Business Intelligence Analyst mit ITIL® 4 Foundation in IT Service Management und PRINCE2® 7 Foundation in Project Management
Kostenfrei für Dich
durch Förderung
-
Abschlussart: Zertifikat „Business Intelligence Analyst“
Zertifikat „ITIL® 4 Foundation in IT Service Management“
Zertifikat „PRINCE2® 7 Foundation in Project Management“ -
Zusatzqualifikationen: Zertifikat „Statistik“
Zertifikat „MATLAB und Simulink“
Zertifikat „Python“
Zertifikat „Data Engineer“
Zertifikat „Data Analytics“ -
Abschlussprüfung: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
ITIL® 4 Foundation in IT Service Management
PRINCE2® 7 Foundation in Project Management -
Unterrichtszeiten: VollzeitMontag bis Freitag von 8:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
-
Dauer: 24 Wochen
Statistik
Statistische Grundlagen (ca. 6 Tage)
Messtheoretische Grundlagen (Grundgesamtheit und Stichprobe, Stichprobenarten, Messung und Skalenniveaus)
Univariate Deskriptivstatistik (Häufigkeitsverteilungen, Zentralmaße, Streuungsmaße, Standardwert, Histogramme, Balkendiagramme, Kreisdiagramme, Liniendiagramme und Boxplots)
Bivariate Deskriptivstatistik (Zusammenhangsmaße, Korrelationskoeffizienten, Kreuztabellen, Streudiagramme und gruppierte Balkendiagramme)
Grundlagen der induktiven Inferenzstatistik (Wahrscheinlichkeitsverteilung, Normalverteilung, Mittelwerteverteilung, Signifikanztest, Nullhypothesentest nach Fisher, Effektgröße, Parameterschätzung, Konfidenzintervalle, Fehlerbalkendiagramme, Poweranalysen und Ermittlung des optimalen Stichprobenumfangs)
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Methoden zum Vergleich von zwei Gruppen (ca. 5 Tage)
z- und t-Test für eine Stichprobe (Abweichung von einem vorgegebenen Wert)
t-Test für den Mittelwertsunterschied von zwei unabhängigen/verbundenen Stichproben
Prüfung der Wirksamkeit von Aktionen, Maßnahmen, Interventionen und anderen Veränderungen mit t-Tests (Pretest-Posttest-Designs mit zwei Gruppen)
Unterstützende Signifikanztests (Anderson-Darling-Test, Ryan-Joiner-Test, Levene-Test, Bonnet-Test, Signifikanztest für Korrelationen)
Nonparametrische Verfahren (Wilcoxon-Test, Vorzeichentest, Mann-Whitney-Test)
Kontingenzanalysen (Binomialtest, Exakter Test nach Fisher, Chi-Quadrat-Test, Kreuztabellen mit Assoziationsmaße)
Methoden zum Mittelwertvergleich von mehreren Gruppen (ca. 5 Tage)
Ein- und zweifaktorielle Varianzanalyse (einfache und balancierte ANOVA)
Mehrfaktorielle Varianzanalyse (Allgemeines lineares Modell)
Feste, zufällige, gekreuzte und geschachtelte Faktoren
Mehrfachvergleichsverfahren (Tukey-HSD, Dunnett, Hsu-MCB, Games-Howell)
Interaktionsanalyse (Analyse von Wechselwirkungseffekten)
Trennschärfe und Poweranalyse bei Varianzanalysen
Einführung in die Versuchsplanung (DoE, Design of Experiments) (ca. 1 Tag)
Voll- und teilfaktorielle Versuchspläne
Projektarbeit (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Mathematische Modellierung mit MATLAB und Simulink
Grundlagen MATLAB (ca. 2 Tage)
MATLAB-Oberfläche
Auslesen von Daten aus einer Datei
Variablen, Arrays, Operatoren, Grundfunktionen
Grafische Darstellung von Daten
Anpassen von Diagrammen
Exportieren von Grafiken
Variablen und Befehle (ca. 2 Tage)
Relationale und logische Operatoren
Mengen, Mengen bei 2D-Körpern (Polyshape)
Durchführung mathematischer und statistischer Berechnungen mit Vektoren
Grafiken in der Statistik
Analyse und Visualisierung (ca. 1 Tag)
Erstellen und Verändern von Matrizen
Mathematische Operationen mit Matrizen
Grafische Darstellung von Matrixdaten
Matrixanwendungen: Abbildungen, Rotation, Lineare Gleichungssysteme, Least Square Verfahren
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Datenverarbeitung (ca. 1 Tag)
Datentypen: Structure Arrays, Cell Arrays, String vs. Char, Categorical, Datetime u. v. m.
