Logo

Wir freuen uns über Hinweise und Detailinformationen zu weiteren Ausbildungsmöglichkeiten an die E-Mail-Adresse education@digital-analytics-association.de damit wir diese Liste weiter pflegen können.

APACHE HADOOP

ORDIX Seminare

BIG DATA: APACHE HADOOP GRUNDLAGEN

Überblick über Hadoop und mögliche Anwendungsfälle, Einführung in Apache Hadoop (HDFS, YARN), Speicherung und Verarbeitung strukturierter Daten mit Hive, Datenanalyse mit Spark, Einsatz von Sqoop zum Austausch von Daten mit relationalen Datenbanken

BIG DATA

Bauhaus-Universität Weimar

Medieninformatik , Bachelor

CA Controlling Akademie

Business Intelligence und Big Data in der Praxis

"Potenziale und Chancen für die Unternehmenssteuerung durch Business Intelligence und Big Data Der Einfluss von Big Data auf das Controlling Klärung von Begriffen aus der Business Intelligence Welt wie OLAP, BI Competence Center, Self Service BI, Data Warehouse, Data Mining, Data Scientist und Big Data Die Möglichkeiten der mehrdimensionalen Datenanalyse Konkretes Arbeiten mit den BI Tools von Microsoft (PivotTable, PivotChart mit MS SQL-Server Analysis Services, MS xVelocity) Anbindung von Vorsystemen – der Datenimport Reports aufbauen, Berechnung von KPI's, Ad-hoc Analysen Moderne Anforderungen an ein BI-Tool Wichtige Hinweise zur richtigen Anbieter- und Produktauswahl Erfolgreiche BI-Projekteinführung Big Data Anwendungsfälle Mobile BI, Dashboards, Planungsmöglichkeiten mit BI"

Information Management – Strategie

"Vorstellung von BI- und Big-Data-Strategien und deren Facetten Projektmethoden und -templates zur Einführung einer BI- und Big-Data-Strategie Identifikation von Big-Data bzw. Digitalisierungspotenzialen Klärung von Aufgaben, Rollen und den passenden Organisationsstrukturen im Zusammenhang mit der Digitalisierung – z. B. Data Scientist, Data Analyst, BI Competence Center Vorstellung eines typischen Projektplanes und -aufgaben für ein ganzheitliches Informationsmanagement Übersicht zu Chancen und Risiken in BI- und Big-Data-Programmen Übersicht zu Trends und Innovationen im BI- und Big-Data-Toolmarkt Übersicht zu möglichen Cloud-Architekturen für BI- und Big-Data-Lösungen Aktuelle Themen bei Anwenderunternehmen"

EBC Hochschule - University of Applied Sciences

International Management , Master of Arts M.A.

Advanced Statistics & Big Data, Corporate Brand Management, Corporate Consulting & Project Management, Corporate Development & Human Capital Management, Customer Relationship & Lifecycle Management, Group Accounting, Innovation Management & Design Thinking, Portfolio Management & Asset Valuation, Sales Strategies, Operations & Control E-Commerce, Small/Medium Enterprise Management & Entrepreneurship

Hochschule Darmstadt

Hochschule der Medien Stuttgart

Data Science and Business Analytics , Master

BI- and Big-Data-Architectures, Business Analytics, Business- and CRM-Analytics, Data-Mining-Process: Algorithms and Implementation, Data Science

Hochschule für angewandte Wissenschaften Neu-Ulm

Master of Business Intelligence and Business Analytics , Master of Science (M.Sc.)

Angewandte Statistik, BI-Architektur, Big Data, BI-Organisation, BI-Strategie, Business Intelligence (BI), Data Mining, Datenanalyse, IT-Management

Hochschule Furtwangen

Hochschule Heilbronn, Technik, Wirtschaft, Informatik

Business Analytics, Controlling & Consulting , Master

Big Data Controlling (Wahlfach), Consulting, Controlling, Gesundheitsökonomie (Wahlfach), Methoden der emprischen Forschung, Rechnergestützte Datenanalyse, Zeitreihenanalyse

IFFS Academy

Big Data Awareness

"Verständnis des Big Data Konzepts Aufdeckung von Informationen durch Big Data Praxisorientierte Beispiele mit “R”"

Big Data für Lean Six Sigma Experten

"Kennenlernen der R Programmierumgebung: Grundlagen der R Programmierung / Verwendung von Paketen Datenabruf und – vorbereitung zur Analyse: Dateneinstellung in R & Daten Bereinigung Erforschende Datenanalyse: grafische Tools, “Cluster” Analyse, Analyse der wichtigsten Komponenten, Assoziationsregeln Erarbeitung / Validierung von Vorhersagemodellen: Regressionsmodelle und Regressionsstrukturen, Evaluierung Modellleistung Generierung von Verbesserungen mit den Modellen Kommunikation & Umsetzung"

Informationsfabrik

Data Analytics

Anwendungbeispiele für Big Data, Analytics erarbeiten

Predictive Analytics

Big Data, Small Data, Smart Data, Predictive Analytics

ORDIX Seminare

Big Data

Vorstellung der wichtigsten Open-Source-Komponenten, Die Strategie hinter der Datenspeicherung, Wie gliedert sich Big Data in die IT-Architektur des Unternehmens ein?

BIG DATA: APACHE HADOOP GRUNDLAGEN

Überblick über Hadoop und mögliche Anwendungsfälle, Einführung in Apache Hadoop (HDFS, YARN), Speicherung und Verarbeitung strukturierter Daten mit Hive, Datenanalyse mit Spark, Einsatz von Sqoop zum Austausch von Daten mit relationalen Datenbanken

PC-College

MS SQL Server 2014 - MOC 20467 E - Designing Self Service Business Intelligence and Big Data Solutions

Schwerpunkte des Seminars sind Design, Installation, Implementierung und Wartung einer BI-Infrastruktur. Sie erfahren, wie Self-Service-Business Intelligence (BI)- und Big Data-Analyselösungen implementiert werden

SIGS Datacom

Big Data Technologien

"Big Data: Bedeutung für das Unternehmen und Auswirkungen auf die IT Skalierbarkeit, Verfügbarkeit und das CAP-Theorem Verteilte Datenverarbeitung mit Hadoop und MapReduce NoSQL-Systeme: Überblick und Klassifikation, Funktionsweise ausgewählter Systeme In-Memory-Datenbanken: Spaltenorientierte Speicherung und Main-Memory-Computing mit SQL Big Data in der Cloud Potenziale und Grenzen neuer Datenbanktechnologie im BI-Umfeld"

Technologie-Update BI und Big Data Analytics

"BI-Architekturen und zeitgemäßes Datenmanagement Agile BI, Mobile BI und Self-Service-BI Advanced und Predictive Analytics Big Data Analytics Spaltenbasierte, In-Memory- und NoSQL-Datenbanken"

Technische Akademie Esslingen

Datenmanagement für Big Data

Grundlagen zum Aufbau eines effizienten und effektiven Datenmanagements werden geschaffen, Verfahren zur Datenanalyse werden gezeigt

Technische Universität Bergakademie Freiberg

Business Analytics , Master

Big Data Alaysis, Business Analytics, Business Inteligence, Führung und Beratung

Technische Universität Chemnitz

Business Intelligence & Analytics , Master

Analytics, Big Data Management, Business Intelligence, Data Mining, Data Warehousing, Datenbanken, Wirtschaftsinformatik

TU Dortmund

Data Science and Big Data

Datenanalyse: Regression, und Klassifikation bei Big Data Visualisierung und Storytelling Datenmanagement

Universität Konstanz

Informatik , Bachelor

Big Data, Bioinformatik, Data Mining, Data Science, Digital Libraries, Interactive Systems, Network Science, Sports Informatics, Systems, Visual Computing

Information Engineering , Bachelor

Big Data, Bioinformatik, Data Mining, Data Science, Digital Libraries, Interactive Systems, Network Science, Sports Informatics, Systems, Visual Computing

Weiterbildungszentrum "Altes Helmholtz"

BUSINESS ANALYTICS

Hochschule Albstadt-Sigmaringen

Business Analytics

Starke Technologieausbildung in den Themengebieten Data Science und Analytics, die für den Business Analytics Bereich naturgemäß sehr wichtig sind. Andererseits ist die Anwendung der analytischen Technologien eng mit den Unternehmens- und Managementbelangen verbunden

Hochschule Düsseldorf

Business Analytics , Master of Science

Controlling und Big Data, Corporate Social Respnsibility, Finanzmodellierung, IT- Unterstützung und IT-Anwendungen von Business Analytics, Konzeptionen und Compliancemanagementsysteme, Nachhaltigkeitsberichterstattung, Standorttheorie/ Wettbewerbspolitik

Hochschule Heilbronn, Technik, Wirtschaft, Informatik

Business Analytics, Controlling & Consulting , Master

Big Data Controlling (Wahlfach), Consulting, Controlling, Gesundheitsökonomie (Wahlfach), Methoden der emprischen Forschung, Rechnergestützte Datenanalyse, Zeitreihenanalyse

SIGS Datacom

CBIP-Prüfungsvorbereitung: "Business Analytics"

"Data Warehousing (Tag 1) Business Analytics (Tag 2) sowie konkrete Hinweise zur Vorbereitung auf die CBIP-Prüfung ""Information Systems CORE"", Data-Warehouse-Architekturen und -Varianten Kritische Erfolgsfaktoren für BI- und DWH-Projekte - Formen der Datenmodellierung für BI und DWH Stammdatenmanagement: BI-relevante Konzepte und Vorgehensweisen Inhalt, Rollen und Aufgaben von Data Governance für BI - Best Practices im Bereich Datenqualität Business Analytics - Grundlagen, Vorgehensweisen und Methoden sowie praktischer Anwendungsbereich"

CBIP-Prüfungsvorbereitung: "Data Warehousing"

"Data Warehousing (Tag 1), ata Analysis & Design (Tag 2) Business Analytics (Tag 2) sowie konkrete Hinweise zur Vorbereitung auf die CBIP-Prüfung ""Information Systems CORE"", Data-Warehouse-Architekturen und -Varianten Kritische Erfolgsfaktoren für BI und DWH-Projekte - Formen der Datenmodellierung für BI und DWH Stammdatenmanagement: BI-relevante Konzepte und Vorgehensweisen Inhalt, Rollen und Aufgaben von Data Governance für BI - Best Practices im Bereich Datenqualität Business Analytics - Grundlagen, Vorgehensweisen und Methoden sowie praktischer Anwendungsbereich"

Visual Business Analytics

"Trends & Entwicklungen von Visual Business Analytics Markteinschätzung führender BI-Softwaretools in Hinblick auf ihre Visualisierungsfähigkeiten Referenzmodelle, Vorgehensmethodik & Best Practices zur Einführung passender Visualisierungsstandards in Ihrem Unternehmen Vorstellung von Visualisierungsstandards nach dem Regelwerk der IBCS Association Übungen inkl. Referenzlösung Zusammenfassung"

Technische Universität Bergakademie Freiberg

Business Analytics , Master

Technische Universität Chemnitz

Business Intelligence & Analytics , Master

Analytics, Big Data Management, Business Intelligence, Data Mining, Data Warehousing, Datenbanken, Wirtschaftsinformatik

BUSINESS INTELLIGENCE

Bechtle Trainingszentren

Designing Business Intelligence Solutions

Einführung in BI, Self-Service Data Modeling mit PowerPivot, Datenimport mit Power Query, Einführung in Big Data und Windows Azure HDInsight, Einführen von Big Data Processing Solutions mit Windows Azure HDInsight

CA Controlling Akademie

Business Intelligence und Big Data in der Praxis

"Potenziale und Chancen für die Unternehmenssteuerung durch Business Intelligence und Big Data Der Einfluss von Big Data auf das Controlling Klärung von Begriffen aus der Business Intelligence Welt wie OLAP, BI Competence Center, Self Service BI, Data Warehouse, Data Mining, Data Scientist und Big Data Die Möglichkeiten der mehrdimensionalen Datenanalyse Konkretes Arbeiten mit den BI Tools von Microsoft (PivotTable, PivotChart mit MS SQL-Server Analysis Services, MS xVelocity) Anbindung von Vorsystemen – der Datenimport Reports aufbauen, Berechnung von KPI's, Ad-hoc Analysen Moderne Anforderungen an ein BI-Tool Wichtige Hinweise zur richtigen Anbieter- und Produktauswahl Erfolgreiche BI-Projekteinführung Big Data Anwendungsfälle Mobile BI, Dashboards, Planungsmöglichkeiten mit BI"

Hochschule der Medien Stuttgart

Data Science and Business Analytics , Master

BI- and Big-Data-Architectures, Business Analytics, Business- and CRM-Analytics, Data-Mining-Process: Algorithms and Implementation, Data Science

Hochschule für angewandte Wissenschaften Neu-Ulm

Master of Business Intelligence and Business Analytics , Master of Science (M.Sc.)

