Zertifizierter Praxislehrgang "Data Scientist"

Lehrgang im Blended Learning Format

Beschreibung

Die Themen Data Science und Data Analytics spielen heutzutage eine zunehmend wichtigere Rolle und werden in der zielgerichteten Datenanalyse auch in der Finanzbranche immer bedeutender.
Unser Lehrgang beleuchtet diese Aspekte auch in einem betriebswirtschaftlichen Zusammenhang und fokussiert in den Modulen die Datenanalyse.

Der Lehrgang richtet sich an Mitarbeiterinnen und Mitarbeiter in Banken und Sparkassen, die eher von der Fachseite kommen als dass sie bereits erfahrene Data Scientists sind, sowie im engeren Sinne an Mitarbeiterinnen und Mitarbeiter aus steuernden Einheiten und Stabsstellen.

Die Teilnehmerinnen und Teilnehmer sind am Ende des Lehrgangs in der Lage, die verschiedenen Elemente eines Data Science Projektes in Grundzügen zu verstehen und beratend mitzuwirken. Dabei liegt der Fokus auf Vorgehensweisen und Methoden, die sich in besonderer Weise für eine Anwendung in einer Bank oder Sparkasse eignen. Sie sollen dazu befähigt werden, in ihrem Unternehmen als „Bridge People“ zu fungieren, also als diejenigen, die Advanced Analytics Methoden aus dem Data Science Umfeld in das eigentliche Geschäft hineintragen und dort Nutzen bringend verankern.

Zu Beginn werden Grundbegriffe rund um das Thema Data und Data Science erörtert und die zunehmende Bedeutung von Big Data dargestellt. Mithilfe von Anwendungsbeispielen u.a. auch in R werden die Grundlagen der Statistik erörtert und in einem weiteren Schritt auch Deep Learning Methoden. Der Lehrgang wird abgerundet durch Verfahren zur Visualisierung und Kommunikation der Ergebnisse. Abschließend werden den Teilnehmern konkrete Anwendungsbeispiele aus der Bankpraxis vorgestellt und das Vorgehen bei deren Entwicklung und Implementierung erörtert. Den Abschluss des Lehrgangs bildet ein Multiple-Choice Test mit vereinzelt offenen Fragen.

Der Grundkurs in R sowie die Bearbeitung einer Fallstudie als Abschlussarbeit kann als Add-on hinzugebucht werden.

 

Inhalte

Modul 1: Einführung und Data Science
Webinar

In diesem Einführungs-Webinar begrüßen wir Sie und testen gemeinsam die Webinarsoftware GoToWebinar, mit welcher alle Webinare übertragen werden.
Außerdem wird das Bankenportal der VÖB-Service GmbH kurz erklärt, über welches sämtliche Aufzeichnungen und Unterlagen geteilt werden. Nach einer kleinen Kennenlernrunde wird das Prozedere des Lehrgangs erläutert und erste Fragen können geklärt werden.

Im Anschluss an die Einführung geht es um Big-Data, Neuronale Netze und Social Scoring. Es wird viel darüber gesprochen, aber kaum jemand weiß, was sich eigentlich dahinter verbirgt oder wo es zur Anwendung kommt. Das Ziel ist es, eine Einführung in die Bereich Data Science über Big- und Smart-Data sowie Social Scoring und Neuronale Netze anzubieten. Dabei werden neben der methodischen Basis in Bezug auf Neuronale Netze auch vielfältige Einsatzorte aufgezeigt, wo die diversen Datentypen zu finden sind, wie aus Big-Data Smart-Data wird und wie diese Datenmengen mit Hilfe Neuronaler Netze analysiert werden können.


