Predictive Analytics

Predictive Analytics nutzt vorhandene Geschäftsdaten, um künftige Entwicklungen vorherzusagen und Entscheidungen zu stützen. Im Zentrum dieser Weiterbildung stehen Prognosemodelle, die mit Python, Pandas, NumPy und Scikit-learn erstellt, trainiert und evaluiert werden, ergänzt um Zeitreihenanalyse und die Darstellung der Prognosen in Power BI. Damit bildet der Kurs den vorausschauenden Teil von Business Analytics ab.

Kompetenzziele

Datenbasierte Vorhersagen statistisch und begrifflich einordnen
Geschäftsdaten aus Datenbanken mit SQL für Prognosen bereitstellen
Prognosemodelle in Python mit Pandas, NumPy und Scikit-learn erstellen
Regressionsmodelle für Mengen- und Umsatzprognosen einsetzen
Klassifikationsmodelle zur Vorhersage von Ereignissen und Kategorien nutzen
Trends und Saisonmuster mit Methoden der Zeitreihenanalyse modellieren
Prognoseergebnisse in Dashboards und Reports mit Power BI darstellen

Themen und Zusammenhänge

Den Ausgangspunkt bilden Begriffe aus Data Science und Statistik, Datenhaltung und SQL-Abfragen sowie die Rolle von KI für datenbasierte Vorhersagen. In Python entstehen daraus Prognosemodelle: Pandas und NumPy bereiten die Daten auf, Scikit-learn übernimmt Modellerstellung, Training und Evaluierung. Regressions- und Klassifikationsmodelle decken die typischen Fragen von Predictive Analytics im Unternehmen ab.

Zeitreihen nehmen eine besondere Stellung ein, weil viele Geschäftsdaten zeitlich geordnet anfallen. Methoden der Zeitreihenanalyse werden in die Prognosemodelle integriert und in Business-Intelligence-Umgebungen umgesetzt. Die Verknüpfung der Modellergebnisse mit Power BI führt schließlich zu Dashboards und Reports, über die Business Analytics Vorhersagen in die Unternehmenssteuerung trägt.

Berufliche Perspektiven

Einsatzfelder liegen in Controlling, Vertrieb, Einkauf und Unternehmenssteuerung, wo Entwicklungen vorausschauend geplant werden.

Predictive Analyst bzw. Prognoseanalyst:in für Geschäftsdaten
Business Analyst mit Schwerpunkt Vorhersagemodelle
Bedarfsplaner:in bzw. Demand Planner für Absatz- und Trendprognosen
Data Scientist für Prognosemodelle und Zeitreihenanalyse

Kategorie

Kursart: Weiterbildungsangebot
Systematik: Computer-/IT-Aufbauwissen
Datenbankadministration - allgemein
Datenbankentwicklung, -programmierung - allgemein
Bildungsart: Fortbildung/Qualifizierung
Schulart: Einrichtung der beruflichen Weiterbildung

Gesamtkosten

Kosten: 2.000 €
Kosten Bemerkung: Kosten können von Unternehmen übernommen werden

Abschluss & Zulassung

Abschlussart: Data Science & Predictive Analytics Zertifikat von Lutz + Grub
Abschlussbezeichnung: Data Science & Predictive Analytics Zertifikat
Anrechnung: Data Science & Predictive Analytics Zertifikat
Zusatzqualifikationen: Data Science & Predictive Analytics Zertifikat

Sonstiges

Zugang: Eine schriftl. Bewerbung mit Lebenslauf
Unverbindliches Aufnahme- und Beratungsgespräch
Zielgruppe: Berufserfahrene, Berufseinsteiger:innen, Studienabbrecher:innen und Absolvent:innen, Quereinsteiger:innen mit Interesse an Daten und KI, Data Scientists, Fachinformatiker:innen, Studierende