Grundlagen für datengetriebene Produkte
Vom Datenverständnis bis zur PoC-Entscheidung
- PoC als Grundlage: Was ist ein Proof of Concept?
- Bedeutung von Hypothesen: Wie hypothesengetriebenes Arbeiten Struktur und Fokus schafft.
- Datenexploration: Chancen, Risiken und Potenziale früh sichtbar machen.
- Rolle der Datenstruktur: Welche Bedeutung die vorhandene Datenstruktur für das spätere Datenprodukt hat.
Statistik als Startpunkt: Die Basics richtig nutzen
- Daten im Überblick: Erste Orientierung und zentrale Fragen
- Grundbegriffe der Mathematik: Lagemaße, Streumaße, Verteilungen
- Normalverteilung: Bedeutung und praktische Einordnung
- Visualisierung: Daten sichtbar und vergleichbar machen
- Systematischer Überblick zu wichtigsten Eigenschaften der Daten
Datenexploration: Die Struktur hinter den Daten erkennen
- Fehlende Werte: Arten und fachliche Bedeutung
- Ausreißer & Datenprobleme: Abgrenzung zwischen Ausreißer und Messfehler; Rolle der Fachexpertise
- Einfache Datentransformationen: Grundlagen und Relevanz
- Dokumentation: Systematische Sicherung der Erkenntnisse für das Datenprojekt
Hypothesenarbeit: Aufbau, Logik und Vorbereitung der Hypothesenbildung.
Hypothesentests: Grundidee, Einsatz von Test Cards und Learning Cards.
Reflexion: Ableitung neuer Fragen basierend auf Ergebnissen.
Grundlagen Zeitreihen: Bedeutung in der KI und Überblick über Zeitreihenarten.
Zeitreihen: Muster entdecken und interpretieren
- Zeitreihen in der Praxis: Typische Formen und Muster
- Exploration: Grundlegende Analyseverfahren und Tests
- Praktische Untersuchung: Struktur, Verhalten und Besonderheiten erkennen
- Interpretation: Erste Schlussfolgerungen aus Zeitreihen ableiten.
Datenreife, Dokumentation — Bedeutung für das Datenprodukt
- Reifegradmodell: Fünf Stufen eines datengetriebenen Unternehmens; Standortbestimmung des Datensatzes
- Dokumentation: Explorationslogbuch und Dokumentation nach CRISP-DM Phase 3
- Vorbereitung auf Modellierung: Klärung des Datenstatus, offene Punkte, Risiken und Annahmen
- Analyse und Zusammenführung: Klärung des Wissensstands, Identifikation von Risiken und relevanten Mustern.
- Ableitung für Data Preparation: Notwendige Bereinigungen, Transformationen und Feature-Bedarf.
- Übergang zum PoC: Kriterien für „Fit für PoC” und Go-/No-Go-Grundlagen.
Inhalte und Ablauf des Kurses
1. Daten verstehen, bevor Entscheidungen getroffen werden
- Was ein PoC wirklich ist – und welche Rolle Data Understanding spielt
- Wie Hypothesen Struktur, Fokus und Geschwindigkeit in Datenprojekte bringen
- Welche Bedeutung Datenstrukturen für die spätere Modellierung haben
2. Statistische Grundlagen sicher anwenden
- Lagemaße, Streuung, Verteilungen und Normalverteilung
- Visuelle Exploration als Ausgangspunkt jeder Analyse
3. Daten explorieren und typische Herausforderungen erkennen
- Fehlende Werte verstehen und richtig einordnen
- Ausreißer von Messfehlern unterscheiden
- Relevante Transformationen und Dokumentation der Erkenntnisse
4. Von Vermutungen zum echten Wissen
- Hypothesen logisch entwickeln und testen
- Test Cards & Learning Cards einsetzen
- Ergebnisse kritisch reflektieren
5. Zeitreihen praxisnah analysieren
- Muster erkennen, Trends und Saisonalitäten verstehen
- Einfache Tests und visuelle Exploration anwenden
- Erste Interpretationen für PoCs ableiten
6. Erkenntnisse professionell dokumentieren
- Reifegrad eines Datensatzes bestimmen
- Explorationslogbuch aufbauen
- Risiken, Annahmen und offene Punkte sauber erfassen
7. Klarheit für den PoC schaffen
- Zusammenführung aller Erkenntnisse
- Identifikation von Chancen, Risiken und Hypothesen
- Go-/No-Go-Entscheidungen sauber vorbereiten
So lernst du in diesem Kurs
Dieser Kurs bietet dir ein digitales Blended-Konzept, das für berufsbegleitendes Lernen entwickelt wurde. Durch einen flexiblen Mix aus Online-Seminaren und Selbstlernphasen kommst du sicher ans Ziel. So lernst du in dieser Weiterbildung:
Lernumgebung: In deiner Online-Lernumgebung findest du nach deiner Anmeldung nützliche Informationen, Downloads und Extra-Services zu dieser Qualifizierungsmaßnahme.
