Predictive Analytics: Methoden - Verfahren - Anwendungen

Methodische Grundlagen zu Predictive Analytics und Machine Learning

• Segmentierung.
• Regression und Klassifikation.
• Training und Testing von Machine-Learning-Modellen.
• Beliebte Fehler beim Machine Learning.
• Identifikation potenzieller Einsatzfelder (z. B. in Controlling, Marketing, Sales, Produktion).

Datenbeschaffung und -aufbereitung als Grundlage für Predictive Analytics und Machine Learning

• Zusammenführung und Bereinigung von Rohdaten.
• Datenaufbereitung für das Machine Learning.
• Datenexploration und -visualisierungen.
• Feature Engineering und Selektion.
• Cross Validation.

Konkrete Projekte, Tools und Case Studies

• Einblick in wesentliche Verfahren anhand von Fallstudien.
• Erläuterung der gängigsten Machine-Learning-Verfahren.
• Zeitreihenanalysen.
• Praktische Übungen mit Machine Learning Tools.
• Übung zum Clustering von Kundensegmenten.
• Übung zu Prognoseverfahren.

Aktuelle Trends und Entwicklungstendenzen

In diesem Seminar profitieren Sie von Expert:innenwissen, um eine Vielzahl von Datenquellen zielorientiert zu analysieren, Prognosen und Reports auf eine validere Basis zu stellen und Entscheidungen sicherer zu treffen. Sie erfahren praxisnah anhand von vielen Beispielen und Übungen,

• welche Voraussetzungen für den Einsatz von Machine Learning und Predictive Analytics erforderlich sind,
• welche Einsatzmöglichkeiten Sie im Controlling durch den Einsatz von Machine Learning und Predictive Analytics haben,
• welche Methoden und Verfahren für das Controlling zielführend sind und
• wie Sie die Eignung und den potenziellen Erfolg von KI, Data Science und Machine Learning bewerten.

Sie können optional eine E-Prüfung absolvieren und erhalten neben der Teilnahmebestätigung ein Zertifikat entsprechend dem Prüfungsergebnis.

Fach- und Führungskräfte und Verantwortliche für das Berichtswesen, die Planung und die Budgetierung aus dem Controlling, die ihre methodischen Kenntnisse erweitern möchten, Mitarbeiter:innen, die Machine Learning und Data Science nutzen möchten.

Im Seminar wird mit dem Tool Knime gearbeitet; Vorerfahrungen sind nicht notwendig. Es ist jedoch von Vorteil, wenn die Teilnehmenden mit der Arbeit mit Excel vertraut sind.