Data Science in HR - mit SQL, Cloud Computing, Power BI und Tableau - Qualifizierung im Personalwesen

Nach dieser Weiterbildung wissen Sie, wie Sie aus großen Datenmengen Informationen ziehen und damit mittel- und langfristige Handlungsempfehlungen geben können. Nach Abschluss der Weiterbildung haben Sie Kenntnis darüber, wie Sie Datenbanken aufbauen, deren Inhalte auswerten und Ihre Ergebnisse visuell darstellen. Des Weiteren verfügen Sie über tiefgreifendes Wissen im Bereich des HR-Managements.

Grundlagen Data Science in HR

• Einführung in Pandas und Dataframes
• Einführung in Machine Learning
• Grundlagen der Personalwirtschaft
• Eigenschaften und Bedeutung der Personalwirtschaft
• Aufgaben und Organisation der betrieblichen Personalwirtschaft
• Personalpolitik, Personalführung und Personalwesen

Statistische Modelle und Machine Learning Verfahren

• Lineare Regression
• Logistische Regression
• K-nearest-neighbor-Klassifizierung
• Decision Trees
• K-Means Clustering
• Einführung in Neuronale Netze
• Automatische Bilderkennung
• Erzeugung synthetischer Daten

Personalwirtschaftliche Anwendungen und Datenanalyse

• Personalplanung und Arten der Personalplanung
• Personalüberhang und Personalabbauplanung
• Personalkostenplanung
• Personalmarketing, Ziele, Konzept und Instrumente
• Recruitingstrategien und ihre Umsetzung
• Personalstatistik als Steuerungsinstrument
• Personalcontrolling

Datenmanagement und SQL-Grundlagen

• Einführung in relationale Datenbanken
• Datenbankmodellierung und Namenskonventionen
• Datentypen und Keys
• SELECT, JOIN und GROUP BY
• Ändern von Daten über INSERT, UPDATE und DELETE
• Selektieren von Daten
• Erstellung eines ERM

Visualisierung und Reporting in HR

• Datenvisualisierung
• Datenvisualisierung geographischer Daten
• Einführung in Power BI
• Datenmodellierung in Power BI Desktop
• Gestaltungsregeln für Reports und Dashboards
• Erstellen von interaktiven Dashboards
• Darstellen von Veränderungen durch Ranglisten und Bump-Diagramme

Cloud-Technologien und Infrastrukturen

• Einführung in die Terminologie von Cloud Computing
• Kostenkalkulation von Cloud Computing
• Grundlagen und Verwendung von Docker
• Grundlagen und Verwendung von Kubernetes
• Auswahl von IaaS-Anbietern
• Einrichtung von Cloud Computing mit Ansible

Integration von Datenanalyse-Tools

• Integration Python, R, MATLAB und Einstein Discovery
• Erstellen von Reporten inklusive Dashboard mit Interaktivität
• Geografische Analyse
• Praxisarbeit: Programmierung Neuronales Netzwerk
• Transformieren und Kombinieren von Daten mit Power Query
• Vom Datenmodell zum interaktiven Onlinereport
• Fallbeispiele für das Erstellen von Power BI Reports
• Einführung in Tableau und Verstehen von Datenmodellierung