Angewandte Statistik, BI-Architektur, Big Data, BI-Organisation, BI-Strategie, Business Intelligence (BI), Data Mining, Datenanalyse, IT-Management

Hochschule Furtwangen

Hochschule Heilbronn, Technik, Wirtschaft, Informatik

Business Analytics, Controlling & Consulting , Master

Big Data Controlling (Wahlfach), Consulting, Controlling, Gesundheitsökonomie (Wahlfach), Methoden der emprischen Forschung, Rechnergestützte Datenanalyse, Zeitreihenanalyse

IHK Akademie München und Oberbayern

Business Intelligence Workshop für professionelle Unternehmensauswertungen

Informationsfabrik

Grundlagen Buiness Intelligence, Data Warehouse

Aufzeigung der Einsatzgebiete, Begriffsvermittlung

IUBH International University of Applied Science

BUSINESS INTELLIGENCE EINFÜHRUNG

Datenbereitstellung, Data Warehouse, Modellierung multidimensionaler Datenräume, Analysesysteme

BUSINESS INTELLIGENCE VERTIEFUNG

Selbständig eine Lösung zu einer praktischen Fragestellung im Thema Business Intelligence konzipieren, prototypisch umsetzen und die dabei erzielten Ergebnisse dokumentieren, Typische Probleme und Herausforderungen in der Konzeption und praktischen Umsetzung kleiner BI-Lösungen.

PC-College

MCSE - Business Intelligence (MS SQL Server 2014)

Ziel der Komplettausbildung ist es, den Teilnehmern die nötigen Kenntnisse zur Zertifizierung zum MCSE (Microsoft Certified Solutions Expert): Business Intelligence (MS SQL Server 2014) zu vermitteln

MS SQL Server 2014 - MOC 20466 E - Implementing Data Models and Reports with SQL Server

"Einführung in Business Intelligence und Datenmodellierung Elemente einer BI-Lösung für Unternehmen Die Microsoft-BI-Plattform Planung eines BI-Projekts Erstellen mehrdimensionaler Datenbanken Einführung in die mehrdimensionale Analyse Erstellen von Datenquellen und Datenquellenansichten Erstellen eines Cubes Überblick über die Cubesicherheit Arbeiten mit Cubes und Dimensionen Konfiguration von Dimensionen Definition von Attributhierarchien Sortieren und Gruppieren von Hierarchien Arbeiten mit Measures und Measuregruppen Einführung in MDX MDX-Grundlagen Berechnungen zu einem Cube hinzufügen Cubes mit Hilfe von MDX abfragen Erweitern eines Cubes Implementierung von Key-Performance-Indikatoren Implementierung von Aktionen Implementierung von Perspektiven Implementierung von Übersetzungen Implementierung eines tabellarischen Datenmodells für Analysis Services Einführung in Data Analysis Expression (DAX) Implementierung von Berichten mit SQL Server Reporting Services Erstellen eines Berichts mit Report Designer Gruppieren und Aggregieren von Daten in einem Bericht Veröffentlichen eines Berichts Erweitern von Berichten mit SQL Server Reporting Services Daten grafisch darstellen Filtern von Berichten mit Parametern Verwalten der Berichtsausführung und -bereitstellung Verwalten der Sicherheit Verwalten der Berichtsausführung Abonnements und Alarmmeldungen Troubleshooting der Reporting Services BI mit SharePoint PerformancePoint Services SharePoint Server als BI-Plattform Einführung in die PerformancePoint Services PerformancePoint-Datenquellen und Zeitintelligenz Berichte, Scorecards und Dashboards Vorhersageanalyse mit Data Mining"

MS SQL Server 2014 - MOC 20467 E - Designing Self Service Business Intelligence and Big Data Solutions

Schwerpunkte des Seminars sind Design, Installation, Implementierung und Wartung einer BI-Infrastruktur. Sie erfahren, wie Self-Service-Business Intelligence (BI)- und Big Data-Analyselösungen implementiert werden

MS SQL Server 2016 - MOC 20768 E - Developing SQL Data Models

"Einführung in Business Intelligence und Datenmodellierung: BI-Konzepte, MS Business Intelligence-Plattform Arbeiten mit mehrdimensionalen Datenbanken: Erzeugen mehrdimensionaler Datenbanken Einführung in die mehrdimensionale Analyse Erzeugen von Datenquellen und Datenquellenansichten Erzeugen eines Cube Cubesicherheit Arbeiten mit Cubes und Dimensionen: Konfiguration von Dimensionen Definieren von Attributhierarchien Sortieren und Gruppieren von Attributen Arbeiten mit Measures und Measure Groups Einführung in MDX Anpassung der Cube-Funktionalität: Implementierung von Key-Performance-Indikatoren Implementierung von Aktionen und Perspektiven Implementierung von Übersetzungen Implementierung eines tabellarischen Datenmodells unter Verwendung der Analysis Services Einführung in Data Analysis Expression DAX: DAX Grundlagen Erstellen berechneter Spalten und Measures in einem tabellarischen Datenmodell unter Verwendung von DAX Vorhersageanalysen mit Data Mining: Überblick über Data Mining Verwenden des Data Mining Add-ins für Excel Erstellen einer benutzerdefinierten Data Mining Lösung Validieren eines Data Mining Modells Verbinden eines Data Mining Modells Nutzung eines Data Mining Modells"

SIGS Datacom

BI-Projektmanagement

Herausforderungen in BI-Projekten: Fachlich, technisch, organisatorisch Vorgehensmodelle: Die beste Strategie für mein Projekt Umfangsmanagement, Projektstrukturplan, Aufwandschätzung, Kosten- und Zeitplanung Kommunikations- und Stakeholder-Management, Risikomanagement BI-Governance, Projektorganisation, Betriebsmodelle Datenmanagement: Datenqualitätsmanagement, Metadatenmanagement

BI-Strategie und BI-Governance

"Unternehmensstrategie, IT-Strategie und BI-Strategie: Zusammenhänge Ableitung und Implementierung organisatorischer Regelungen der BI-Governance Konsequente Ausgestaltung von BI-Architekturszenarien für Entwicklung und Betrieb Praxisbeispiele anhand konkreter Geschäftsmodelle Praxisbeispiele anhand konkreter Governance-Modelle"

Erfolgsfaktoren für BI-Agilität

"Einflussfaktoren der BI-Agilität Architekturszenarien zur Unterstützung von BI-Agilität Technologien zur Unterstützung von BI-Agilität Methoden zur Unterstützung von BI-Agilität und deren Spielarten Organisatorische Maßnahmen zur Unterstützung von BI-Agilität"

ETL: Architektur und Modellierung von ETL-Prozessent

"Varianten und Komponenten von Business-Intelligence-Architekturen Framework für Extraktions-, Transformations- und Ladeprozesse (ETL) im Data Warehousing Konzeptionelle Modellierung von ETL- bzw. Datenintegrations-Prozessen Virtualisierung von Datenintegrations-Logik Implementierung von Geschäftslogik in Regelwerken Typische ETL-Prozessschritte und Muster für die Bewirtschaftung von Data Marts und im Core Data Warehouse Validierung und Plausibilisierung von Daten in BI Systemen Best Practices der Historisierung und des Hierarchie-Aufbaus"

Modellierung in BI-Architekturen

"BI Architekturen und deren Einfluss auf die Modellierung Logical Data Warehouse, Virtualisierung, BI Ökosystem Integration von Big Data Architekturen Anforderungen an die Historisierung in BI Architekturen ER-Modellierung im Data Warehouse Kontext Data Vault Modellierung für BI Systeme Enterprise Data Warehousing, mehrschichtige Architekturen, Domänenkonzepte BI-Architekturen und deren Einfluss auf die Ausgestaltung"

Self Service BI: Die Fachbereiche übernehmen das Steuer

"Definition und Einordnung von Self Service BI Illustration der Aspekte von Self Service BI Darstellung von Nutzen und Risiken Wesentliche Anforderungen an Self-Service-BI-Anwendungen Self-Service-BI-Szenarien und deren Einführung Organisatorische Einbindung von Self Service BI Strategisches Informationsmanagement als Grundlage von Self Service BI"

Technologie-Update BI und Big Data Analytics

"BI-Architekturen und zeitgemäßes Datenmanagement Agile BI, Mobile BI und Self-Service-BI Advanced und Predictive Analytics Big Data Analytics Spaltenbasierte, In-Memory- und NoSQL-Datenbanken"

Testen von Data-Warehouse- und Business-Intelligence-Systemen

"Grundlagen des Testens Testplanung und Vorbereitung Testbetrieb und Fehlernachverfolgung (engl. Defect Tracking) Die menschliche Seite des Testens Instrumente und Tools"

Technische Universität Bergakademie Freiberg

Business Analytics , Master

Technische Universität Chemnitz

Business Intelligence & Analytics , Master

Analytics, Big Data Management, Business Intelligence, Data Mining, Data Warehousing, Datenbanken, Wirtschaftsinformatik"

Westfälische Hochschule Gelsenkirchen, Bocholt, Recklinghausen

Wirtschaftsinformatik (Gelsenkirchen) , Master

Business Intelligence und Data Warehousing, Controlling und Management, Integrierte Informationssysteme für Supply Change Management, für moderne Planungs- und Steuerungssysteme, Internet-Sicherheit, Moderne Softwaretechniken , Neueste Entwicklungen in der Wirtschaftsinformatik, Objektorientierte Datenbanken, Information Retrieval

DATA ANALYTICS

Bauhaus-Universität Weimar

Medieninformatik , Bachelor

Big Data Analytics, Computer Graphics, Computer Vision, Human-Computer Interaction, Mediensicherheit, Mobile Media, Systeme der Virtuellen Realität, Usability, Vernetzte Medien, Web Technologien

Forum Institution

Data Analytics - Details, Methoden und Werkzeuge

Methoden der Explorativen Datenanalyse Aufbau und Struktur eines Big Data Clusters Explorative Data Analytics, Advanced Analytics und Big Data Analytics

Data Analytics - Einbettung in Strategie

Ablauf eines Big Data Analyseprojekts Chancen und Risiken von Big Data Neue Rollen, Prozesse und Strukturen

Informationsfabrik

Data Analytics

Anwendungbeispiele für Big Data, Analytics erarbeiten

Einführung in R für Data Scientists

R und IDE für Data Analytics benutzen können

Grundlagen Visual Analytics

Grundlagen Datenanalyse, Diagramme und Visualisierungen

SIGS Datacom

Business Analytics zur Unternehmensdatenanalyse

Grundlagen der Datenanalyse Statistische Grundlagen Daten und Datenhaltung Analyse von Kundendaten und Komplexität Analyse von Kundenverhalten Neukundengewinnung Kundenbonität Analyse von Prozessen und Optimierung Cluster-Verfahren Simulation und Optimierung Simulated Annealing

Technologie-Update BI und Big Data Analytics

"BI-Architekturen und zeitgemäßes Datenmanagement Agile BI, Mobile BI und Self-Service-BI Advanced und Predictive Analytics Big Data Analytics Spaltenbasierte, In-Memory- und NoSQL-Datenbanken"

Technische Universität München

Data Engineering and Analytics , Master of Science

TEQ

Prozessoptimierung auf Basis gezielter Datenanalyse

Die Grundlagen der statistischen Datenanalyse werden vermittelt, um damit gezielt Prozesse verbessern und optimieren zu können

University of British Columbia

Digital Analytics Deutsches Intensivprogramm

Einführung in Web Analytics, Web Analytics zur Website-Optimierung, Messung der Effektivität von Online-Marketingkampagnen, Aufbau und Verwaltung einer analytischen Unter­nehmenskultur

VHS Mainz

Datenanalyse mit PowerPivot Teil 1

Systemvoraussetzungen
- Download und Installation
- Oberflächenüberblick
Konfiguration des Datenzugriffs:
- Datenquellen im Überblick
- SQL-Datenbankzugriff, Access- und Excel-Datenzugriff konfigurieren
- weitere Datenquellen
Import von Daten und Verwaltung von Beziehungen:
- intelligente Tabellen
- Tabellen hinzufügen
- Tabellenbeziehungen definieren
- Spalten ein- und ausblenden
- berechnete Spalten erzeugen
- Filterung von Daten

Datenanalyse mit PowerPivot Teil 2

Berechnungen mit PowerPivot Data Analysis Expression (DAX):
- DAX - Syntax
- DAX - Datentypen
- DAX - Operatoren
- DAX - Werte
DAX-Funktionen:
- statistische Funktionen
- logische Funktionen
- mathematische Funktionen
- Textfunktionen
- Datum und Zeitfunktionen
- Filter und Wertfunktionen
- Time-Intelligence-Funktionen
Auswertungen und Berichte:
- Erstellung und Anpassung von PowerPivot-Tabellen
- Erstellung und Anpassung von PowerPivot-Charts
- Integration von Datenschnitt und Zeitachse
- Verwendung von Sparklines
- Einsatz der bedingten Formatierung

VHS Stadtlohn

Excel Know-how für Fortgeschrittene: Pivot-Tabellen und Datenanalyse

Namen und Formelüberwachung einsetzen
- Tabellen gliedern
- Individuelle bedingte Formatierungen verwenden
- Daten kombinieren und konsolidieren
- Komplexe Pivot-Tabellen erstellen und anpassen
- Daten analysieren und professionell mit Diagrammen und Illustrationen visualisieren

DIGITAL ANALYTICS

University of british columbia

Digital Analytics Deutsches Intensivprogramm

Das weltweit bekannte Digital Analytics Ausbildungsprogramm der University of British Columbia (UBC) Continuing Studies und der Digital Analytics Association (DAA) wurde für den deutschsprachigen Markt.

