Datenmanagement in der Beschaffung und Produktion

Nach Abschluss der Weiterbildung verfügen Sie über Managementfertigkeiten für die Koordination von Daten in den Bereichen Beschaffung und Produktion.
Sie übernehmen die permanente Datenpflege und führen im Controlling und Data Science Bereich Beschaffungsmarkt- und Lieferantenanalysen durch. Sie konzipieren, modellieren und realisieren die Data Warehouse Architektur in der Beschaffung bzw. Produktion.
Durch Ihre Data Science Projektarbeit können Sie Ihrem künftigen Arbeitgeber einen praktischen Qualifikationsnachweis erbringen.

Grundlagen des Datenmanagements und Produktionsmanagements

• Bereitstellung und Einsatz von Produktionsfaktoren
• Dispositive Faktoren
• Produktionsplanung und -steuerung (PPS)
• Weiterentwicklung von PPS-Systemen und Konzepte digital vernetzter Produktion
• Einführung in das Produktionsmanagement
• Produktions- und Kostentheorie
• Kosten- und Leistungsrechnung: Erfassung und Analyse von Kosten und Leistungen im Unternehmen

Beschaffungsmanagement und Strategieentwicklung

• Beschaffungsmarktforschung: Bedeutung und Methoden
• Bedarfe an Gütern und Dienstleistungen: Bedarfsermittlung und -analyse
• Einkaufsstrategien: Begriff, Bedeutung, Einflussgrößen und strategische Überlegungen
• Lieferantenmanagement: Entwickeln und Pflegen von Lieferantenbeziehungen
• Qualitätsmanagement im Einkauf: Sicherstellung der Produkt- und Dienstleistungsqualität
• National und internationale Ausschreibungen: Ausschreibungsverfahren und -strategien
• Strategische Analyse, Strategiefindung, -bewertung und -kontrolle

Controlling und Performance Measurement

• Beschaffungsrelevante Planungen: Budgetierung und Bedarfsprognosen
• Bereichscontrolling: Grundlagen und spezifisches Controlling für Beschaffung und Produktion
• Spezifisches Controlling in ausgewählten Bereichen: Logistik- und Supply-Chain-Controlling
• Kostenoptimierung im Einkauf: Preisverhandlungen und Kostensenkungsprogramme
• Kennzahlen, Kennzahlensysteme und Reporting im Controlling

Nachhaltigkeit und Digitalisierung im Einkauf

• Nachhaltigkeit im Einkauf: Berücksichtigung von sozialen und ökologischen Aspekten
• Digitalisierung im Einkauf: E-Procurement-Systeme und automatisierte Beschaffungsprozesse
• Einkaufstrends und zukünftige Entwicklungen: Herausforderungen und Chancen im Einkauf

Datenanalyse und Statistik

• Grundlegende statistische Kenngrößen
• Datenreinigung
• Datenvisualisierung
• Datenskalierung
• Transformieren und Kombinieren von Daten mit Power Query
• Anpassen von Tabellenstrukturen mit Power Query

Data Science und Maschinelle Lernverfahren

• Einführung in Pandas und Dataframes
• Einführung in Machine Learning mit linearen und logistischen Regressionen
• Einführung in Unsupervised Machine Learning: K-Means Clustering
• Einführung in Neuronale Netze und Praxisarbeit mit Neuronalem Netzwerk
• Aktualisierung der Gewichte, Einführung in PyTorch
• Erzeugung synthetischer Daten
• Qualifikationsprojekt Data Science

Präsentation und Reporting

• Datenmodellierung in Power BI Desktop
• Gestaltungsregeln für Reports und Dashboards
• Fallbeispiele für das Erstellen von Power BI Reports
• Zielgruppenorientiertes Reporting