Nach Abschluss der Weiterbildung verfügen Sie über die Fähigkeiten, sowohl strategische als auch operative Controlling-Entscheidungen fundiert zu treffen. Sie analysieren und interpretieren Unternehmensdaten mithilfe von Power BI und wenden Data Science Konzepte an, um fundierte Geschäftsentscheidungen zu treffen. Zudem sind Sie mit den Grundlagen der Kosten- und Leistungsrechnung sowie der Statistik vertraut. In der Praxis können Sie im Business Development tätig werden und komplexe Datenmodelle für die digitale Geschäftsentwicklung erstellen.
- Begriff und Zielsetzung des Controllings
- Aufgaben und Funktionen im Controlling
- Strukturierung des Controllings: strategisches und operatives Controlling
Datenanalyse und -reporting
- Kennzahlen, Kennzahlensysteme und Reporting im Controlling
- Explorative Datenanalyse
- Erstellen von professionellen Diagrammen
Kosten- und Leistungsrechnung
- Kosten- und Leistungsrechnung: Erfassung und Analyse von Kosten und Leistungen im Unternehmen
- Kostenrechnung als Instrument der Unternehmensführung
- Deckungsbeitragsrechnung
- Kostenstellenrechnung
- Kostenträgerrechnung
- Kostenartenrechnung
Statistik und Analyse
- Grundlagen der Statistik
- Mittelwert, Varianz und Standardabweichung
- Verteilungen in der Statistik
- Wahrscheinlichkeitsrechnung
- Korrelation und lineare Regression
Digitalisierung im Controlling
- Einführung in Power BI
- Datenvorbereitung für Power BI
- Arbeiten mit Power Query
- Datenquellen verbinden und importieren
- Berechnungen mit DAX-Ausdrücken
- Interaktive Dashboards gestalten
Unternehmensentwicklung und Existenzgründung
- Existenzgründung: Entwicklung einer Geschäftsidee
- Finden der passenden Mitgründer*innen und geeigneten Lieferanten
- Erstellung des Businessplans
- Finanzierung: Investoren/Investorinnen, alternative Finanzierungsmöglichkeiten
- Unternehmensrisiken und -krisen
Strategische Planung und Business-Modelle
- Definition von Business-Modellen
- Ziele digitaler Business-Modelle
- DVC-Framework
- Prozess der wirtschaftlichen Bewertung
Datenanalyse-Methoden
- Ablauf eines Data-Science-Projekts
- Regressionsanalyse
- Klassifikation und Support Vector Machines
- Clustering-Algorithmen
Excel- und Funktionskenntnisse
- Kennenlernen von Excel: Dateneingabe, Zellenformatierungen und Arbeitsmappenverwaltung
- Verstehen und Anwenden von Verweisfunktionen
- Knüpfen von Formatierungen an Bedingungen
- Datenanalyse mit Pivot
- Verstehen und Anwenden von WENN-Funktionen inklusive Verschachtelung
Praktische Anwendung und Datenverarbeitung
- Einführung in die Kosten- und Leistungsrechnung
- Mit Funktionen Arbeiten
- Mit Formeln arbeiten
- Zellen formatieren, ausfüllen, kopieren und verschieben
- Unterschied zwischen Relativen und Absoluten Zellbezug kennen