DATA SCIENCE

Allensbach Hochschule Konstanz, staatlich anerkannte Hochschule der European Group Deutschland GmbH

MBA Engineering Management , Master

Data Science Management (Big Data), Industrielles Informationsmanagement (Industrie 4.0), Innovationsmanagement

AWW Brandenburg

Data Science

Datenvorverarbeitung (Data Wrangling and Preparation) Quantitative Methoden und Data Mining Darstellung der Analyseergebnisse (Storytelling)

bitkom Akademie (in Zusammenarbeit mit der Steinbeis-Hochschule Berlin)

Data Science

Der Data Scientist – Berufsbild mit Zukunft
Datenhaltung & Data Governance
Datenakquisition und Datenintegration
Data Sciene-Algorithmen
Generierung von Business Value und Outcome

Die Data Science Academy

Predictive applications

Predictive applications, Data Science

Friedrich-Schiller-Universität Jena

Computational and Data Science, Master

Erkennen und Lösen von kniffligen Aufgabenstellungen
- Hohes Maß an Interdisziplinarität
- Profunde Kenntnisse in rechen- und datenintensiven Methoden
- Organisation, Exploration, Visualisierung und Verarbeitung von großen Datenmengen
- Problemlösung im Kontext von Anwendungsdisziplinen
- Teamfähigkeit

Hochschule Albstadt-Sigmaringen

Data Science , Master

Kenntnis der wissenschaftlichen, methodischen und technologischen Grundlagen von Big Data (z.B. Machine Learning, Decision Theory) Kenntnis der Einsatzmöglichkeiten von Big Data Lösungen fundierte Kenntnis und Übersicht über die Architektur von Big Data-Lösungen Planung, Umsetzung und Betrieb von Big Data-Projekte im Unternehmen Beurteilung und Konzeption der Einbettung von Big Data Lösungen in die eigene IT-Architektur Integration globale und firmeninterne Datenquellen und Datenströme in eine Big Data Appliance Kenntnis über moderne Methoden und Werkzeuge zur Aufbereitung von Daten

Hochschule Darmstadt

Hochschule der Medien Stuttgart

Data Science and Business Analytics , Master

BI- and Big-Data-Architectures, Business Analytics, Business- and CRM-Analytics, Data-Mining-Process: Algorithms and Implementation, Data Science

Informationsfabrik

Data Science

Philipps-Universität Marburg

Data Science , Bachelor of Science

Informatik Aufbaumodule, Informatik Basismodule, Informatik Wahlpflichtmodule, Mathematik Aufbaumodule, Mathematik Basismodule, Mathematik Wahlpflichtmodule, Praxismodule

Data Science , Master of Science

Technische Akademie Esslingen

Analysemethoden für Big Data

Technische Universität Dortmund

Datenwissenschaft/Data Science , Master of Science

Computergestützte Statistik, multivariate statistische Verfahren, Modellgestützte Analyse und Optimierung

TU Dortmund

Data Science and Big Data

Datenanalyse: Regression, und Klassifikation bei Big Data Visualisierung und Storytelling
Datenmanagement

Universität Passau

Mathematik , Bachelor

Data Science, Economics, Informatik, Mathematik, Quantitative Betreibswirtschaftslehre, Wirtschaftsdidaktik

Universität Stuttgart

Data Science B.Sc. , Bachelor of Science

Datenintegration, Datenhaltung und Datenqualität (z.B. Datenbanken, Data Warehouses, NoSQL-Systeme, Informationsintegration), Datenanalyse und Wissensmanagement (z.B. Data Mining, Text Analytics, Informationsextraktion, Wissensrepräsentation) sowie Datenvisualisierung und Informationsbereitstellung (z.B. Visual Analytics, Dashboards)

WWU Münster

Data Science

Kommunikation, Netzwerke und Gesellschaft, Technologien für Business Analytics Quantitative Methoden, Marketing Analytics Kommunikation, Technologie, Statistik, Marketing im Data Science-Kontext

DATA VAULT

SIGS Datacom

Data Vault - Konzepte, Architektur und Modellierung

Gründe und Argumente für den Einsatz
Grundkonzepte der Modellierung im Data-Vault-2.0-Standard
Modellierungsmethode
ETL-Prozesse und Generatoren zur Erstellung
Architektur und Integration von Big-Data-Systemen
Erweiterte Modellierungsoptionen aus der Praxis
Best Practice Ansätze und Lösungen typischer Umsetzungsprobleme
Kritische Erfolgsfaktoren

DATA WAREHOUSE

Hochschule für Angewandte Wissenschaften Hamburg

European Computer Science , Bachelor

Data Warehousing/Data Mining, Embedded Software and Mobility, Graphische Datenverarvbeitung, Interaktion Mensch/Computer, Verteilte Systeme

Informationsfabrik

Grundlagen Buiness Intelligence, Data Warehouse

Aufzeigung der Einsatzgebiete, Begriffsvermittlung

ORDIX Seminare

DATA WAREHOUSE GRUNDLAGEN

Grundlagen Data Warehouse: Einführung und Begriffsdefinitionen Architektur eines Data Warehouse (Staging Area, Core Data Warehouse, Data Mart, etc.)
Datenmodelle (Star-Schema, Snowflake-Schema, Galaxie und Data Vault)
Anbindung von Quellsystemen
ETL-Überblick und Befüllung des Data Warehouse
Historisierung von Daten
Überblick Reporting
Beispielhafte Datenbankoptimierungen für ein Data Warehouse
Überblick und Einordnung Big Data

PC-College

MS SQL Server 2014 - MOC 20463 E - Implementing a Data Warehouse with MS SQL Server

Grundlegendes zum Data Warehousing, von der Planung der Infrastruktur bis hin zur Fertigstellung einer BI-Lösung

MS SQL Server 2016 - MOC 20767 E - Implementing an SQL Data Warehouse

Einführung in das Data Warehousing
Planung einer Data Warehouse Infrastruktur (Hardware, Referenzarchitekturen / Anwendungen)
Design und Implementierung eines Data Warehouse (logisches und physikalisches Design)
Spaltenspeicherindizes
Implementierung eines Azure SQL Data Warehouse:
Azure SQL Data Warehouse - Vorteile
Implementierung und Entwicklung
Migration auf ein Azure SQL Data Warehouse
Erstellen einer ETL-Lösung:
Einführung in ETL mit SQL Server Integration Services SSIS
Quelldaten, Implementierung der Datenflüsse
Implementierung eines Steuerungsflusses in einem SSIS-Paket:
Einführung in Steuerungsflüsse
Erstellen dynamischer Pakete
Verwenden von Containern
Debugging und Troubleshooting von SSIS-Paketen
Implementierung eines inkrementellen ETL-Prozesses
Sicherstellen der Datenqualität (Data Quality Services
Verwendung der Master Data Services
Erweiterung der SQL Server Integration Services SSIS (benutzerdefinierte Komponenten, Scripting )
Bereitstellung und Konfiguration von SSIS-Paketen
Nutzen von Daten in einem Data Warehouse:
Einführung in Business Intelligence
Einführung in die Berichterstellung und Datenanalyse
Analyse von Daten mit Azure SQL Data Warehouse

SIGS Datacom

Agiles Data Warehousing

Agile Werte & Prinzipien, Paradigmenwechsel vom Wasserfall zur Agilität
Warum eignet sich die agile Vorgehensweise für BI/DWH-Entwicklung?
Scrum für DWH - die Rollen und das Entwicklungsvorgehen
Team-Selbstorganisation – Management & People Context
Agile Requirements Engineering – das BI Product Backlog
Agile Planung und Schätzung
Qualitätssicherung durch agile DW-Testing
Multiprojekt-Management
Agiles Vorgehen in einem verteilten Team

CBIP-Prüfungsvorbereitung: "Business Analytics"

Data Warehousing (Tag 1)
Business Analytics (Tag 2)
sowie konkrete Hinweise zur Vorbereitung auf die CBIP-Prüfung ""Information Systems CORE"", Data-Warehouse-Architekturen und -Varianten
Kritische Erfolgsfaktoren für BI- und DWH-Projekte - Formen der Datenmodellierung für BI und DWH
Stammdatenmanagement: BI-relevante Konzepte und Vorgehensweisen
Inhalt, Rollen und Aufgaben von Data Governance für BI - Best Practices im Bereich Datenqualität
Business Analytics - Grundlagen, Vorgehensweisen und Methoden sowie praktischer Anwendungsbereich

CBIP-Prüfungsvorbereitung: "Data Warehousing"

Data Warehousing (Tag 1), ata Analysis & Design (Tag 2)
Business Analytics (Tag 2)
sowie konkrete Hinweise zur Vorbereitung auf die CBIP-Prüfung ""Information Systems CORE"", Data-Warehouse-Architekturen und -Varianten
Kritische Erfolgsfaktoren für BI und DWH-Projekte - Formen der Datenmodellierung für BI und DWH
Stammdatenmanagement: BI-relevante Konzepte und Vorgehensweisen
Inhalt, Rollen und Aufgaben von Data Governance für BI - Best Practices im Bereich
Datenqualität
Business Analytics - Grundlagen, Vorgehensweisen und Methoden sowie praktischer Anwendungsbereich

Testen von Data-Warehouse- und Business-Intelligence-Systemen

Grundlagen des Testens
Testplanung und Vorbereitung
Testbetrieb und Fehlernachverfolgung (engl. Defect Tracking)
Die menschliche Seite des Testens
Instrumente und Tools

Technische Universität Dortmund

Westfälische Hochschule Gelsenkirchen, Bocholt, Recklinghausen

Wirtschaftsinformatik (Gelsenkirchen) , Master

Business Intelligence und Data Warehousing, Controlling und Management, Integrierte Informationssysteme für Supply Change Management, für moderne Planungs- und Steuerungssysteme, Internet-Sicherheit, Moderne Softwaretechniken , Neueste Entwicklungen in der Wirtschaftsinformatik, Objektorientierte Datenbanken, Information Retrieval

DATABASES

IUBH International University of Applied Science

DATENMODELLIERUNG UND DATENBANKSYSTEME

Datenschemas visuell modellieren, Zur Lösung konkreter Probleme selbstständig Datenbankschemas entwerfen und Datenbankabfragen erstellen

ORDIX Seminare

EINFÜHRUNG IN NOSQL DATENBANKEN

Motivation hinter NoSQL Datenbanken, Abgrenzung gegenüber relationalen Datenbanken, Überblick über die unterschiedlichen Klassen von NoSQL Datenbanken Einführung wichtiger Konzepte wie polyglotte Persistenz, CAP-Theorem, Sharding und Replikation Vorstellung konkreter NoSQL Datenbanksysteme (Redis, MongoDB und Apache Cassandra) Auswahl des ""richtigen"" Datenbanksystems

