In dieser Weiterbildung erarbeiten Sie sich umfassende Kenntnisse im Bereich des Customer Data Platform Managements. Sie lernen, wie Sie Kundendaten aus verschiedenen Quellen zentralisieren und für personalisierte Marketingstrategien nutzen. Ein besonderer Fokus liegt auf der Datenvisualisierung, um komplexe Datenmengen verständlich darzustellen und fundierte Entscheidungen zu treffen. Sie werden in die Lage versetzt, Datenmodelle zu erstellen und zu verwalten, die für die effektive Nutzung einer Customer Data Platform erforderlich sind. Zudem erwerben Sie Fähigkeiten in der Datenvisualisierung, um Muster und Trends in den Kundendaten zu erkennen. Die Anwendung von Analysetools zur Datenvisualisierung ermöglicht es Ihnen, zielgerichtete Marketingkampagnen zu entwickeln und die Kundenbindung zu stärken. Die methodische Umsetzung erfolgt durch praxisorientierte Übungen, in denen Sie die erlernten Techniken der Datenvisualisierung direkt anwenden. Anhand von Fallstudien und Projekten vertiefen Sie Ihr Verständnis für die Integration von Customer Data Platforms und die effektive Datenvisualisierung. Nach Abschluss der Weiterbildung sind Sie in der Lage, eine Customer Data Platform eigenständig zu implementieren und durch gezielte Datenvisualisierung wertvolle Einblicke in das Kundenverhalten zu gewinnen. Dies befähigt Sie, datengetriebene Marketingstrategien zu entwickeln und die Kundenkommunikation zu optimieren.

Grundlagen der Datenverarbeitung und -modellierung
  • Kenntnisse im Bereich Datenvisualisierung anhand relationaler Datenbanken
  • Datenbankmodellierung und Namenskonventionen
  • Normalisierung und Normalformen mit Fokus auf Datenvisualisierung
  • Datentypen und Keys
  • Indizes durch Anwendungen aus der Datenvisualisierung
  • Physische Modellierung und Views
  • Praxisbeispiele zu SELECT, JOIN und GROUP BY im Kontext der Datenvisualisierung
  • Ändern von Daten über INSERT, UPDATE und DELETE
  • Erstellung eines ERM mit Bezug zur Datenvisualisierung

Programmierung und Analyse mit spezialisierten Tools
  • Einführung in Pandas und Dataframes mit Schwerpunkt auf Datenvisualisierung
  • Datenreinigung
  • Fortgeschrittene Methoden der Datenvisualisierung in der Praxis
  • Praxisarbeit: Programmierung Neuronales Netzwerk
  • Einführung in PyTorch mit Anwendungen für Datenvisualisierung

Machine Learning-Techniken und Anwendungen
  • Einführung in Machine Learning mit Bezug zu Datenvisualisierung
  • Lineare Regression und Multiple Regression
  • K-nearest-neighbor-Klassifizierung mit Fokus auf Datenvisualisierung
  • Logistische Regression und Decision Trees
  • Einführung in Unsupervised Machine Learning und K-Means Clustering mit Anwendungsbeispielen aus der Datenvisualisierung
  • Einführung in Neuronale Netze und Backpropagation

Datenschutz und DSGVO-Compliance
  • Anwendungsbereich der DSGVO im Rahmen der Datenvisualisierung
  • Datenschutzrechtliche Pflichten und Verarbeitungsgrundsätze
  • Rechtsgrundlagen für die Datenverarbeitung mit Bezug zur Datenvisualisierung
  • Löschung und Datenübertragbarkeit
  • Zusammenarbeit mit den Aufsichtsbehörden und Rechtsdurchsetzung und Sanktionen nach der DSGVO unter besonderer Berücksichtigung der Datenvisualisierung

Community-Management und Zukunftsperspektiven
  • Rechtliche Rahmenbedingungen, Start und Mitgliedergewinnung mit Bezug auf Datenvisualisierung
  • Kommunikation in der Community
  • Communitypflege: die vier Phasen, Routineaufgaben, Community-Engagement und Mitgliederbindung mit Fokus auf Datenvisualisierung
  • Monitoring
  • Die Zukunft von Community Management unter Einbezug von Datenvisualisierung