Inhalt

- Explorative Datenanalyse (EDA): Visualisierungstechniken zur ersten Datenexploration und Mustererkennung

- Data Mining und Data Patterns: Einführung in Data-Mining-Konzepte und die Identifizierung relevanter Muster

- Unüberwachtes maschinelles Lernen:
- Clustering-Verfahren: Konzepte und Anwendung verschiedener Clustering-Techniken
- RFM-Analyse (optional, je nach Zielgruppe): detaillierte Betrachtung der RFM-Methode zur Kundensegmentierung

- Feature Engineering: Methoden zur Erstellung und Auswahl relevanter Merkmale für die Analyse

- Ausreißerbetrachtung/Anomalieerkennung: Identifikation und Umgang mit ungewöhnlichen Datenpunkten

- Predictive Analytics: Überblick über verschiedene Arten von Aufgaben (Klassifikation und Regression) und Konzept von Training und Testdaten
- Klassifikationsverfahren:
- Logistische Regression: Grundlagen und Anwendung zur binären und zur Multiklassen-Klassifikation
- Support Vector Machines (SVM): Prinzipien und Einsatzmöglichkeiten
- Entscheidungsbäume und Random Forests: Funktionsweise und Vorteile von Ensemble-Methoden

- Regressionsverfahren:
- Lineare Regression: Grundlagen und Interpretation der Ergebnisse
- Polynomiale Regression: Modellierung nicht-linearer Beziehungen
- Regression mit Regularisierung (Lasso, Ridge): Umgang mit Overfitting

- Modellauswertung:
- Metriken für Klassifikation: Genauigkeit, Präzision, Recall, F1-Score, ROC-Kurve
- Metriken für Regression: mittlerer quadratischer Fehler (MSE), R-Quadrat
- Kreuzvalidierung: robuste Schätzung der Modellperformance

- Datenvisualisierung: Erstellung aussagekräftiger Diagramme und Dashboards

- CRISP-DM (CRoss-Industry Standard Process for Data Mining): Überblick über den standardisierten Prozess für Data-Mining-Projekte

Hinweis: Der optionale Bezug zur RFM-Analyse kann je nach spezifischer Zielgruppe und Fokus des Webinars stärker oder schwächer betont werden.

Nutzen

Die Fähigkeit, Daten richtig auszuwerten, ist in vielen Unternehmensbereichen von entscheidender Bedeutung.

Diese Weiterbildung bietet Ihnen einen umfassenden Einstieg in die Welt der datenbasierten Entscheidungsfindung mit klarem Fokus auf Datenanalyse, Datenaufbereitung und Visualisierung. Sie lernen, wie Sie mithilfe deskriptiver Analysen, explorativer Datenanalyse (EDA) und Data Mining verborgene Muster, Trends und Zusammenhänge in Datensätzen erkennen. Anhand von praxisnahen Übungen und realen Beispielen gewinnen Sie Sicherheit im Umgang mit Daten, ganz gleich, ob Sie im Controlling, Marketing, in der IT oder im Business Development oder HR tätig sind.

Ein besonderer Schwerpunkt liegt auf dem unüberwachten maschinellen Lernen mittels Clustering-Verfahren. So lernen Sie, natürliche Gruppen in Daten zu identifizieren, Ausreißer zu erkennen und Anomalien gezielt zu analysieren. Das Webinar vermittelt zudem essenzielle Techniken des Feature Engineerings, mit denen Sie Daten gezielt transformieren und analysierbar machen. Mithilfe aussagekräftiger Visualisierungen lernen Sie, Ihre Analyseergebnisse verständlich und wirkungsvoll zu präsentieren.

Mithilfe des bewährten CRISP-DM-Prozessmodells erhalten Sie ein strukturiertes Framework, das Ihnen Sicherheit in der Planung und Umsetzung eigener Analyseprojekte gibt. Die vermittelten Methoden und Werkzeuge lassen sich direkt im Berufsalltag anwenden und liefern einen echten Mehrwert für Ihr Unternehmen, beispielsweise durch fundierte Entscheidungen, Prozessoptimierungen oder ein besseres Kundenverständnis.

Diese Weiterbildung im Bereich der Datenanalyse ist branchenübergreifend einsetzbar und bildet zugleich eine solide Grundlage für weiterführende Predictive Analytics und die Zusammenarbeit mit Data-Science-Teams. Darüber hinau