PC-College

MS SQL Server 2012 / SQL Server 2014 / SQL Server 2016 - SQL Server Reporting Services (SSRS)

Systemarchitektur: Berichtsdesigner, Berichtsmanager und Berichtsserver Einfache Berichte: Arbeitsumgebung - Symbolleisten - Arbeiten mit Projekten - Projektmappen-Explorer - Datenquelle anlegen - Datenquelle freigeben - Datasets - Berichtsassistent - Berichtsentwurf - Vorschau - Daten Weiterführende Berichtsgestaltung: Arbeiten mit Berichtselementen: Tabelle, Matrix, Liste, Diagramm, eingebetteter Bericht, Bericht formatieren, Arbeiten mit dem Berichtsdesigner, Unterberichte - Filtern von Berichtsdaten, Gruppierungen in Berichten, Berechnungen in Berichten, Pivotdarstellungen Parametrisierte Berichte: Abfrageparameter - Berichtsparameter - Parameter in gespeicherten Prozeduren - Kaskadierende Abfrageparameter - Interaktive Berichte mit Drilldown und Drillthrough - Verwenden von Aggregatfunktionen und Ausdrücken Management von Berichten: Der Berichts-Manager im Überblick - Navigation - Inhaltsübersicht - Bericht rendern - Ordner erstellen - Datenquelle anlegen - Bericht up- und downloaden - Exportformate - Berechtigungen und Zugriffssicherheit - Ereignis- und zeitgesteuerte Ausführung von Berichten, Berichtshistorien, Performanceoptimierung der Berichtsausführung

MS SQL Server 2014 - MOC 20461 E - Querying MS SQL Server Databases

Überblick zum SQL Server vermittelt, die Teilnehmer lernen die Architektur und Komponenten und Tools kennen sowie erhalten den unerlässlichen Einblick in das SQL Server Management Studio. Die Teilnehmer erhalten tiefgehende Kenntnisse über Transact-SQL-Abfragen für MS SQL Server

MS SQL Server 2014 - MOC 20462 E - Administering MS SQL Server Databases

MS SQL Server 2014 - MOC 20464 E - Developing MS SQL Server Databases

Einführung in die Datenbankentwicklung über Design und Implementierung von Tabellen, Indizierung, Mechanismen zur Sicherstellung der Datenintegrität bis hin zur Automatisierung mit Stored Procedures, Functions und Trigger. Ebenso werden die Bereiche verwalteter Code und XML Daten angesprochen

MS SQL Server 2016 - Alles für Administratoren

Erstellen von Datenbanken und Dateien
Verwalten und Optimieren von SQL-Servercomputern, -Clients und SQL-Serverdiensten
Verwalten der Sicherheit: Authentifizierung, Berechtigungen, Rollen
Daten(bank)verwaltung mit SQL Server 2016 (Datenbankdateien und Protokolle, Schemas, Datentypen, Tabellen, Sichten, Prozeduren und Funktionen, Indizes und Partitionen)
Übertragen und Transformieren von Daten
Überwachen und Optimieren der Leistung von SQL Server 2016
Disaster Recovery und Verwalten der Hochverfügbarkeit
Automatisieren von Administrationsaufgaben
Einführung zur Replikation
Überblick über Analysis Services, Integration Services, Reporting Services

MS SQL Server 2016 - Grundkurs

Möglichkeiten und Grenzen von SQL Server 2016, Entwerfen von Datenbanken und Tabellen, Transact-SQL Datenzugriff, Gespeicherte Prozeduren implementieren, Implementieren von Triggern, Sichten, Indizes, Überwachen und optimieren der Datenbankleistung

MS SQL Server 2016 - MOC 10985 E - Introduction to SQL Databases

Datenbankkonzepte im Kontext zu MS SQL Server
Datenbanksprachen im Kontext zu MS SQL Server
Datenmodellierung, gängige Modellierungen
Normalisierung und Denormalisierung
Beziehungen, referentielle Integrität im Datenbankdesign
Perfomance: Indizierung, Abfrageperformance, Zugriffe
Datenbankobjekte: Tabellen, Sichten, stored procedures, weitere Datenbankobjekte

MS SQL Server 2016 - MOC 10986 E - Updating Your Skills to SQL Server 2016

Überblick SQL Server 2016 (Editionen und –Komponenten)
Installation von SQL Server 2016
Verbesserungen bei SQL Server Management Studio
Neuerungen bei der SQL Server-Performance (Spaltenspeicherindizes für Betriebsanalysen, In-Memory-OLTP-Verbesserungen, Query Data Store, Natives JSON, Temporäre Tabellen)
Neuerungen bei der SQL Server-Sicherheit (Always Encrypted, Sicherheit auf Zeilenebene, dynamische Datenmaskierung)
Neuerungen bei Verfügbarkeit und Skalierbarkeit
Verbesserte AlwaysOn-Verfügbarkeitsgruppen
Neuerungen beim Datenbankcaching
Verwenden von Windows Server 2016 mit SQL Server 2016
Neuerungen bei SQL-Server-Berichterstellung und BI (Reporting Services, PowerBI)
Neuerungen beim SQL-Server-Datenzugriff (PolyBase, Verbesserungen der Integration Services)
Neue und verbesserte Features in SQL Server OLAP
Neuerungen der Analysis Services
Neuerungen für SQL Server in der Cloud (Stretch Database, verbesserte Backups in Azure, SQL Server 2016: hybride Cloud
Neuerungen der SQL-Server-Azure-Datenbank

MS SQL Server 2016 - MOC 10987 E - Performance Tuning and Optimizing SQL Databases

SQL Server-Architektur, Ablaufverfolgung, Wartevorgänge:
SQL Server-Komponenten und SQL OS
Windows Scheduling oder SQL Scheduling?
Wartevorgänge und Warteschlangen
SQL Server I/O (Kernkonzepte, Speicherlösungen, Einrichtung und Test von I/O)
Datenbankstrukturen:
Interne Einrichtung von Datenbankstrukturen und Datendateien
Interne Einrichtung von TempDB
SQL Server Memory (Windows Memory, SQL Server Memory, In-Memory OLTP)
Gleichzeitige Zugriffe und Transaktionen
Statistiken und Indizes
Abfrageausführung und Abfrageplananalyse
Plancaching und Rekompilierung
Erweiterte Ereignisse
Überwachung, Tracing, Baselining von SQL Server-Performancedaten
Troubleshooting gängiger Performanceprobleme:
CPU-Performance, Memory-Performance, I/O-Performance
Performance bei gleichzeitigen Zugriffen
TempDB-Performance

MS SQL Server 2016 - MOC 10988 E - Managing SQL Business Intelligence Operations

Einführung in MS SQL Server-BI-Lösungen
Konzept der Self-Service-BI
Microsoft-Tools für Self-Service-BI
SQL Server-BI-Features mit MS SharePoint
Analysis Services in der Anwendung:
Konfiguration eines Analysis Services-Servers
Tuning eines Analysis Services-Servers
Analysis Services-Sicherheit
Hochverfügbarkeit und Disaster Recovery
Analysis Services Support:
Testen von Analysis Services-Cubes
Tuning und Wartung der Analysis Services
Anwendung und Support der Reporting Services
Power Query
Installation eines Report-Servers im nativen Modus
Installation der Reporting Services mit SharePoint
Reporting Services mit virtuellen MS Azure-Maschinen
Reporting Services-Fehler
PowerPivot Workbooks in SharePoint Server
Betrieb und Support von Power BI
Windows Azure HDInsight

MS SQL Server 2016 - MOC 10989 E - Analyzing Data with Power BI

Überblick Self-Service Business Intelligence Lösungen (Schlüsselkonzepte, Einführung Datenanalyse und Datenvisualisierung, Tools für Self-Service BI)
Einführung in Power BI (Mandantenverwaltung, mobile Power BI - Apps, Erstellen einfacher Dashboards)
Power BI - Daten (Excel und Datenbanken als Power BI - Datenquelle, Konfiguration von Power BI Service)
Strukturieren und Kombinieren von Daten
Modellieren von Daten (Beziehungen, DAX-Abfragen, Berechnungen)
Interaktive Datenvisualisierungen (Power BI - Berichte)
Verwalten einer Power BI - Lösung

MS SQL Server 2016 - MOC 10990 E - Analyzing Data with SQL Server Reporting Services

Überblick Business Intelligence und Datenmodellierung
Einführung in Reporting Services
Daten in Reporting Services (Datenverbindungen, Filter und Parameter)
Berichte erstellen / implemtieren (Berichte erstellen mit Hilfe des Berichtsassistenten, grafische Darstellung von Daten)
Kartenberichte erstellen (Filter und Parameter, Sortieren und Gruppieren, Veröffentlichen)
Erstellen mobiler Berichte (Übersicht, Vorbereitung Daten, Mobile Report Publisher)

MS SQL Server 2016 - MOC 20761 E - Querying Data with Transact-SQL

Einführung in MS SQL Server 2016:
Architektur von SQL Server
Editionen und Versionen
SQL Server Management Studio
Einführung in Transact SQL-Abfragen:
Sets, Prädikatenlogik
Logische Abfolge von Anweisungen in SQL-Statements
SELECT Klausel:
Einfache SELECT-Statements
Entfernen von Duplikaten mit DISTINCT
Verwendung von Spalten- und Tabellen-Aliases
Einfache CASE-Ausdrücke
Abfragen über mehrere Tabellen (Verwendung von JOINs)
Sortieren und Filtern von Daten:
Datensortierung mit ORDER BY
Datenfilterung mit Prädikaten in der WHERE-Klausel
Filterung mit TOP, OFFSET, FETCH
Arbeiten mit unbekannten Werten
Verwendung von SQL Server 2016 – Datentypen (Charakterdaten, Datums- und Zeitdaten)
Verwendung der Data Manipulation Language DML (Daten einfügen, modifizieren und löschen)
Arbeiten mit eingebauten Funktionen:
Abfragen mit eingebauten Funktionen
Datentypkonvertierung
Logische Funktionen
Arbeiten mit NULL
Gruppieren und Aggregieren von Daten:
Verwenden von Aggregatfunktionen
GROUP-BY - Klausel
Filtern von Gruppen mit HAVING
Arbeiten mit Unterabfragen:
In sich geschlossene Unterabfragen
Korrelierte Unterabfragen
EXIST - Prädikats
Verwendung von Set-Operatoren:
Abfragen mit dem UNION-Operator
EXCEPT und INTERSECT, APPLY

MS SQL Server 2016 - MOC 20762 E - Developing SQL Databases

Einführung in die Datenbankentwicklung
Die SQL Server-Plattform, wichtige Tools
Editionen, Versionen, Dienste und Dienstkonten
Design und Implementierung von Tabellen
Datentypen, Schemata, Erstellen und Bearbeiten von Tabellen
Fortgeschrittenes Tabellendesign
Partitionierung und Komprimierung von Daten
Temporäre Tabellen
Sicherstellen der Datenintegrität unter Verwendung von Bedingungen
Einführung in Indizes
Indexstrategien, optimierte Indexstrategien
Spaltenspeicherindizes
Design und Implementierung von Ansichten
Design und Implementierung gespeicherter Prozeduren
Design und Implementierung benutzerdefinierter Funktionen
Skalare Funktionen, tabellenwertige Funktionen
Alternativen zu Funktionen
Antworten auf Datenmanipulationen unter Verwendung von Triggern (DML-Trigger, geschachtelte und rekursive Trigger)
Verwendung von In-Memory-Tabellen
Implementierung von verwaltetem
Speichern und Abfragen von XML-Daten
XML und XML-Schemata, Implementierung des XML-Datentyps
T-SQL-FOR-XML-Statement, xQuery
Arbeiten mit räumlichen SQL-Server-Daten
Speichern und Abfragen von BLOBs und Textdokumenten
Arbeiten mit FileStream, Volltextsuche

