ihr Wissen in der Finanzbuchhaltung. Gruppenarbeiten und Diskussionen fördern den Austausch und die Anwendung des Gelernten im Kontext des Projektmanagements. Nach Abschluss der Weiterbildung sind Sie in der Lage, Data Mining-Methoden eigenständig anzuwenden, finanzbuchhalterische Prozesse zu verstehen und Datenprojekte zu managen. Diese Kompetenzen befähigen Sie, datengetriebene Entscheidungen in Ihrem beruflichen Umfeld fundiert zu treffen.

Data Science Prozesse und Verfahren
  • Kenntnisse im Bereich Data Mining und deren Einsatz in betrieblichen Kontexten
  • Casestudy: Umsatzprognose
  • Konzepte der explorativen Datenanalyse mit Fokus auf Data Mining
  • Ablauf eines Data-Science-Projekts
  • Regressionsanalyse unter Berücksichtigung von Data Mining Methoden
  • Klassifikation und Support Vector Machines

Finanzbuchhaltung
  • Verbindung grundlegender Buchführungsprozesse mit Aspekten aus Data Mining
  • Basiswissen Buchführung: Inventar, Vermögen, Schulden und Bilanz
  • Erwerben von Kompetenzen in der Erfassung der Bestandskonten mit Bezug zu Data Mining
  • Aufgaben und Grundsätze ordnungsgemäßer Buchführung
  • Integration von Data Mining bei der Analyse des Gewinn- und Verlustkontos
  • Kontorahmen und Kontenplan

Projektmanagement
  • Grundverständnis von Projektmanagementansätzen mit Fokus auf Data Mining
  • Projektarten
  • Einbindung von Data Mining in die Aufgaben eines Projektleiters
  • Traditionelles Projektmanagement
  • Projekt-Initialisierung unter Berücksichtigung von Data Mining Methoden
  • Projekt-Planung

Controlling und Unternehmenssteuerung
  • Anwendungen aus dem Bereich Data Mining im Controlling
  • Aufgaben und Funktionen im Controlling
  • Strukturierung des Controllings mit besonderem Augenmerk auf Data Mining
  • Controllinginstrumente und -methoden
  • Kostenerfassung und Leistungsanalyse im Unternehmen mit Hilfe von Data Mining
  • Kennzahlen, Kennzahlensysteme und Reporting im Controlling

Statistik für Data Science
  • Methoden der Statistik mit Fokus auf Data Mining
  • Mittelwert, Varianz und Standardabweichung
  • Verteilungen in der Statistik - Anwendungsbeispiele aus dem Data Mining
  • Wahrscheinlichkeitsrechnung
  • Korrelation und lineare Regression mit Data Mining Techniken
  • Stichproben und Konfidenzintervalle

Datenschutz und Recht
  • Gesetzgebung und Rechtslage unter Berücksichtigung von Data Mining
  • Verarbeitungsgrundsätze
  • Anwendungsbereich der DSGVO im Verhältnis zu Data Mining
  • Datenschutzrechtliche Pflichten
  • Rechtsgrundlagen für die Datenverarbeitung im Kontext von Data Mining
  • Transparenz, Informationspflicht und Auskunftsrecht