Die Anwendung verschiedener Methoden der Datenanalyse innerhalb des Moduls Data Analytics with Statistics ermöglicht es Ihnen, tiefgreifende Erkenntnisse aus Daten zu gewinnen und fundierte Entscheidungen zu treffen. Ein wichtiger erster Schritt in diesem Prozess ist die explorative Datenanalyse, bei der wir Muster und Beziehungen innerhalb der Daten aufspüren und verstehen. Diese Muster liefern wichtige Informationen und können als Grundlage für die Entwicklung von Prognosemodellen dienen.

Prognosemodelle sind ein mächtiges Werkzeug in der Datenanalyse, das uns erlaubt, auf Grundlage historischer Daten zukünftige Ereignisse oder Ergebnisse vorherzusagen. Diese Modelle nutzen die Muster und Beziehungen, die wir in der explorativen Datenanalyse erkannt haben, um Prognosen über unbekannte oder zukünftige Daten zu treffen. Sobald wir die Ergebnisse unserer Analysen haben, greifen wir auf statistische Inferenz zurück.

Statistische Inferenz gibt uns die Möglichkeit, fundierte Entscheidungen auf der Grundlage unserer Datenanalyse zu treffen. Sie ermöglicht es uns, aus einer Stichprobe Rückschlüsse auf eine Gesamtpopulation zu ziehen und dabei Unsicherheiten zu berücksichtigen.

Schließlich rundet das Data Storytelling unseren Analyseprozess ab. Mit Data Storytelling übersetzen wir unsere komplexen Daten und Analysen in klare, verständliche Geschichten. Dieser Ansatz vereinfacht nicht nur die Entscheidungsfindung, sondern schafft auch einen überzeugenden Mehrwert für die gewonnenen Erkenntnisse, indem er die Relevanz und Bedeutung der Daten hervorhebt und sie in einen kontextbezogenen Rahmen einbettet. Durch die Kombination all dieser Techniken können wir das volle Potenzial unserer Daten nutzen und effektive, datengetriebene Entscheidungen treffen.

In dem Kurs werden folgende Inhalte vermittelt:
- Statistische Begriffe und Konzepte verstehen
- Muster in Daten erkennen
- Effektive Diagramme und Visualisierungen erstellen
- Prognosemodelle erstellen
- Experimente und A/B-Tests durchführen
- Grundlagen der Wahrscheinlichkeitstheorie
- Data Storytelling

Am Ende dieses Moduls werden Sie in der Lage sein:
- Wesentliche statistische Methoden und Techniken anzuwenden und zu interpretieren
- Datenanalyse-Projekte effektiv zu planen und durchzuführen
- Die Auswirkungen von Datenqualität in der Datenanalyse zu verstehen
- Moderne Tools und Technologien für die Datenanalyse zu nutzen
- Statistische Ergebnisse klar und effektiv zu kommunizieren

 Hardware:

• Laptop (ein Tablet ist nicht ausreichend)

Software:

• Anaconda (enthält Python und weitere Bibliotheken)
• Visual Studio Code
• GitHub Account

Eine ausführliche Installationsanleitung wird vor Beginn der Veranstaltung zur Verfügung gestellt.

Die Methoden werden mit Hilfe der folgenden Technologien demonstriert und geübt:
- Python
- Visual Studio Code
- GitHub

An den ersten beiden Präsenztagen erhalten Sie eine fundierte Einführung in das Themenfeld und wenden die Inhalte in ersten Übungen an. In der anschließenden, mehrwöchigen Online-Phase bearbeiten Sie zu mehreren Themenblöcken jeweils Multiple-Choice-Aufgaben.

Es werden in regelmäßigen Abständen modulbegleitende Online-Besprechungen durchgeführt und Sie bearbeiten über die Moduldauer hinweg mehrere praxisnahe Cases, die sich am Schluss zu einem abschließenden Projekt zusammensetzen (Prüfungsleistung).

Im Lernprozess werden Sie durch den Dozierenden begleitet und Sie nutzen darüber hinaus individualisierte KI-Tutoren, die speziell auf das behandelte Themenfeld trainiert sind und die Sie bei der Erstellung der Prüfungsleistung unterstützen.

Die Gebühr für das Modul beträgt 1.540 Euro und 100 Euro Prüfungsgebühr.
Verpflegung und Seminarunterlagen sind in den Teilnahmegebühren eingeschlossen. Persönliche Aufenthalts- und Reisekosten sind von den Teilnehmenden selbst zu tragen.

Kosten für Weiterbildung (Entgelte, Reise, Unterkunft) können steuerrechtlich geltend gemacht werden. Weiterhin besteht die Möglichkeit, Bildungsurlaub zu beantragen.

Dr. Jan Kirenz ist Professor an der HdM Stuttgart, wo er Studierenden und Organisationen dabei hilft, bessere Entscheidungen mit Daten zu treffen. Vor seiner Zeit an der HdM sammelte er in unterschiedlichen Unternehmen über 10 Jahre Berufserfahrung in den Bereichen Analytics und Data Science. Jan Kirenz studierte Betriebswirtschaftslehre an der Universität Tübingen und promovierte an der Graduate School of Business der Universität Zürich.

Bei erfolgreichem Abschluss des Moduls mit einer Prüfungsleistung erhalten Sie ein Zertifikat der Hochschule der Medien, das Ihre erworbenen Kompetenzen und 6 ECTS-Punkte bestätigt.

Die erworbenen Kompetenzen können zudem entsprechend auf ein Certificate of Advanced Studies (CAS) oder unser Masterstudium Data Science (M.Sc.) angerechnet werden. Bei Rückfragen hierzu stehen wir Ihnen gerne unter weiterbildung@hdm-stuttgart.de zur Verfügung.

Weiterhin besteht die Möglichkeit, das Modul als Weiterbildung zu absolvieren und es mit einer Teilnahmebescheinigung (ohne Prüfung und ECTS-Punkte) abzuschließen.