MS SQL Server 2016 - MOC 20764 E - Administering an SQL Database Infrastructure

Authentifizierung / Autorisierung von Benutzern
Authentifizierung von Verbindungen zum SQL Server
Autorisierung der Anmeldung, um auf Datenbanken zuzugreifen
Autorisierung über mehrere Server hinweg
Verteilen von Server- und Datenbankrollen
Autorisierung von Benutzern für den Zugriff auf Ressourcen
Benutzerzugriffe auf Objekte
Ausführen von Code durch Benutzer
Berechtigungen auf Schemaebene
Datenschutz mit Verschlüsselung und Auditing
SQL Server Wiederherstellungsmöglichkeiten
Backupstrategien, SQL Server Transaktionslogin
Backup und Wiederherstellung von SQL Server Datenbanken
Automatisierung der SQL Server Verwaltung (SQL Server Agent, Master- und Target-Server)
Konfiguration der Sicherheit für den SQL Server Agent (Zugangsdaten, Proxykonten)
Überwachung von SQL Server, Alarme, Benachrichtigungen
Einführung in die Verwaltung von SQL Server mit PowerShell
Nachverfolgung des Zugriffs auf SQL Server
Aufzeichnen der Aktivität unter Verwendung des SQL Server Profiler
Performanceverbesserung durch den Database Engine Tuning Advisor
Tracingoptionen, verteilte Wiedergabe, Sperrvorgänge
Überwachung von SQL Server (Aktivität, Aufzeichnen / Verwalten von Performancedaten, Analyse Performancedaten, SQL Server Utility)
Troubleshooting von SQL Server
Im- und Export von Daten

MS SQL Server 2016 - MOC 20767 E - Implementing an SQL Data Warehouse

Einführung in das Data Warehousing
Planung einer Data Warehouse Infrastruktur (Hardware, Referenzarchitekturen / Anwendungen)
Design und Implementierung eines Data Warehouse (logisches und physikalisches Design)
Spaltenspeicherindizes
Implementierung eines Azure SQL Data Warehouse:
Azure SQL Data Warehouse - Vorteile
Implementierung und Entwicklung
Migration auf ein Azure SQL Data Warehouse
Erstellen einer ETL-Lösung:
Einführung in ETL mit SQL Server Integration Services SSIS
Quelldaten, Implementierung der Datenflüsse
Implementierung eines Steuerungsflusses in einem SSIS-Paket:
Einführung in Steuerungsflüsse
Erstellen dynamischer Pakete
Verwenden von Containern
Debugging und Troubleshooting von SSIS-Paketen
Implementierung eines inkrementellen ETL-Prozesses
Sicherstellen der Datenqualität (Data Quality Services
Verwendung der Master Data Services
Erweiterung der SQL Server Integration Services SSIS (benutzerdefinierte Komponenten, Scripting )
Bereitstellung und Konfiguration von SSIS-Paketen
Nutzen von Daten in einem Data Warehouse:
Einführung in Business Intelligence
Einführung in die Berichterstellung und Datenanalyse
Analyse von Daten mit Azure SQL Data Warehouse

MS SQL Server 2016 - MOC 20768 E - Developing SQL Data Models

Einführung in Business Intelligence und Datenmodellierung:
BI-Konzepte, MS Business Intelligence-Plattform
Arbeiten mit mehrdimensionalen Datenbanken:
Erzeugen mehrdimensionaler Datenbanken
Einführung in die mehrdimensionale Analyse
Erzeugen von Datenquellen und Datenquellenansichten
Erzeugen eines Cube
Cubesicherheit
Arbeiten mit Cubes und Dimensionen:
Konfiguration von Dimensionen
Definieren von Attributhierarchien
Sortieren und Gruppieren von Attributen
Arbeiten mit Measures und Measure Groups
Einführung in MDX
Anpassung der Cube-Funktionalität:
Implementierung von Key-Performance-Indikatoren
Implementierung von Aktionen und Perspektiven
Implementierung von Übersetzungen
Implementierung eines tabellarischen Datenmodells unter Verwendung der Analysis Services
Einführung in Data Analysis Expression DAX:
DAX Grundlagen
Erstellen berechneter Spalten und Measures in einem tabellarischen Datenmodell unter Verwendung von DAX
Vorhersageanalysen mit Data Mining:
Überblick über Data Mining
Verwenden des Data Mining Add-ins für Excel
Erstellen einer benutzerdefinierten Data Mining Lösung
Validieren eines Data Mining Modells
Verbinden eines Data Mining Modells
Nutzung eines Data Mining Modells

Technische Universität Dortmund

Technische Universität München

Informatik , Master of Science

Universität Stuttgart

Data Science B.Sc. , Bachelor of Science

Datenintegration, Datenhaltung und Datenqualität (z.B. Datenbanken, Data Warehouses, NoSQL-Systeme, Informationsintegration), Datenanalyse und Wissensmanagement (z.B. Data Mining, Text Analytics, Informationsextraktion, Wissensrepräsentation) sowie Datenvisualisierung und Informationsbereitstellung (z.B. Visual Analytics, Dashboards)

eBUSINESS

Brandenburgische Technische Universität Cottbus-Senftenberg

eBusiness , Bachelor

eBusiness: Systeme, eCommerce, Informatik: Programmieren, Software, Datenbanken, Matehematik, Statistik, Vertiefungen: Investition, Marketing, Medientechnik, Vertiefungen: Systemanalyse, Informationssysteme, Wirtschaftswissenschaften: BWL, Recht

eBusiness , Master

Anwendung und Betrieb von eBusiness-Systemen, Datenbank- und Informationssysteme, eCommerce, Geschäftsprozessmodellierung, Electronic Business, Entwicklung und Aufbau von eBusiness-Systemen, Web-Technologie

Hessische Berufsakademie BA

E-Business & Informationsmanagement

Business Basics, Webprogrammierung, Statistik, Informationsmanagement, Datenbanksysteme, E-Business etc.

Hochschule Furtwangen

TU Cottbus

eBusiness

Gestaltung internetbasierter Organisationsabläufe und webbasiertem Workflow
Aufbau von Geschäftsmodellen im Web
Wirtschaftlichkeitsbetrachtung von eBusiness-Projekten
Entwicklung von Marketingstrategien und Kommunikationskonzepten im Web
Gestaltung von unternehmensinternen und -externen Informationsflüssen
Content-Management

"Studiengang eBusiness Master of Science (M.Sc.)"

Projektmanager - Entwicklung und Implementierung neuer technologiegetriebener Geschäftsmodelle Informationsmanager - Verantwortlich für einen effektiven und effizienten Gebrauch vorhandener eBusiness-Systeme Softwaremanager - Entwurf und Implementierung von eBusiness-Systemen nach unternehmensspezifischen Anforderungen

EXCEL/PIVOT

IHK Akademie Ostwestfalen

Reporting mit Excel - Analyse großer Datenmengen

Reporting mit Excel - Analyse großer Datenmengen

VHS Böblingen

Schnelle Daten-Analyse mit Pivot-Tabellen

Richtige Erfassung aller Aktivitäten
- Sortieren und Filtern
- Zeitliche Darstellung in einem Gantt-Diagramm

VHS Deggendorf

Datenanalysen - Pivot-Tabellen

Daten kombinieren und konsolidieren
- Pivot-Tabellen erstellen und anpassen
- Trendanalysen, Datentabellen und Zielwertsuche
- Spezialfilter, Tabellen gliedern
- Diagramme für Fortgeschrittene

VHS Holzkirchen

Gewusst wie: Daten professionell mit Filtern und Pivot Tabellen auswerten

Die vielfältigen Funktionen des AutoFilters nutzen - Ergebnisse in Pivot Tabellen darstellen - Layouts und Ergebnisdarstellungen in Pivot Tabellen variieren - Detaildaten differenziert darstellen - Formatieren von Pivot Tabellendaten - Detaildaten über Drilldown anzeigen - Datenveränderungen in Pivot Tabellen aktualisieren - Pivot Tabellen Ergebnisse sortieren - Ergebnisverdichtung und Gruppierung - Feldeigenschaften in Pivot Tabellen definieren und anpassen - Berechnete Felder innerhalb einer Pivot Tabelle erstellen - Pivot Tabellen in Pivot Charts darstellen (Diagrammdarstellung, Diagrammtypen, Diagrammgestaltung)

VHS Stadtlohn

Excel Know-how für Fortgeschrittene: Pivot-Tabellen und Datenanalyse

Namen und Formelüberwachung einsetzen
- Tabellen gliedern
- Individuelle bedingte Formatierungen verwenden
- Daten kombinieren und konsolidieren
- Komplexe Pivot-Tabellen erstellen und anpassen
- Daten analysieren und professionell mit Diagrammen und Illustrationen visualisieren

VHS Weiden

Pivot-Tabellen und PowerPivot

Schnelle Auswertung von Daten mit Excel-Pivot
Einführung in PowerPivot für MS Excel
Konfiguration des Datenzugriffs in PowerPivot für Excel auf verschiedene Datenquellen
Tabellenbeziehungen definieren, Spalten ein- und ausblenden, berechnete Spalten erzeugen
Filterung von Daten
Berechnungen mit PowerPivot Data Analysis Expression (DAX)

IT

AKAD Hochschule Stuttgart

Digital Engineering und Angewandte Informatik , Bachelor of Engineering (B. Eng.)

Computer Security und Cyber Security, Embedded System, Modern Dataprocessing und Big Data, Virtual Reality

FOM Hochschule für Oekonomie & Management - University of Applied Sciences

Master-Studiengang IT-Management

Friedrich-Alexander-Universität Erlangen-Nürnberg

International Information Systems , Master of Science

Basics in Software Engineering, Foundations in Database Systems, IT-enabled Innovation & Value Creation, IT-enabled Processes & Services, Managing Enterprise-wide IT Architectures, Managing Global Projects & Information Technology, Managing IT-enabled Business

Hochschule für angewandte Wissenschaften Neu-Ulm

Master of Business Intelligence and Business Analytics , Master of Science (M.Sc.)

Angewandte Statistik, BI-Architektur, Big Data, BI-Organisation, BI-Strategie, Business Intelligence (BI), Data Mining, Datenanalyse, IT-Management

Hochschule Schmalkalden

Informatik und IT-Management , Master

IT-Infrastrukturen und Cloud Computing , IT-Recht und Datenschutz , IT-Sicherheit , Multivariate Statistik , Projektmanagement , Prozessmanagement und IT-Consulting , Relationship Management und Online-Marketing , Serviceorientierte Software-Architekturen , Software- und Datenbank-Technologien , Strategisches Management und IT-Governance

Technische Universität München

Informatik , Master of Science

Universität Koblenz-Landau

Informatik , Master

Universität Konstanz

Informatik , Bachelor

Big Data, Bioinformatik, Data Mining, Data Science, Digital Libraries, Interactive Systems, Network Science, Sports Informatics, Systems, Visual Computing

Information Engineering , Bachelor

Big Data, Bioinformatik, Data Mining, Data Science, Digital Libraries, Interactive Systems, Network Science, Sports Informatics, Systems, Visual Computing

MARKETING, KOMMUNIKATION & MEDIEN

Bauhaus-Universität Weimar

Medieninformatik , Bachelor

Big Data Analytics, Computer Graphics, Computer Vision, Human-Computer Interaction, Mediensicherheit, Mobile Media, Systeme der Virtuellen Realität, Usability, Vernetzte Medien, Web Technologien

Campus 21

Digital Business Management – Digital Marketing Management

Digitale Kommunikation, VBI & Information Design II
Spezielles Recht
Wirtschaftsinformatik
Betriebswirtschaft
Unternehmensführung und Kommunikation
Data-Driven-Marketing
Cross Media Marketing
Spezielles Marketing
Markenmanagement

Digital Business Management – E-Commerce & Digital Retail

Digital Retail Business Management
Digital Retail Market Management
Datenmanagement
Marketing-Instrumente & Neue Medien
Betriebswirtschaft
Shopper Research & Insights
E-Commerce Technologies
Digital & Mobile Campaigns
Supply Chain Management & Handelslogistik
Spezielles Recht
Wirtschaftsinformatik

Digital Business Management – Smart & Mobility Management

Mobile Technology & Research
Mobile Marketing
Customer Relationship Management
Mobility Behaviour & Digital Lifestyle
Innovationsmanagement
Smart & Mobility Management
Digital Research & Analytics

EBC Hochschule - University of Applied Sciences

International Management , Master of Arts M.A.

