In dieser Weiterbildung erwerben Sie fundierte Kenntnisse in der Datenanalyse und setzen sich intensiv mit Datenschutz sowie Kosten- und Leistungsrechnung auseinander. Sie lernen, Daten systematisch zu erheben, zu verarbeiten und zu interpretieren, um fundierte Entscheidungen zu treffen. Ein besonderer Fokus liegt auf der Einhaltung datenschutzrechtlicher Vorgaben bei der Datenanalyse. Zudem werden Sie in die Lage versetzt, Kosten- und Leistungsrechnungen durchzuführen und deren Ergebnisse in die Datenanalyse zu integrieren. Die methodisch-didaktische Umsetzung erfolgt durch eine Kombination aus theoretischen Einheiten und praktischen Übungen. Anhand von Fallstudien wenden Sie die erlernten Methoden der Datenanalyse an und berücksichtigen dabei sowohl datenschutzrechtliche Aspekte als auch betriebswirtschaftliche Kennzahlen. Nach Abschluss der Weiterbildung sind Sie in der Lage, Datenanalysen unter Berücksichtigung von Datenschutzbestimmungen durchzuführen und die Ergebnisse der Kosten- und Leistungsrechnung in Ihre Analysen einzubeziehen. Dies ermöglicht es Ihnen, datenbasierte Entscheidungen im beruflichen Kontext fundiert zu treffen.

Data Science Grundlagen und Anwendungen
  • Anwendung und Funktion in der Wirtschaft mit Fokus auf Datenanalyse
  • Explorative Datenanalyse
  • Ablauf eines Data-Science-Projekts unter Berücksichtigung von Datenanalyse
  • Regressionsanalyse
  • Klassifikation und Support Vector Machines als Anwendungen der Datenanalyse
  • K-nearest Neighbor und NX Boost
  • Clustering-Algorithmen im Rahmen von Datenanalyse
  • Casestudy: Umsatzprognose

Kosten- und Leistungsrechnung
  • Einführung in die Kosten- und Leistungsrechnung sowie deren Bezug zur Datenanalyse
  • Deckungsbeitragsrechnung
  • Kostenstellenrechnung im Kontext von Datenanalyse
  • Kostenträgerrechnung
  • Kostenartenrechnung unterstützt durch Datenanalyse
  • Prozesskostenrechnung
  • Kostenrechnung als Instrument der Unternehmensführung mit Einbindung von Datenanalyse
  • Gemeinkosten- und Zuschlagskalkulation

Statistik und Analyse
  • Grundlagen der Statistik als Basis für Datenanalyse
  • Mittelwert, Varianz und Standardabweichung
  • Verteilungen in der Statistik mit Anwendungen aus der Datenanalyse
  • Wahrscheinlichkeitsrechnung
  • Korrelation und lineare Regression im Bereich Datenanalyse
  • Normalverteilung und Binominalapproximation
  • Schätzungen in der Statistik als Teilaspekt von Datenanalyse
  • Stichproben und Konfidenzintervalle

Datenschutz und rechtliche Rahmenbedingungen
  • Gesetzgebung und Rechtslage in Bezug auf Datenanalyse
  • Verarbeitungsgrundsätze
  • Anforderungen an die Datenschutzorganisation mit Bezug zur Datenanalyse
  • Anwendungsbereich der DSGVO
  • Datenschutzrechtliche Pflichten bei der Durchführung von Datenanalyse
  • Rechtsgrundlagen für die Datenverarbeitung
  • Transparenz, Informationspflicht und Auskunftsrecht im Zusammenhang mit Datenanalyse
  • Löschung und Datenübertragbarkeit