Datum: t.b.d.
Referenten: Philip Schmengler, Christian Förster


Modul 2: Organisatorische Einbettung
Seminar

Die Institute stehen vor der Aufgabe, ihre Organisationseinheiten so aufzustellen, dass eine Transformation von Data Analytics Anwendungsfällen aus dem Pilotstatus heraus in die Produktion bestmöglich gelingt. Kleinere Institute werden dabei häufig von ihren Rechenzentren oder Verbunddienstleistern unterstützt. Was häufig fehlt, sind „Übersetzer“-Fähigkeiten und eine effektive Zusammenarbeit zwischen den verschiedenen Rollen, die das entscheidende Bindeglied zwischen Business und Analytics darstellen. Das umfasst auch die Fähigkeit, nicht datenaffinen Menschen die Ergebnisse einer Datenanalyse zu kommunizieren. Hierbei spielt auch die Verwendungsfähigkeit von Daten vor dem Hintergrund des Datenschutzes eine wichtige Rolle. Es werden Vor- und Nachteile unterschiedlicher Organisationskonzepte erörtert.

Datum: t.b.d.
Referent: Dr. Rainer Klingeler


Modul 3: Anwendungsbeispiele
Webinare

Es werden vier Anwendungsfälle für Data Analytics Lösungen vorgestellt: Process Mining, Vertriebssteuerung und Ratingverfahren. Die Lösungen werden im jeweiligen fachlichen Kontext erläutert. Neben den konkret eingesetzten Methoden und Vorgehensweisen zur Erarbeitung der Modelle wird dargelegt, wie die gewonnenen Informationen und Prognosen in den jeweiligen Steuerungskreis implementiert werden und welche Abhängigkeiten es zwischen Informationsbedürfnis der jeweiligen Stabsstellen einerseits und Modelloutput andererseits gibt.

Datum: t.b.d.
Referenten: Christian Förster, Timo Engels, Dr. Rainer Klingeler


Modul 4: Visualisierung von großen Datenmengen
Seminar

Im Business-Analytics-Kontext ist eine umfassende Datenanalyse von zentraler Bedeutung. Ergebnisse solcher Analysen können bei datengesteuerter Geschäftsplanung eine Schlüsselrolle spielen, deshalb steht eine ansprechende und kommunikationsfähige Darstellung immer mehr im Mittelpunkt. Dabei stellen BI-Plattformen eine Werkzeugkiste, mit derer Hilfe komplizierte datengetriebene Zusammenhänge unternehmensübergreifend verständlich gemacht werden können. Im Rahmen des Moduls „Visualisierung von großen Datenmengen“ werden Sie Tableau kennenlernen, eine End-to-End-Lösung, die von Datenanbindung über Visualisierung bis hin zu dezentraler serverseitiger Bereitstellung von Auswertungen alles für einen beschleunigten Erkenntnisgewinn aus Daten bietet.

Datum: t.b.d.
Referenten: Timo Engels


Modul 5: Grundlagen der Statistik
Seminar

Auch dieses Modul ist geprägt durch eine Vielzahl an Anwendungsbeispielen und Übungen. Zielsetzung hierbei ist, dass Sie grundlegende statistische Verfahren kennenlernen und die Ergebnisse interpretieren können. Das Modul wird als eine eintägige Präsenzschulung durchgeführt und behandelt zum einen die statistische Theorie und zum anderen reale Rechenbeispiele. Unter die betrachteten Grundlagen fallen multivariate und statistische Testverfahren, wie Hypothesentests (u. a. T-Test, F-Test, Chi²-Test), Korrelations- und Regressionsanalyse, Klassifikationsverfahren (Clusteranalyse) und eine kurze Einführung in Neuronale Netze. Da viele statistische Modelle hinsichtlich ihrer Güte beurteilt werden, werden in diesem Kontext Gini-Koeffizient, CAP- und ROC-Kurve betrachtet. Es wird erläutert, welche Ergebnisse glaubwürdig sind. Hierbei muss der Frage nachgegangen werden, ob die Inputdaten qualitativ ausreichend sind oder ob das Modell Schwachstellen aufweist, die in der Interpretation der Ergebnisse zu berücksichtigen sind. Neben der Auffrischung der Verfahren sollen ausgewählte Verfahren händisch nachgerechnet und Schritt für Schritt nachvollzogen werden.