Advanced Statistics & Big Data, Corporate Brand Management, Corporate Consulting & Project Management, Corporate Development & Human Capital Management, Customer Relationship & Lifecycle Management, Group Accounting, Innovation Management & Design Thinking, Portfolio Management & Asset Valuation, Sales Strategies, Operations & Control E-Commerce, Small/Medium Enterprise Management & Entrepreneurship

Europäische Medien- und Business-Akademie (EMBA)

Digital Business Management

FH Wedel

Bachelor-Studium E-Commerce

Online-Marketing
SEO
E-Commerce-Systeme
Web-Analytics
Intuitive Bedienkonzepte
Mediengestaltung
Multi Channel Retailing
Mobile Internet
Distanzhandel
Online-Shops
Location Based Services

Master-Studium E-Commerce

Management-Aspekte im digitalen Handel. Die Schwerpunkte liegen dabei in den Bereichen Geschäftsmodelle und im strategischen Change-Management, im Customer-Relationship-Management und im IT-Management.

FOM Hochschule für Oekonomie & Management - University of Applied Sciences

Bachelor-Studiengang Marketing & Digitale Medien

Master-Studiengang Marketing & Communication

Digitalisierung im Marketing, Werbe- und Medienpsychologie, Entscheidungsorientiertes Management, International Marketing Management etc.

Hochschule für Angewandte Wissenschaften Hamburg

Digitale Kommunikation , Master

App-Entwicklung, Content Marketing & Blogging, Crossmediale Nachrichtenproduktion im Newsroom, Data Visualisation, Digital Leadership, Information Design & Knowledge Discovery, Internet Politics, Journalismus & PR, Kommunikationspsychologie, Projektmanagement, Social Media & Community Engagement

Hochschule Ravensburg-Weingarten

Internet und Online-Marketing

Online-Marketing
• Internettechnologien
• Electronic Commerce
• Social Commerce
• Mobile Commerce
• Social Media
• Webgestaltung (Websites, Onlineshops, mobile Apps)
• Suchmaschinenmarketing & -optimierung
• Internet der Dinge
• BWL

IST-Hochschule für Management

Bachelor Kommunikation & Medienmanagement

u.a. „Kommunikationswissenschaften und Medienökonomie“, „Medienmarketing“ und „Medienpraxis – Konzept und Redaktion“

Bachelor Kommunikation & Medienmanagement Dual

u.a. „Kommunikationswissenschaften und Medienökonomie“, „Medienmarketing“ und „Medienpraxis – Konzept und Redaktion“, beispielsweise „Werbe- und Medienpsychologie“, „Unternehmenskommunikation – Strategie und Umsetzung“ oder „Advanced Online Marketing“

IUBH International University of Applied Science

Betriebswirtschaftslehre Schwerpunkt E-Commerce

Fachbegriffe
Rechtliche und ethische Rahmenbedingungen
Technische Infrastruktur
Entwicklung der elektronischen Märkte
Elektronische Marktkommunikation
Onlinewerbung
CRM
PR und Recruiting in sozialen Netzwerken
Strategie von Online-Prozessen
Preisstrategien und Bezahlsysteme

Technische Universität Chemnitz

Beziehungsmarketing (CRM) / Vertriebsmanagement , Master

Beziehungsmarketing, CRM, Projektmanagement, Erfolgskontrolle, Einsatz von Marketinginstrumenten im B2B- und B2C-Bereich (Kampagnenmanagement, Direktmarketing, Online- und Socialmedia-Kommunikation, Messen, Pricing, technischer Vertrieb, Multi-Channel-Vertriebssysteme), General Management, betriebswirtschaftliche Zusammenhänge und Prozesse, Kenntnisse zu Unternehmensführung, Controlling, Marketingmanagement und Finanzierung , Geschäftsprozessmodellierung, Datenbanken, Auswahl von CRM-Systemen und Datenschutz, Kundenbeziehungen und Kundenverhalten im B2B- und B2C-Bereich, Kundenzufriedenheit, Kundenbindung und Kundenwert, Marktforschung und Data Mining, strategische Kundengewinnung, -bindung, -rückgewinnung

Kundenbeziehungsmanagement , Master

Database Marketing, Datenbankpraktikum, KBM-Praktikum, E-Business, Kommunikation, Konsumentenverhalten, Kundenorientiertes Prozess- und IT-Management, Marketingkommunikation, Marktforschung, Prozess-Controlling

R

IFFS Academy

Big Data Awareness

Verständnis des Big Data Konzepts. Aufdeckung von Informationen durch Big Data. Praxisorientierte Beispiele mit “R”.

Big Data für Lean Six Sigma Experten

Kennenlernen der R Programmierumgebung: Grundlagen der R Programmierung / Verwendung von Paketen
Datenabruf und – vorbereitung zur Analyse: Dateneinstellung in R & Daten Bereinigung
Erforschende Datenanalyse: grafische Tools, “Cluster” Analyse, Analyse der wichtigsten Komponenten, Assoziationsregeln
Erarbeitung / Validierung von Vorhersagemodellen: Regressionsmodelle und Regressionsstrukturen, Evaluierung Modellleistung
Generierung von Verbesserungen mit den Modellen
Kommunikation & Umsetzung

SIX SIGMA

IFFS Academy

Big Data für Lean Six Sigma Experten

Kennenlernen der R Programmierumgebung: Grundlagen der R Programmierung / Verwendung von Paketen
Datenabruf und – vorbereitung zur Analyse: Dateneinstellung in R & Daten Bereinigung
Erforschende Datenanalyse: grafische Tools, “Cluster” Analyse, Analyse der wichtigsten Komponenten, Assoziationsregeln
Erarbeitung / Validierung von Vorhersagemodellen: Regressionsmodelle und Regressionsstrukturen, Evaluierung Modellleistung
Generierung von Verbesserungen mit den Modellen
Kommunikation & Umsetzung

Design for Six Sigma

Überblick über die Notwendigkeit, Qualität schon in der Entwicklung sicherzustellen
VOC und Kundensegmentierung als Ausgangspunkt für neue Prozess und Produktentwicklung
Messsystemanalyse für noch nicht vorhandene Systeme und Produkte
Kreativitätstechniken
Transferfunktionen, Entwicklung und Verwendung
Zufallseinflüsse auf das Produkt/Prozess, robuste und optimierte Designs
Kontrollpläne, Pilotprozesse
Design for Reliability, Design for Manufacturability
FMEA und Poka Yoke

Master Black Belt

Das Curriculum umfasst eine Kombination aus Theorie, Einzel- und Gruppenübungen sowie Arbeitssitzungen
Die vermittelten Inhalte orientieren sich stark an den Bedürfnissen der Teilnehmer
Theoretische Grundlagen und Prinzipien
Minitab Anwendung

Six Sigma Black Belt

Überblick Six Sigma Methodik Erfolgsfaktoren
5 Phasen der Prozessoptimierungsmethodik DMAIC
Kundenanforderungen identifizieren
Value Stream Mapping
Prozess- und Datenanalyse
Daten sammeln und messen
Prozessverschwendung und Optimierung
Lösungen implementieren und pilotieren
Laufendes Monitoring neu implementierter Prozesse
Change Management Konzepte und Tools
Facilitation Skills

Six Sigma Green Belt

Überblick Six Sigma Methodik Erfolgsfaktoren
5 Phasen der Prozessoptimierungsmethodik DMAIC
Kundenanforderungen identifizieren
Value Stream Mapping
Prozess- und Datenanalyse
Daten sammeln und messen
Prozessverschwendung und Optimierung
Lösungen pilotieren und implementieren
Laufendes Monitoring neu implementierter Prozesse

Six Sigma Yellow Belt

Überblick Six Sigma Methodik
5 Phasen der Prozessoptimierung DMAIC
Kundenanforderungen identifizieren
Daten sammeln
Prozessleistungsfähigkeit ermitteln
Optimierung erkennen
Lösungen erarbeiten und implementieren
Monitoring neu implementierter Prozesse

Big Data für Lean Six Sigma Experten

Kennenlernen der R Programmierumgebung: Grundlagen der R Programmierung / Verwendung von Paketen
Datenabruf und – vorbereitung zur Analyse: Dateneinstellung in R & Daten Bereinigung
Erforschende Datenanalyse: grafische Tools, “Cluster” Analyse, Analyse der wichtigsten Komponenten, Assoziationsregeln
Erarbeitung / Validierung von Vorhersagemodellen: Regressionsmodelle und Regressionsstrukturen, Evaluierung Modellleistung
Generierung von Verbesserungen mit den Modellen
Kommunikation & Umsetzung

SQL SERVER

PC-College

MCSE - Business Intelligence (MS SQL Server 2014)

Ziel der Komplettausbildung ist es, den Teilnehmern die nötigen Kenntnisse zur Zertifizierung zum MCSE (Microsoft Certified Solutions Expert): Business Intelligence (MS SQL Server 2014) zu vermitteln

MS SQL Server 2012 / SQL Server 2014 / SQL Server 2016 - SQL Server Reporting Services (SSRS)

Systemarchitektur: Berichtsdesigner, Berichtsmanager und Berichtsserver Einfache Berichte: Arbeitsumgebung - Symbolleisten - Arbeiten mit Projekten - Projektmappen-Explorer - Datenquelle anlegen - Datenquelle freigeben - Datasets - Berichtsassistent - Berichtsentwurf - Vorschau - Daten Weiterführende Berichtsgestaltung: Arbeiten mit Berichtselementen: Tabelle, Matrix, Liste, Diagramm, eingebetteter Bericht, Bericht formatieren, Arbeiten mit dem Berichtsdesigner, Unterberichte - Filtern von Berichtsdaten, Gruppierungen in Berichten, Berechnungen in Berichten, Pivotdarstellungen Parametrisierte Berichte: Abfrageparameter - Berichtsparameter - Parameter in gespeicherten Prozeduren - Kaskadierende Abfrageparameter - Interaktive Berichte mit Drilldown und Drillthrough - Verwenden von Aggregatfunktionen und Ausdrücken Management von Berichten: Der Berichts-Manager im Überblick - Navigation - Inhaltsübersicht - Bericht rendern - Ordner erstellen - Datenquelle anlegen - Bericht up- und downloaden - Exportformate - Berechtigungen und Zugriffssicherheit - Ereignis- und zeitgesteuerte Ausführung von Berichten, Berichtshistorien, Performanceoptimierung der Berichtsausführung

MS SQL Server 2014 - MOC 20461 E - Querying MS SQL Server Databases

Überblick zum SQL Server vermittelt, die Teilnehmer lernen die Architektur und Komponenten und Tools kennen sowie erhalten den unerlässlichen Einblick in das SQL Server Management Studio. Die Teilnehmer erhalten tiefgehende Kenntnisse über Transact-SQL-Abfragen für MS SQL Server

MS SQL Server 2014 - MOC 20462 E - Administering MS SQL Server Databases

MS SQL Server 2014 - MOC 20463 E - Implementing a Data Warehouse with MS SQL Server

Grundlegendes zum Data Warehousing, von der Planung der Infrastruktur bis hin zur Fertigstellung einer BI-Lösung

MS SQL Server 2014 - MOC 20464 E - Developing MS SQL Server Databases

Einführung in die Datenbankentwicklung über Design und Implementierung von Tabellen, Indizierung, Mechanismen zur Sicherstellung der Datenintegrität bis hin zur Automatisierung mit Stored Procedures, Functions und Trigger. Ebenso werden die Bereiche verwalteter Code und XML Daten angesprochen

MS SQL Server 2014 - MOC 20466 E - Implementing Data Models and Reports with SQL Server

Einführung in Business Intelligence und Datenmodellierung
Elemente einer BI-Lösung für Unternehmen
Die Microsoft-BI-Plattform
Planung eines BI-Projekts
Erstellen mehrdimensionaler Datenbanken
Einführung in die mehrdimensionale Analyse
Erstellen von Datenquellen und Datenquellenansichten
Erstellen eines Cubes
Überblick über die Cubesicherheit
Arbeiten mit Cubes und Dimensionen
Konfiguration von Dimensionen
Definition von Attributhierarchien
Sortieren und Gruppieren von Hierarchien
Arbeiten mit Measures und Measuregruppen
Einführung in MDX
MDX-Grundlagen
Berechnungen zu einem Cube hinzufügen
Cubes mit Hilfe von MDX abfragen
Erweitern eines Cubes
Implementierung von Key-Performance-Indikatoren
Implementierung von Aktionen
Implementierung von Perspektiven
Implementierung von Übersetzungen
Implementierung eines tabellarischen Datenmodells für Analysis Services
Einführung in Data Analysis Expression (DAX)
Implementierung von Berichten mit SQL Server Reporting Services
Erstellen eines Berichts mit Report Designer
Gruppieren und Aggregieren von Daten in einem Bericht
Veröffentlichen eines Berichts
Erweitern von Berichten mit SQL Server Reporting Services
Daten grafisch darstellen
Filtern von Berichten mit Parametern
Verwalten der Berichtsausführung und -bereitstellung
Verwalten der Sicherheit
Verwalten der Berichtsausführung
Abonnements und Alarmmeldungen
Troubleshooting der Reporting Services
BI mit SharePoint PerformancePoint Services
SharePoint Server als BI-Plattform
Einführung in die PerformancePoint Services
PerformancePoint-Datenquellen und Zeitintelligenz
Berichte, Scorecards und Dashboards
Vorhersageanalyse mit Data Mining

