Statistik Schulungen finden - Das passende Seminar in Ihrer Nähe

Das Schulungsziel besteht darin, den Teilnehmern fortgeschrittene Kenntnisse und Fähigkeiten in der Verwendung von Stata zu vermitteln. Nach Abschluss des Seminars werden die Teilnehmer in der Lage sein, komplexe Datenstrukturen zu verwalten, erweiterte statistische Analysen durchzuführen und fortgeschrittene Modelle zu erstellen. Sie werden auch in der Lage sein, mit fehlenden Daten umzugehen, robuste Analysen durchzuführen und die Ergebnisse effektiv zu interpretieren. Dieses Seminar legt den Fokus auf die Anwendung fortgeschrittener statistischer Methoden und die Bewältigung komplexer Datenanalysen in Stata.

Lernen Sie fundierte statistische Methoden kennen, um Ihre Controlling-Kenntnisse zu vertiefen. Dieses Seminar vermittelt ein breites Spektrum von Grundlagen bis hin zu fortgeschrittenen Analysen. Erfahren Sie alles über Mittelwert- und Streuungskennzahlen, Lageverteilung, Zusammenhangsmaße, Regression, Kombinatorik, Wahrscheinlichkeitsverteilungen, Zeitreihenanalyse, Konfidenzintervalle und Parametertests. Ideal für Controlling-Profis auf der Suche nach analytischer Vertiefung.

Dieser Kurs gehört zur Seminarreihe „Multivariate Datenanalyse mit R”. Sie erhalten eine umfassende Einführung in die lineare und logistische Regressionsanalyse. Sie erhalten eine fundierte Einführung in die Clusteranalyse, in die Faktorenanalyse (EFA) und in die Hauptkomponentenanalyse (PCA).

Dieses Modul behandelt die strukturentdeckenden Verfahren: die Clusteranalyse und die dimensionreduzierenden Verfahren (EFA/PCA). Mit einer Clusteranalyse werden ähnliche Fälle zu Gruppen (Cluster) zusammengefasst. Sie werden die hierarchische Clusteranalyse, die k-Means-Clusteranalyse und die k-Medoids-Clusteranalyse kennenlernen. Die Faktorenanalyse (EFA, Explorative Factor Analysis) und die Hauptkomponentenanalyse (PCA, Principal Component Analysis) dienen dazu, eine Vielzahl von Variablen zu wenigen Dimensionen zu reduzieren. Wir zeigen Ihnen beide Verfahren und ihre unterschiedlichen Einsatzmöglichkeiten. Bei Interesse kann die Reliabilitätsanalyse zum Auswählen geeigneter Variablen gezeigt werden.

Es empfiehlt sich, sich zuvor mit der Regressionsanalyse vertraut gemacht zu haben (s. erstes Modul der Seminarreihe „Multivariate Datenanalyse mit R”).

Für die Bewertung von Risiken stehen im Risikomanagement zahlreiche Instrumente und Methoden zur Verfügung. Dies reicht von einfachen Ansätzen wie der Risk-Map bis zu komplexen, auf der Wahrscheinlichkeitsrechnung basierenden Verfahren. Eine richtige Bewertung der Risiken und von deren Auswirkungen auf den Unternehmenserfolg liefert die Basis für eine proaktive Steuerung der Risiken. Lernen Sie die Bandbreite der unterschiedlichen Verfahren und Modelle im Bereich des quantitativen Risikomanagements kennen und erfahren Sie, wie Sie diese nutzen können.

Für die Bewertung von Risiken stehen im Risikomanagement zahlreiche Instrumente und Methoden zur Verfügung. Dies reicht von einfachen Ansätzen wie der Risk-Map bis zu komplexen, auf der Wahrscheinlichkeitsrechnung basierenden Verfahren. Eine richtige Bewertung der Risiken und von deren Auswirkungen auf den Unternehmenserfolg liefert die Basis für eine proaktive Steuerung der Risiken. Lernen Sie die Bandbreite der unterschiedlichen Verfahren und Modelle im Bereich des quantitativen Risikomanagements kennen und erfahren Sie, wie Sie diese nutzen können.