Anlegen und Organisieren tabellarischer Daten
Bedingte Datenauswahl
Importieren/Exportieren mit Matlab: Ordnerstrukturen, .mat-Daten, Tabellendaten, Fließtexte
MATLAB-Programmierung (ca. 3 Tage)
Kontrollstrukturen: Schleifen, if-else, Exceptions
Funktionen
Objektorientierte Programmierung
App Design
Simulation in MATLAB (ca. 5 Tage)
Numerische Integration und Differenziation
Grundlagen der Simulation gewöhnlicher Differentialgleichungen, Matlab ODE und Solveroptionen
Simulationstechnik in Matlab: Eingabeparameter, Dateninterpolation, Simulationsstudien
Simulationssteuerung: Eventfunctions (Zero Crossing), Outputfunctions
Anwendungsbeispiele, z. B. Simulation eines Elektromotors, Simulation einer Rakete
Simulink (ca. 4 Tage)
Grundlagen in Simulink: Schaubilder, Funktionen, Signale und Differentialgleichungen
Funktionen, Subsysteme und Bibliotheken
Import/Export, Lookup-Tabellen, Regelung
Zero-Crossing, Automatisierung von Simulationsaufgaben (Matlab Zugriff)
Anwendungsbeispiele, z. B. Simulation eines Flugzeugtriebstrangs
Projektarbeit (ca. 2 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Programmierung mit Python
Grundlagen Python (ca. 1 Tag)
Geschichte, Konzepte
Verwendung und Einsatzgebiete
Syntax
Erste Schritte mit Python (ca. 5 Tage)
Zahlen
Zeichenketten
Datum und Zeit
Standardeingabe und -ausgabe
list, tuple dict, set
Verzweigungen und Schleifen (if, for, while)
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Funktionen (ca. 5 Tage)
Eigene Funktionen definieren
Variablen
Parameter, Rekursion
Funktionale Programmierung
Fehlerbehebung (ca. 0,5 Tage)
try, except
Programmunterbrechungen abfangen
Objektorientierte Programmierung (ca. 4,5 Tage)
Python-Klassen
Methoden
Unveränderliche Objekte
Datenklasse
Vererbung
Grafische Benutzeroberfläche (ca. 1 Tag)
Buttons und Textfelder
grid-Layout
Dateiauswahl
Projektarbeit (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Data Engineer
Grundlagen Business Intelligence (ca. 2 Tage)
Anwendungsfelder, Dimensionen einer BI Architektur
Grundlagen Business Intelligence, OLAP, OLTP, Aufgaben der Data Engineers
Data Warehousing (DWH): Umgang und Verarbeitung von strukturierten, semi-strukturierten und unstrukturierten Daten
Anforderungsmanagement (ca. 2 Tage)
Aufgaben, Ziele und Vorgehensweise in der Anforderungsanalyse
Datenmodellierung, Einführung/Modellierung mit ERM
Einführung/Modellierung in der UML
· Klassendiagramme
· Use-Case Analyse
· Aktivitätsdiagramme
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Datenbanken (ca. 3 Tage)
Grundlagen von Datenbanksystemen
Architektur von Datenbankmanagementsystemen
Anwendung RDBMS
Umsetzung Datenmodell in RDBMS, Normalformen
Praktische und theoretische Einführung in SQL
Grenzen von Relationalen Datenbanken, csv, json
Data Warehouse (ca. 4 Tage)
Star Schema
Datenmodellierung
Erstellung Star Schema in RDBMS
Snowflake Schema, Grundlagen, Datenmodellierung
Erstellung Snowflake Schema in RDBMS
Galaxy Schema: Grundlagen, Datenmodellierung
Slowly Changing Dimension Tables Typ 1 bis 5 – Restating, Stacking, Reorganizing, mini Dimension und Typ 5
Einführung in normal, causal, mini und monster, heterogeneous und sub Dimensions
Vergleich von state und transaction oriented
Faktentabellen, Density und Storage vom DWH
ETL (ca. 4 Tage)
Data Cleansing
· Null Values
· Aufbereitung von Daten
· Harmonisierung von Daten
· Anwendung von Regular Expressions
Data Understanding
· Datenvalidierung
· Statistische Datenanalyse
Datenschutz, Datensicherheit
Praktischer Aufbau von ETL-Strecken
Data Vault 2.0, Grundlagen, Hubs, Links, Satellites, Hash Key, Hash Diff.