MS SQL Server 2014 - MOC 20467 E - Designing Self Service Business Intelligence and Big Data Solutions

Schwerpunkte des Seminars sind Design, Installation, Implementierung und Wartung einer BI-Infrastruktur. Sie erfahren, wie Self-Service-Business Intelligence (BI)- und Big Data-Analyselösungen implementiert werden

MS SQL Server 2016 - Alles für Administratoren

Erstellen von Datenbanken und Dateien
Verwalten und Optimieren von SQL-Servercomputern, -Clients und SQL-Serverdiensten
Verwalten der Sicherheit: Authentifizierung, Berechtigungen, Rollen
Daten(bank)verwaltung mit SQL Server 2016 (Datenbankdateien und Protokolle, Schemas, Datentypen, Tabellen, Sichten, Prozeduren und Funktionen, Indizes und Partitionen)
Übertragen und Transformieren von Daten
Überwachen und Optimieren der Leistung von SQL Server 2016
Disaster Recovery und Verwalten der Hochverfügbarkeit
Automatisieren von Administrationsaufgaben
Einführung zur Replikation
Überblick über Analysis Services, Integration Services, Reporting Services

MS SQL Server 2016 - Grundkurs

Möglichkeiten und Grenzen von SQL Server 2016, Entwerfen von Datenbanken und Tabellen, Transact-SQL Datenzugriff, Gespeicherte Prozeduren implementieren, Implementieren von Triggern, Sichten, Indizes, Überwachen und optimieren der Datenbankleistung

MS SQL Server 2016 - MOC 10985 E - Introduction to SQL Databases

Datenbanksprachen im Kontext zu MS SQL Server
Datenmodellierung, gängige Modellierungen
Normalisierung und Denormalisierung
Beziehungen, referentielle Integrität im Datenbankdesign
Perfomance: Indizierung, Abfrageperformance, Zugriffe
Datenbankobjekte: Tabellen, Sichten, stored procedures, weitere Datenbankobjekte

MS SQL Server 2016 - MOC 10986 E - Updating Your Skills to SQL Server 2016

Überblick SQL Server 2016 (Editionen und –Komponenten)
Installation von SQL Server 2016
Verbesserungen bei SQL Server Management Studio
Neuerungen bei der SQL Server-Performance (Spaltenspeicherindizes für Betriebsanalysen, In-Memory-OLTP-Verbesserungen, Query Data Store, Natives JSON, Temporäre Tabellen)
Neuerungen bei der SQL Server-Sicherheit (Always Encrypted, Sicherheit auf Zeilenebene, dynamische Datenmaskierung)
Neuerungen bei Verfügbarkeit und Skalierbarkeit
Verbesserte AlwaysOn-Verfügbarkeitsgruppen
Neuerungen beim Datenbankcaching
Verwenden von Windows Server 2016 mit SQL Server 2016
Neuerungen bei SQL-Server-Berichterstellung und BI (Reporting Services, PowerBI)
Neuerungen beim SQL-Server-Datenzugriff (PolyBase, Verbesserungen der Integration Services)
Neue und verbesserte Features in SQL Server OLAP
Neuerungen der Analysis Services
Neuerungen für SQL Server in der Cloud (Stretch Database, verbesserte Backups in Azure, SQL Server 2016: hybride Cloud
Neuerungen der SQL-Server-Azure-Datenbank

MS SQL Server 2016 - MOC 10987 E - Performance Tuning and Optimizing SQL Databases

SQL Server-Architektur, Ablaufverfolgung, Wartevorgänge:
SQL Server-Komponenten und SQL OS
Windows Scheduling oder SQL Scheduling?
Wartevorgänge und Warteschlangen
SQL Server I/O (Kernkonzepte, Speicherlösungen, Einrichtung und Test von I/O)
Datenbankstrukturen:
Interne Einrichtung von Datenbankstrukturen und Datendateien
Interne Einrichtung von TempDB
SQL Server Memory (Windows Memory, SQL Server Memory, In-Memory OLTP)
Gleichzeitige Zugriffe und Transaktionen
Statistiken und Indizes
Abfrageausführung und Abfrageplananalyse
Plancaching und Rekompilierung
Erweiterte Ereignisse
Überwachung, Tracing, Baselining von SQL Server-Performancedaten
Troubleshooting gängiger Performanceprobleme:
CPU-Performance, Memory-Performance, I/O-Performance
Performance bei gleichzeitigen Zugriffen
TempDB-Performance

MS SQL Server 2016 - MOC 10988 E - Managing SQL Business Intelligence Operations

Einführung in MS SQL Server-BI-Lösungen
Konzept der Self-Service-BI
Microsoft-Tools für Self-Service-BI
SQL Server-BI-Features mit MS SharePoint
Analysis Services in der Anwendung:
Konfiguration eines Analysis Services-Servers
Tuning eines Analysis Services-Servers
Analysis Services-Sicherheit
Hochverfügbarkeit und Disaster Recovery
Analysis Services Support:
Testen von Analysis Services-Cubes
Tuning und Wartung der Analysis Services
Anwendung und Support der Reporting Services
Power Query
Installation eines Report-Servers im nativen Modus
Installation der Reporting Services mit SharePoint
Reporting Services mit virtuellen MS Azure-Maschinen
Reporting Services-Fehler
PowerPivot Workbooks in SharePoint Server
Betrieb und Support von Power BI
Windows Azure HDInsight

MS SQL Server 2016 - MOC 10989 E - Analyzing Data with Power BI

Überblick Self-Service Business Intelligence Lösungen (Schlüsselkonzepte, Einführung Datenanalyse und Datenvisualisierung, Tools für Self-Service BI)
Einführung in Power BI (Mandantenverwaltung, mobile Power BI - Apps, Erstellen einfacher Dashboards)
Power BI - Daten (Excel und Datenbanken als Power BI - Datenquelle, Konfiguration von Power BI Service)
Strukturieren und Kombinieren von Daten
Modellieren von Daten (Beziehungen, DAX-Abfragen, Berechnungen)
Interaktive Datenvisualisierungen (Power BI - Berichte)
Verwalten einer Power BI - Lösung

MS SQL Server 2016 - MOC 10990 E - Analyzing Data with SQL Server Reporting Services

Überblick Business Intelligence und Datenmodellierung
Einführung in Reporting Services
Daten in Reporting Services (Datenverbindungen, Filter und Parameter)
Berichte erstellen / implemtieren (Berichte erstellen mit Hilfe des Berichtsassistenten, grafische Darstellung von Daten)
Kartenberichte erstellen (Filter und Parameter, Sortieren und Gruppieren, Veröffentlichen)
Erstellen mobiler Berichte (Übersicht, Vorbereitung Daten, Mobile Report Publisher)

MS SQL Server 2016 - MOC 20761 E - Querying Data with Transact-SQL

Einführung in MS SQL Server 2016:
Architektur von SQL Server
Editionen und Versionen
SQL Server Management Studio
Einführung in Transact SQL-Abfragen:
Sets, Prädikatenlogik
Logische Abfolge von Anweisungen in SQL-Statements
SELECT Klausel:
Einfache SELECT-Statements
Entfernen von Duplikaten mit DISTINCT
Verwendung von Spalten- und Tabellen-Aliases
Einfache CASE-Ausdrücke
Abfragen über mehrere Tabellen (Verwendung von JOINs)
Sortieren und Filtern von Daten:
Datensortierung mit ORDER BY
Datenfilterung mit Prädikaten in der WHERE-Klausel
Filterung mit TOP, OFFSET, FETCH
Arbeiten mit unbekannten Werten
Verwendung von SQL Server 2016 – Datentypen (Charakterdaten, Datums- und Zeitdaten)
Verwendung der Data Manipulation Language DML (Daten einfügen, modifizieren und löschen)
Arbeiten mit eingebauten Funktionen:
Abfragen mit eingebauten Funktionen
Datentypkonvertierung
Logische Funktionen
Arbeiten mit NULL
Gruppieren und Aggregieren von Daten:
Verwenden von Aggregatfunktionen
GROUP-BY - Klausel
Filtern von Gruppen mit HAVING
Arbeiten mit Unterabfragen:
In sich geschlossene Unterabfragen
Korrelierte Unterabfragen
EXIST - Prädikats
Verwendung von Set-Operatoren:
Abfragen mit dem UNION-Operator
EXCEPT und INTERSECT, APPLY

MS SQL Server 2016 - MOC 20762 E - Developing SQL Databases

Einführung in die Datenbankentwicklung
Die SQL Server-Plattform, wichtige Tools
Editionen, Versionen, Dienste und Dienstkonten
Design und Implementierung von Tabellen
Datentypen, Schemata, Erstellen und Bearbeiten von Tabellen
Fortgeschrittenes Tabellendesign
Partitionierung und Komprimierung von Daten
Temporäre Tabellen
Sicherstellen der Datenintegrität unter Verwendung von Bedingungen
Einführung in Indizes
Indexstrategien, optimierte Indexstrategien
Spaltenspeicherindizes
Design und Implementierung von Ansichten
Design und Implementierung gespeicherter Prozeduren
Design und Implementierung benutzerdefinierter Funktionen
Skalare Funktionen, tabellenwertige Funktionen
Alternativen zu Funktionen
Antworten auf Datenmanipulationen unter Verwendung von Triggern (DML-Trigger, geschachtelte und rekursive Trigger)
Verwendung von In-Memory-Tabellen
Implementierung von verwaltetem
Speichern und Abfragen von XML-Daten
XML und XML-Schemata, Implementierung des XML-Datentyps
T-SQL-FOR-XML-Statement, xQuery
Arbeiten mit räumlichen SQL-Server-Daten
Speichern und Abfragen von BLOBs und Textdokumenten
Arbeiten mit FileStream, Volltextsuche

MS SQL Server 2016 - MOC 20764 E - Administering an SQL Database Infrastructure

Authentifizierung / Autorisierung von Benutzern
Authentifizierung von Verbindungen zum SQL Server
Autorisierung der Anmeldung, um auf Datenbanken zuzugreifen
Autorisierung über mehrere Server hinweg
Verteilen von Server- und Datenbankrollen
Autorisierung von Benutzern für den Zugriff auf Ressourcen
Benutzerzugriffe auf Objekte
Ausführen von Code durch Benutzer
Berechtigungen auf Schemaebene
Datenschutz mit Verschlüsselung und Auditing
SQL Server Wiederherstellungsmöglichkeiten
Backupstrategien, SQL Server Transaktionslogin
Backup und Wiederherstellung von SQL Server Datenbanken
Automatisierung der SQL Server Verwaltung (SQL Server Agent, Master- und Target-Server)
Konfiguration der Sicherheit für den SQL Server Agent (Zugangsdaten, Proxykonten)
Überwachung von SQL Server, Alarme, Benachrichtigungen
Einführung in die Verwaltung von SQL Server mit PowerShell
Nachverfolgung des Zugriffs auf SQL Server
Aufzeichnen der Aktivität unter Verwendung des SQL Server Profiler
Performanceverbesserung durch den Database Engine Tuning Advisor
Tracingoptionen, verteilte Wiedergabe, Sperrvorgänge
Überwachung von SQL Server (Aktivität, Aufzeichnen / Verwalten von Performancedaten, Analyse Performancedaten, SQL Server Utility)
Troubleshooting von SQL Server
Im- und Export von Daten

