Material- und Absatzwirtschaft mit Spezialisierung auf Anwendungsentwicklung im Logistik- und Supply-Chain-Management

Nach Abschluss dieser Weiterbildung verfügen Sie über Kenntnisse in den Bereichen Material- und Absatzwirtschaft, Logistik- und Supply-Chain-Management sowie Anwendungsentwicklung. Sie haben praktische Erfahrung im Umgang mit R, Data Science, Power BI, Prozessmanagement, Tableau und Python. Sie können Daten analysieren und visualisieren sowie effiziente Prozesse im Logistik- und Supply-Chain-Management entwickeln und optimieren. Diese Qualifikationen ermöglichen es Ihnen, in verschiedenen Bereichen tätig zu werden, wie z.B. im Einkauf, im Lagermanagement, im Produktmanagement oder im Supply-Chain-Management.

Grundlagen der Logistik und SCM

• Einführung in das Logistik- und Supply Chain Management
• Lager- und Bestandsmanagement
• Beschaffungsmanagement
• Produktionslogistik: Planung und Steuerung der Produktion
• Distribution und Fulfillment: Auftragsabwicklung und Kundenorientierung

Supply Chain Design und Optimierung

• Optimierung von Lieferketten und Supply Chain Design
• Zukünftige Trends und Herausforderungen im Logistik- und Supply Chain Management

Technologieeinsatz in Logistik und SCM

• Einsatz von Technologien und Digitalisierung in der Logistik
• Outsourcing und Logistikdienstleister
• Technologien in der Material- und Absatzwirtschaft

Agiles Projektmanagement in der Logistik

• Agiles vs. traditionelles Projektmanagement
• Scrum Master
• Scrum Team
• The Sprint
• Sprint Planning
• Agile Perspektive
• User Stories

Statistische Methoden und Datenanalyse

• Datenmanagement und diskriptive Statistiken in R
• Umgang und Untersuchung von Datensätzen sowie Skalenbildung
• Deskriptive Statistik: Analysen und Untersuchungen
• Zusammenhänge zwischen Variablen und Diagrammen
• Streudiagramme, Korrelationsdiagramme und analytische Tests
• T-Test
• T-Test für unabhängige Stichproben
• Regressionsanalysen
• Anwendung von R in der Forschung
• Qualifikationsprojekt Statistische Datenanalyse (PA für R)

Programmierung und Anwendungsentwicklung

• Einführung in Pandas und Dataframes
• Datenreinigung
• Datenvisualisierung
• Einführung in Machine Learning
• Logistische Regression
• Einführung in Unsupervised Machine Learning
• K-Means Clustering
• Einführung in Neuronale Netze
• Praxisarbeit: Programmierung Neuronales Netzwerk
• Einführung in PyTorch
• Automatische Bilderkennung
• Hyperparameteroptimierung
• Erzeugung synthetischer Daten

Datenvisualisierung und BI-Tools

• Datenvisualisierung geographischer Daten
• Datenmodellierung in Power BI Desktop
• Anpassen von Tabellenstrukturen mit Power Query
• Transformieren und Kombinieren von Daten mit Power Query
• Gestaltungsregeln für Reports und Dashboards
• Fallbeispiele für das Erstellen von Power BI Reports
• Einführung in Tableau und Verstehen von Datenmodellierung
• Erstellen von Umsatzkarten und Visualisierung von Verkaufsdaten
• Erstellen von Reporten inklusive Dashboard mit Interaktivität
• Geo-Report mit TopN-Filter

Praktische Softwareentwicklung

• Datenstrukturen
• Dictionaries
• Ein-und Ausgabe
• Definition von Klassen
• Modellieren mit Kellern, Schlangen und Graphen
• Threads

Datenbanken und Datenaustauschformate

• Datenbanken
• XML und JSON

Anwendungsentwicklung und Multimedia

• Benutzungsoberflächen mit QT und Multimediaanwendungen mit QT

Programmierung mit Python und NumPy

• Einführung in NumPy und Messdatenverarbeitung

Prozessmanagement und -optimierung

• Modellierung von Prozessen
• Grundverständnis zur pragmatischen Dokumentation von Prozessen
• Prozessanalyse
• Prozessoptimierung
• Prozessmessung
• Prozessimplementierung
• Prozesssteuerung
• IT-Unterstützung von Prozessen
• Prozessorganisation
• Verstehen von Prozessarchitekturen

Produktmanagement und Analyse

• Produkt-Analyse

Qualifikationsprojekt Data Science

• Qualifikationsprojekt Data Science