Selbstlernphasen: Lerne selbstbestimmt, in deinem eigenen Tempo und wann immer du möchtest. Unsere Kurse bieten dir dafür didaktisch hochwertiges Lernmaterial.
Live-Webinare: In regelmäßigen Online-Seminaren triffst du deine Trainer:innen persönlich. Du erhältst Antworten auf deine Fragen, konkrete Hilfestellungen und Anleitungen, um dein Wissen zu vertiefen und die erworbenen Fähigkeiten in praktischen Übungen anzuwenden.
Lern-Community: Während des gesamten Kurses steht dir eine digitale Lern-Community zur Verfügung. Tausche dich mit anderen Teilnehmenden und den Trainer:innen aus und kläre Fragen.
Future Jobs Club: Erhalte exklusiven Zugang zu einem Business-Netzwerk, News und Future Work Hacks.
Teilnahmebestätigung und Open Badge: Als Absolvent:in des Kurses erhältst du eine Teilnahmebestätigung und ein Open Badge, das du u. a. auch ganz einfach in beruflichen Netzwerken (u. a. LinkedIn) teilen kannst.
Dein Nutzen
- Du verstehst, wie ein PoC aufgebaut ist und worauf es in der frühen Phase wirklich ankommt.
- Du lernst, Daten strukturiert zu explorieren und erste Muster sicher zu erkennen.
- Du verstehst, wie Hypothesen Struktur, Fokus und Klarheit in Datenprojekten erzeugen.
- Du erkennst, welche Datenstrukturen relevant sind – und wann ein Datensatz für ein PoC ungeeignet ist.
- Du verstehst, wie fehlende Werte, Ausreißer oder Messfehler einzuordnen sind.
- Du bist in der Lage, statistische Grundlagen gezielt einzusetzen, um Zusammenhänge besser zu verstehen.
- Du weißt, wie du Zeitreihen einordnen musst und kannst wichtige Muster erkennen und interpretieren.
- Du dokumentierst, Erkenntnisse so, dass sie im Projekt direkt weiterverwendet werden können.
- Du bist in der Lage sinnvolle Bereinigungen, Transformationen und nächste Schritte abzuleiten.
- Du triffst auf Basis deiner Analysen eine fundierte Go-/No-Go-Entscheidung für den PoC.
Methoden
Gerade beim Blended Online-Lernen ist ein gut durchdachter Mix an Inhalten, Methoden und Unterstützung für den Lernerfolg unerlässlich. Unser Kurs-Konzept ist genau darauf abgestimmt: strukturierte Selbstlernphasen, fundierter Trainer:innen-Input, Best-Practice-Beispiele, praktische Übungen, Diskussionen und Erfahrungsaustausch in der Lerncommunity.
Tools
Empfohlen für
Diese Weiterbildung eignet sich für alle, die ein zukunftsorientiertes Data Mindset entwickeln und lernen wollen, echten Mehrwert durch Daten zu schaffen. Du erfährst, wie du PoCs für Daten- und KI-Projekte konzipierst, deren Umsetzbarkeit bewertest und souverän als Schnittstelle zwischen Business und IT agierst.
- Projektverantwortliche in Datenprojekten
- Prozessmanager:innen
- Fachkräfte aus Controlling, HR, Finance & Co., die endlich über xls-Sheets hinauswachsen möchten
- Fachinformatiker:innen und Personen, die eine Skript-Sprache können
- Personen mit wenig Daten-Vorerfahrung, aber großer Motivation, datengetrieben zu arbeiten
Starttermine und Details