MS SQL Server 2016 - MOC 20765 E - Provisioning SQL Databases

SQL Server 2016 - Komponenten:
Einführung in die SQL Server - Plattform, Überblick Architektur
Überblick über die SQL-Server-Architektur
SQL Server Dienste und -Konfigurationsoptionen
Installation von SQL Server 2016:
Installationsüberlegungen, TempDB-Dateien
Installation von SQL Server 2016
Automatisierung der Installation
Upgrade auf SQL Server 2016:
Anforderungen für das Upgrade
Upgrade von SQL Server Diensten, Daten und Anwendungen
Bereitstellung von SQL Server auf MS Azure:
Virtuelle SQL Server Maschinen in Azure
Bereitstellung einer Azure-SQL-Datenbank
Migration einer Vor-Ort-Datenbank auf eine Azure-SQL-Datenbank
Arbeiten mit Datenbanken:
Überblick über SQL Server Datenbanken
Erstellen von Datenbanken
Datenbankdateien und Dateigruppen
Verschieben von Datenbankdateien
Erweiterung des Pufferpools
Datenbankspeicheroptionen
Datenbankwartung (Datenbankintegrität, Indizes-Wartung)

MS SQL Server 2016 - MOC 20767 E - Implementing an SQL Data Warehouse

Einführung in das Data Warehousing
Planung einer Data Warehouse Infrastruktur (Hardware, Referenzarchitekturen / Anwendungen)
Design und Implementierung eines Data Warehouse (logisches und physikalisches Design)
Spaltenspeicherindizes
Implementierung eines Azure SQL Data Warehouse:
Azure SQL Data Warehouse - Vorteile
Implementierung und Entwicklung
Migration auf ein Azure SQL Data Warehouse
Erstellen einer ETL-Lösung:
Einführung in ETL mit SQL Server Integration Services SSIS
Quelldaten, Implementierung der Datenflüsse
Implementierung eines Steuerungsflusses in einem SSIS-Paket:
Einführung in Steuerungsflüsse
Erstellen dynamischer Pakete
Verwenden von Containern
Debugging und Troubleshooting von SSIS-Paketen
Implementierung eines inkrementellen ETL-Prozesses
Sicherstellen der Datenqualität (Data Quality Services
Verwendung der Master Data Services
Erweiterung der SQL Server Integration Services SSIS (benutzerdefinierte Komponenten, Scripting )
Bereitstellung und Konfiguration von SSIS-Paketen
Nutzen von Daten in einem Data Warehouse:
Einführung in Business Intelligence
Einführung in die Berichterstellung und Datenanalyse
Analyse von Daten mit Azure SQL Data Warehouse

MS SQL Server 2016 - MOC 20768 E - Developing SQL Data Models

Einführung in Business Intelligence und Datenmodellierung:
BI-Konzepte, MS Business Intelligence-Plattform
Arbeiten mit mehrdimensionalen Datenbanken:
Erzeugen mehrdimensionaler Datenbanken
Einführung in die mehrdimensionale Analyse
Erzeugen von Datenquellen und Datenquellenansichten
Erzeugen eines Cube
Cubesicherheit
Arbeiten mit Cubes und Dimensionen:
Konfiguration von Dimensionen
Definieren von Attributhierarchien
Sortieren und Gruppieren von Attributen
Arbeiten mit Measures und Measure Groups
Einführung in MDX
Anpassung der Cube-Funktionalität:
Implementierung von Key-Performance-Indikatoren
Implementierung von Aktionen und Perspektiven
Implementierung von Übersetzungen
Implementierung eines tabellarischen Datenmodells unter Verwendung der Analysis Services
Einführung in Data Analysis Expression DAX:
DAX Grundlagen
Erstellen berechneter Spalten und Measures in einem tabellarischen Datenmodell unter Verwendung von DAX
Vorhersageanalysen mit Data Mining:
Überblick über Data Mining
Verwenden des Data Mining Add-ins für Excel
Erstellen einer benutzerdefinierten Data Mining Lösung
Validieren eines Data Mining Modells
Verbinden eines Data Mining Modells
Nutzung eines Data Mining Modells

STATISTIK

Georg-August-Universität Göttingen

Hochschule Darmstadt

Hochschule Magdeburg-Stendal

IFFS Academy

Vertiefende Statistik & Minitab

DMAIC Zyklus
Vertiefung Minitab
Messsystemanalyse
Prozessfähigkeit
Datenanalyse (Standard-Hypothesentests, ANOVA, Regression)
Design of Experiments (DOE)
Control Charts

IUBH International University of Applied Science

Angewandte Statistik

Die Vermittlung der statistischen Methoden und Inhalte, die für die Analyse und Interpretation von betriebswirtschaftlichen Daten nötig sind

Ludwig-Maximilians-Universität München

Otto-Friedrich-Universität Bamberg

Otto-von-Guericke-Universität Magdeburg

SIGS Datacom

Business Analytics zur Unternehmensdatenanalyse

Grundlagen der Datenanalyse
Statistische Grundlagen
Daten und Datenhaltung
Analyse von Kundendaten und Komplexität
Analyse von Kundenverhalten
Neukundengewinnung
Kundenbonität
Analyse von Prozessen und Optimierung
Cluster-Verfahren
Simulation und Optimierung
Simulated Annealing

Technische Universität Dortmund

Technische Universität München

Mathematics in Data Science , Master of Science

Methoden und Algorithmen aus dem Machine Learning, Methoden und Algorithmen aus der Statistik, Methoden und Algorithmen aus der Theorie der Datenrepräsentation, Methoden und Algorithmen der Optimierung, Theorie und Anwendungen: Data Analysis, Theorie und Anwendungen: Data Analytics, Theorie und Anwendungen: Data Engineering, Theorie und Anwendungen: Machine Learning und Data Science

TEQ

Statistische Verfahren - Teil 1: Grundlagen

Grundlagen und Begriffe der mathematischen Statistik werden vermittelt, Teilnehmer sollen in die Lage versetzt werden, Daten zu analysieren und richtig zu interpretieren

Statistische Verfahren - Teil 2: Datenanalyse mit statistischen Tests

Statistische Verfahren - Teil 3: Prüfen von Zusammenhängen zwischen Zufallsgrößen

Teilnehmer sollen befähigt werden, für die praktische Anwendung gezielt statistische Verfahren auszuwählen und sinnvoll anzuwenden

Universität Bielefeld

Statistische Wissenschaften , Master

Datenanalyse, Empirische Sozialforschung, Marketingforschung, Ökonometrie und Quantitative Methoden, Psychologische Methodenlehre, Statistische Forschung und Statistische Beratung

Universität Konstanz

WIRTSCHAFT

Ernst-Abbe-Hochschule Jena

Business Information Systems

Grundlagen der Betriebswirtschaftslehre. Dazu zählen zum Beispiel Module in Buchführung und Allgemeiner BWL. Auch die Volkswirtschaftslehre und andere Gebiete, wie Wirtschaftsrecht und Steuern, werden gestreift. Die Besonderheiten des Studiums, stellen die zahlreichen Module zur Wirtschaftsinformatik dar. Diese werden in Kooperation mit der Friedrich-Schiller-Universität Jena angeboten. Die Studierenden erhalten dafür den Status eines Gasthörers an der Universität. Weitere Module sind:

Finanzwirtschaft
Jahresabschluss
Mathematik & Statistik

Hochschule Ravensburg-Weingarten

WIRTSCHAFTSINFORMATIK

Ernst-Abbe-Hochschule Jena

BACHELOR BUSINESS ADMINISTRATION

FOM Hochschule für Oekonomie & Management - University of Applied Sciences

Bachelor-Studiengang Wirtschaftsinformatik

Content-Management-Systeme, Grundlagen Marketing & Media, IT- & Medienrecht, Klassische Werbung, Management Basics, Marketing & eBusiness, Marketing Intelligence und Marktforschung, Online Marketing, Scoial Media & Mobile Marketing, Usability, Webdesign, Webanalytics

Hochschule Ravensburg-Weingarten

Wirtschaftsinformatik und E-Business

Ausgewogene Anteile von BWL und AI und eine starke Betonung der Wirtschaftsinformatik-Themen

Hintergrund - Alle Studiengänge der Wirtschaftsinformatik vermitteln Kenntnisse und Kompetenzen aus drei Gebieten:

der Wirtschaftsinformatik
der Betriebswirtschaftslehre
der Angewandten Informatik


An der HS Ravensburg-Weingarten kommt noch E-Business dazu.

IUBH International University of Applied Science

BACHELOR (B.SC.) WIRTSCHAFTSINFORMATIK

Advanced Leadership
Angewandter Vertrieb
Business Consulting
Business Controlling
Business Intelligence
E-Commerce
Fremdsprache (Englisch, Französisch, Italienisch, Spanisch)
Internationales Marketing und Branding
IT-Service Management
Mobile Software Engineering
No Frills Software Engineering
Personalwesen Spezialisierung
Supply Chain Management
Wirtschaftsprüfung und Steuern

Jade Hochschule - Wilhelmshaven/Oldenburg/Elsfleth

Wirtschaftsinformatik , Bachelor

Datenbanken, Investition und Finanzierung, Kosten- und Leistungsrechnung, Management, Mathematik, Programmieren, Recht, Statistik

Leuphana Universität Lüneburg

Wirtschaftsinformatik , Bachelor of Science

Anwendungsentwicklung, Betriebliche Informationssysteme und E-Business, Betriebliche Standardsoftware, Datenbanken, Datenstrukturen und Algorithmen, Informationsmanagement, Mathematik & Statistik, Programmierung, Rechnerarchitekturen und Betriebssysteme, Softwaretechnik

Martin-Luther-Universität Halle-Wittenberg

Wirtschaftsinformatik (Business Information Systems) , Bachelor of Science, 180 LP

Betriebliche Anwendungssysteme, Betriebswirtschaftslehre / Volkswirtschaftslehre, Geschäftsprozessmanagement, Mathematik / Statistik, Programmierung, Rechnerarchitektur / Betriebssysteme, Softwaretechnik

Philipps-Universität Marburg

Data Science , Bachelor of Science

Informatik Aufbaumodule, Informatik Basismodule, Informatik Wahlpflichtmodule, Mathematik Aufbaumodule, Mathematik Basismodule, Mathematik Wahlpflichtmodule, Praxismodule

Universität der Bundeswehr München

Wirtschaftsinformatik , Bachelor of Science

Universität Koblenz-Landau

Wirtschaftsinformatik , Bachelor of Science

Grundlagen der Wirtschaftswissenschaften, Informatik, Mathematik, Recht, Sozialkompetenzen, Statistik, Wirtschaftsinformatik

Westfälische Hochschule Gelsenkirchen, Bocholt, Recklinghausen

Wirtschaftsinformatik (Gelsenkirchen) , Master

Business Intelligence und Data Warehousing, Controlling und Management, Integrierte Informationssysteme für Supply Change Management, für moderne Planungs- und Steuerungssysteme, Internet-Sicherheit, Moderne Softwaretechniken , Neueste Entwicklungen in der Wirtschaftsinformatik, Objektorientierte Datenbanken, Information Retrieval

WIRTSCHAFTSMATHEMATIK

Karlsruher Institut für Technologie

Wirtschaftsmathematik , Bachelor

Martin-Luther-Universität Halle-Wittenberg

Wirtschaftsmathematik , Bachelor of Science, 180 LP

Analysis, Informatik, Lineare Algebra, Lineare Optimierung, Numerik, Operations Research, Versicherungsmathematik / Risikotheorie, Wahrscheinlichkeitstheorie / Statistik

Wirtschaftsmathematik , Master of Science, 120 LP

Angewandte Mathematik (Numerik/wissenschaftliches Rechnen, Optimierung, Wahrscheinlichkeitstheorie/Statistik) , Informatik, Reine Mathematik (Algebra/ Zahlentheorie, Analysis, Diskrete Mathematik, Geometrie), Wirtschaftswissenschaften

Philipps-Universität Marburg

Data Science , Master of Science

Technische Universität Kaiserslautern

Universität Passau

Mathematik , Bachelor

Data Science, Economics, Informatik, Mathematik, Quantitative Betreibswirtschaftslehre, Wirtschaftsdidaktik

KANBAN UND PULL

IFFS Academy

Entwicklung von Kanban und Pull Systemen

Kanban Einführung
Identifikation von Quellen für Variabilität
Visualisierung und Analyse von Systemen – Nachfrage und Kapazität
Risikomanagement anhand von Kanban – Serviceklassen
Design eines Kanban Systems
Verwendung von Schlüsselkennzahlen wie Durchlaufzeit, Taktzeit, Lagerbewertung, Rüstzeit und Fehlmengen
Erstellen eines Implementierungsplans für ein Kanban System