Dieser Kurs gehört zur Seminarreihe „Multivariate Datenanalyse mit R”. Sie erhalten eine umfassende Einführung in die lineare und logistische Regressionsanalyse. Sie erhalten eine umfassende Einführung in die ein- und mehrfaktorielle Varianzanalyse mit allen Erweiterungen.

Die Varianzanalyse erlaubt die simultane Analyse einer Vielzahl von Mittelwerten verschiedener (Teil-) Stichproben. Sie kann überall dort eingesetzt werden, wo Gruppen miteinander verglichen werden sollen, dabei auch die Veränderungen von Gruppen über mehrere Zeitpunkte. Damit ist die Varianzanalyse das Verfahren der ersten Wahl zur Auswertung von Daten aus Experimenten, Quasi-Experimenten, Befragungen, Beobachtungsstudien und randomisierten kontrollierten Studien im Rahmen von Pretest-Posttest-Designs. Die Varianzanalyse ist das Standardverfahren zur Evaluation der Wirksamkeit von Maßnahmen und Interventionen.

Da die Varianzanalyse eine spezielle Variante eines Regressionsmodells ist, empfiehlt es sich, sich zuvor mit der Regressionsanalyse vertraut gemacht zu haben (s. erstes Modul der Seminarreihe „Multivariate Datenanalyse mit R”).

Informationen und Entscheidungsgrundlagen aus Daten gewinnen – schnell, intuitiv und übersichtlich – ist eine Fähigkeit, die Mitarbeitende in Unternehmen in relevante Positionen bringen kann. Dafür müssen keine Programmiersprachen erlernt werden, denn intuitiv bedienbare Business Intelligence Plattformen wie Power BI und Tableau nehmen in Unternehmen einen immer größeren Stellenwert ein. Sie ermöglichen es Mitarbeitenden schnell lernen zu können, Business Intelligence und Data Analytics für sich zu nutzen.
Mit dem Analytics & Reporting – Fokus Power BI Training erhältst du das Handwerkszeug, um auch ohne Programmierkenntnisse Business Intelligence Analysen durchzuführen und die Potenziale datengetriebener Entscheidungen für dich zu nutzen. Durch Best Practices zum Power Query Editor erlernst du aussagekräftige Visualisierungen in Microsoft Power BI zu erstellen, welche per Drag & Drop in zielgruppengerechten Dashboards aufbereitet werden und mithilfe von Data Storytelling leicht verständlich präsentiert werden können.

Dieser Kurs gehört zur Seminarreihe „Multivariate Datenanalyse mit R”.  Sie erhalten eine fundierte Einführung in die wichtigsten Verfahren der Zeitreihenanalyse.

Die Zeitreihenanalyse umfasst eine Reihe statistischer Verfahren, die mit verschiedenen Ansätzen für verschiedene Anforderungen entwickelt wurden und sich gegenseitig ergänzen. Zeitreihen können einer Eigendynamik, zyklischen Schwankungen (wie der Saisonalität der Jahreszeiten) und den Einflüssen anderer Variablen unterliegen. In diesem Kurs lernen Sie, wie Sie das richtige Verfahren auswählen und ein Modell für Ihre Zeitreihen entwickeln, das Ihre Daten am besten erklärt. Für kurzfristige Voraussagen eignen sich exponentielle Prognosemodelle (State-Space-Modelle) und für langfristige Prognosen die Zeitregression und die ARIMA-Modellierung.

Da die Zeitreihenregression eine Weiterentwicklung eines linearen Regressionsmodells ist, empfiehlt es sich, sich zuvor mit der Regressionsanalyse vertraut gemacht zu haben (s. erstes Modul der Seminarreihe „Multivariate Datenanalyse mit R”).

Digitalisierung, Big Data, People Analytics: Begriffe, die aktuell in aller Munde sind. Aber was bedeuten sie für Ihr Unternehmen? Welche Möglichkeiten bieten sich hieraus für Ihre tägliche Arbeit? Erfahren Sie in diesem Seminar, wie Sie Ihr Personalmanagement gezielt analysieren, Ihre HR-Entscheidungen professionell und faktenbasiert vorbereiten können und wie Sie HR-Strategien valide untermauern und damit Ihre personalwirtschaftlichen Ziele nachhaltig erreichen.

Reklamation - Chance zur Kundenbindung