Data Vault Datenmodellierung
Praktischer Aufbau eines Data Vault Modells – Raw Vault, Praktische Umsetzung von Hash-Verfahren
Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Data Analytics
Einführung Datenanalyse (ca. 1 Tag)
CRISP-DM Referenzmodell
Data Analytics Workflows
Begriffsabgrenzung Künstliche Intelligenz, Machine Learning, Deep Learning
Anforderungen und Rolle im Unternehmen der Data Engineers, Data Scientists und Data Analysts
Wiederholung Grundlagen Python (ca. 1 Tag)
Datentypen
Funktionen
Datenanalyse (ca. 3 Tage)
Zentrale Python-Module im Kontext Data Analytics (NumPy, Pandas)
Prozess der Datenaufbereitung
Data Mining Algorithmen in Python
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Datenvisualisierung (ca. 3 Tage)
Explorative Datenanalyse
Insights
Datenqualität
Nutzenanalyse
Visualisierung mit Python: Matplotlib, Seaborn, Plotly Express
Data Storytelling
Datenmanagement (ca. 2 Tage)
Big Data Architekturen
Relationale Datenbanken mit SQL
Vergleich von SQL- und NoSQL-Datenbanken
Business Intelligence
Datenschutz im Kontext der Datenanalyse
Datenanalyse im Big Data Kontext (ca. 1 Tag)
MapReduce-Ansatz
Spark
NoSQL
Dashboards (ca. 3 Tage)
Bibliothek: Dash
Aufbau von Dashboards – Dash Components
Customizing von Dashboards
Callbacks
Text Mining (ca. 1 Tag)
Data Preprocessing
Visualisierung
Bibliothek: SpaCy
Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
ITIL® 4 Foundation in IT Service Management
Verstehen der Schlüsselkonzepte von IT-Service Management (ca. 2 Tage)
Einführung in den Servicegedanken
Das ITIL®-Qualifizierungsschema
Definition wichtiger Begriffe im IT-Service Management ITSM
Schlüsselkonzepte zur Wertschöpfung durch Dienste
Schlüsselkonzepte des Beziehungsmanagements
Grundlegende konzeptionelle Bausteine von ITIL® (ca. 2 Tage)
Die ITIL® Guiding Principles
Art, Verwendung und Interaktion der Leitprinzipien
Die vier Dimensionen von Service Management
Das ITIL® Service Value Systems (SVS) und seine Komponenten
Die Service Value Chain (Wertschöpfungskette), ihre Aktivitäten und deren Zusammenspiel
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Die ITIL® Practices (ca. 3 Tage)
Die sieben wichtigsten ITIL® Practices
Der Zweck weiterer acht ITIL® Practices
Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 3 Tage)
ITIL® ist eine eingetragene Marke von AXELOS Limited, verwendet mit der Genehmigung von AXELOS Limited. Alle Rechte vorbehalten.
PRINCE2® 7 Foundation in Project Management
Einführung in das Projektmanagement basierend auf PRINCE2® (ca. 1 Tag)
Definition und Charakteristiken eines Projekts
Projektsteuerungskreislauf des Projektmanagements und die sechs Projektdimensionen
Herausforderungen im Projektmanagement – warum scheitern Projekte?
Vorteile der PRINCE2® Projektmanagement-Methode
Kunden-Lieferanten-Umgebungen
Projekte in einem kommerziellen Umfeld
Struktur der PRINCE2®-Methode und ihre fünf integrierten Bausteine
Die PRINCE2® Grundprinzipien (ca. 1 Tag)
Die sieben Grundprinzipien von PRINCE2®
Aussagen und Inhalte der Grundprinzipien
Beziehung zwischen den Grundprinzipien und den Themen von PRINCE2®
Anpassung von PRINCE2® an die Projektumgebung
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Die Bedeutung von Menschen für PRINCE2® Projekte (ca. 1 Tag)
Änderungsmanagement
Führung und Management
Kommunikation im Projekt
Die sieben Themen von PRINCE2® (ca. 3 Tage)
Business Case (Nutzenmanagement-Ansatz und Nachhaltigkeitsmanagement-Ansatz)
Organisation (Projektstruktur, Rollen und Verantwortlichkeiten)
Erstellung von Plänen
Qualitätsplanung und Qualitätskontrolle
Risikomanagement
Issue-Management
Steuerung des Projektfortschritts
Die sieben Prozesse von PRINCE2® (ca. 2 Tage)
Zusammenspiel der sieben PRINCE2® Prozesse im Projektablauf
Aktivitäten in den jeweiligen PRINCE2® Prozessen
Vorbereiten, Lenken und Initiieren eines Projekts
Steuern einer Phase
Managen der Produktlieferung
Managen der Phasenübergänge
Abschließen eines Projekts
Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 2 Tage)
PRINCE2® ist eine eingetragene Marke von AXELOS Limited, verwendet mit der Genehmigung von AXELOS Limited. Alle Rechte vorbehalten.
Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.
Nach dem Lehrgang verfügst du über wesentliche Kenntnisse in der Statistik, kannst mit MATLAB und Simulink umgehen und beherrschst die Programmiersprache Python. Verbunden mit dem im Kurs vermittelten Fachwissen des Data Engineerings und der Datenanalyse bist du in der Lage, umfangreiche Datensätze zu managen, statistisch effizient auszuwerten und die Ergebnisse anschaulich und leicht verständlich zusammenzufassen.
Zusätzlich verfügst über wichtiges Fachwissen, um die Prozess- und Servicequalität von Unternehmen zu bewerten und zu optimieren und beherrschst darüberhinaus die Begriffe und Konzepte der IT Infrastructure Library (ITIL®). Des Weiteren kannst du in PRINCE2®-Projekten mitarbeiten, kennst deren Ablauf und die Begrifflichkeiten. Du bist auch in der Lage, IT-Projekte zu planen, durchzuführen und Erfolge zu messen.
Der Lehrgang richtet sich an Personen mit abgeschlossenem Studium in der Informatik, Wirtschaftsinformatik, BWL, Mathematik oder vergleichbarer Qualifikation.
Business Intelligence Analysts sind für die Durchführung von Unternehmensanalysen zuständig und fungieren als Bindeglied zwischen Fachabteilung und IT-Team. Fach- und Führungskräfte mit entsprechenden Kenntnissen sind sowohl bei großen als auch mittelständischen Unternehmen in Industrie, Handel, Dienstleistungs- und Finanzwesen nachgefragt.
Mit Kenntnissen im IT-Service und Projektmanagement mit ITIL® und PRINCE2® weist du deine zusätzliche Qualifikation auf, die vor allem in der IT-Branche vielfach nachgefragt ist.
Didaktisches Konzept
Deine Dozierenden sind sowohl fachlich als auch didaktisch hoch qualifiziert und werden dich vom ersten bis zum letzten Tag unterrichten (kein Selbstlernsystem).
Du lernst in effektiven Kleingruppen. Die Kurse bestehen in der Regel aus 6 bis 25 Teilnehmenden. Der allgemeine Unterricht wird in allen Kursmodulen durch zahlreiche praxisbezogene Übungen ergänzt. Die Übungsphase ist ein wichtiger Bestandteil des Unterrichts, denn in dieser Zeit verarbeitest du das neu Erlernte und erlangst Sicherheit und Routine in der Anwendung. Im letzten Abschnitt des Lehrgangs findet eine Projektarbeit, eine Fallstudie oder eine Abschlussprüfung statt.
Virtueller Klassenraum alfaview®
Der Unterricht findet über die moderne Videotechnik alfaview® statt - entweder bequem von zu Hause oder bei uns im Bildungszentrum. Über alfaview® kann sich der gesamte Kurs face-to-face sehen, in lippensynchroner Sprachqualität miteinander kommunizieren und an gemeinsamen Projekten arbeiten. Du kannst selbstverständlich auch deine zugeschalteten Trainer:innen jederzeit live sehen, mit diesen sprechen und du wirst während der gesamten Kursdauer von deinen Dozierenden in Echtzeit unterrichtet. Der Unterricht ist kein E-Learning, sondern echter Live-Präsenzunterricht über Videotechnik.
Die Lehrgänge bei alfatraining werden von der Agentur für Arbeit gefördert und sind nach der Zulassungsverordnung AZAV zertifiziert. Bei der Einreichung eines Bildungsgutscheines oder eines Aktivierungs- und Vermittlungsgutscheines werden in der Regel die gesamten Lehrgangskosten von deiner Förderstelle übernommen.
Eine Förderung ist auch über den Europäischen Sozialfonds (ESF), die Deutsche Rentenversicherung (DRV) oder über regionale Förderprogramme möglich. Als Zeitsoldat:in besteht die Möglichkeit, Weiterbildungen über den Berufsförderungsdienst (BFD) zu besuchen. Auch Firmen können ihre Mitarbeiter:innen über eine Förderung der Agentur für Arbeit (Qualifizierungschancengesetz) qualifizieren lassen.