Datum: t.b.d.
Referent: Christian Förster­


► Folgendes Modul 6 (Grundkurs R + Fallstudie) ist optional buchbar:


Zusatzmodul 6: Grundkurs R und Fallstudie
optionales Seminar

Geprägt ist dieses optional buchbare Zusatzmodul durch eine Vielzahl an Anwendungsbeispielen und Übungen. Zielsetzung ist, dass Sie die Grundlagen von R kennenlernen. R ist eine freie Softwareumgebung für statistische Berechnungen und Grafiken.
Der erste Teil dient dazu der „Denkweise“ von R näherzukommen. Es werden Fragen behandelt wie: Was ist R? Was kann R? Mit welchen Datentypen kann R arbeiten? Warum ist es wichtig Vektoren verstanden zu haben, um mit R arbeiten zu können? Was sind Pakete?
Im zweiten Teil werden die Schnittstellen von R beleuchtet. Also wie können Daten nach R geladen werden? Und wie kann mit Daten / Tabellen weitergearbeitet werden? Schließlich im letzten Teil wird erläutert, wie Routinen und Verfahren in R angewandt werden. Außerdem wird auf die Frage eingegangen, wie Sie das Verfahren Ihrer Wahl in R anwenden können. 

Fallstudie: Die einzelnen in den vorherigen Modulen kennengelernten Schritte einer Data Science Lösung werden anhand einer beispielhaften Datengrundlage durchgeführt. Sie entwerfen in diesem optional buchbaren Modul eine eigene Umsetzung zur gegebenen Fragestellung, bewerten diese und kommunizieren die Erkenntnisse in einem geeigneten Format. Während eines der vorangestellten Seminartage werden die Datengrundlage und die zu erreichenden Ziele definiert. In der anschließenden Phase haben Sie die Gelegenheit, ihre Arbeitsergebnisse anzufertigen und geeignet zu dokumentieren. Zum Abschluss haben Sie die Möglichkeit, die Arbeitsergebnisse zu präsentieren und durch das Plenum kritisch würdigen zu lassen.

Datum: t.b.d.
Referent: Christian Förster­

Methodik

  • Interaktiver Vortrag
  • Praxisbeispiele
  • Diskussion
  • Abstimmungstools

Teilnehmerkreis

Sie profitieren als Mitarbeiter/in von Banken und Sparkassen, insbesondere aus steuernden Einheiten und Stabsstellen.

Voraussetzungen

Für die Teilnahme wird zwingend ein Laptop / Notebook benötigt!

Buchungsinfo

Die Module 1-5 bilden den Grundlehrgang. Das Zusatzmodul 6 ist optional buchbar.

Der Preis für den Gesamtlehrgang inkl. Zusatzmodul beträgt 4.200 EUR (umsatzsteuerfrei). Der Preis für den Grundlehrgang ohne Zusatzmodul beträgt 3.200 EUR (umsatzsteuerfrei).

 

Termine mit Veranstaltungsort "Bonn & online (hybrid)" finden als Präsenzseminar mit gleichzeitigem Livestream statt. Die nur online Teilnehmenden sind mit dem Seminarleiter und den anderen Kursteilnehmern in Echtzeit mit Video und Audio vernetzt. Bitte vermerken Sie bei der Anmeldung, ob die Teilnahme online erfolgen soll.

Rabatte / Fördermöglichkeiten

Ihr Kontakt
Philip Schmengler

Philip Schmengler

+49 228 8192-282

Weiterempfehlen
Seminarsprache
Deutsch
Bemerkung

Die Module 1-5 bilden den Grundlehrgang. Das Zusatzmodul 6 ist optional buchbar.
Der Preis für den Gesamtlehrgang inkl. Zusatzmodul beträgt 4.200,00€ (umsatzsteuerfrei). Der Preis für den Grundlehrgang ohne Zusatzmodul beträgt 3.200,00€ (umsatzsteuerfrei).

Referenten