Data Science im Social Media Marketing - mit SQL, Cloud Computing, Power BI, Tableau

In dieser Weiterbildung lernen Sie die Analyse, Auswertung und Visualisierung von Daten im Social Media Marketing - als Teilbereich des Online Marketings. Nach Abschluss der Weiterbildung verstehen Sie, wie Sie aus großen Datenmengen Informationen ziehen und Voraussagen für die Zukunft treffen können.

Social Media Marketing Grundlagen

• Social Media als Marketingdisziplin, Markenbekanntheit, Kundengewinnung und Sales
• Social Media mit Strategie: Kanal-Auswahl, Definition von KPIs, Content-Strategie, Mediabudget-Planung und Erfolgsmessung
• Social Media Monitoring und Online Reputation Management: Einstieg ins Monitoring, Tools, Kennzahlen und Ergebnisse, Handhaben von Shitstorms

Plattformspezifisches Social Media Marketing

• Facebook: Grundeinstellungen, Content-Strategie, Publishing und Community Management
• Instagram: Zielgruppen, Account-Gestaltung, Content-Produktion, Shopping, Werbeanzeigen und Tool-Tipps
• Twitter: Zielansprache, Account-Grundlagen und How-to-Einführung

Datenwissenschaft und maschinelles Lernen

• Einführung in Pandas und Dataframes
• Einführung in Unsupervised Machine Learning und K-Means Clustering
• Automatische Bilderkennung und Datenvisualisierung geographischer Daten
• Praxisarbeit: Optimierung und Programmierung Neuronales Netzwerk, Einführung in PyTorch

Datenanalyse und Visualisierungstechniken

• Datenreinigung und Datenvisualisierung
• Einführung in Power BI, Transformieren und Kombinieren von Daten mit Power Query, Datenmodellierung in Power BI Desktop
• Gestaltungsregeln für Reports und Dashboards, Zielgruppenorientiertes Reporting
• Einführung in Tableau und Verstehen von Datenmodellierung, Aggregationen, Berechnungen und Parameter

Erweiterte Analyse und Interaktive Berichtserstellung

• Erstellen von interaktiven Dashboards und Reports in Power BI und Tableau
• Darstellen von Veränderungen durch Ranglisten und Bump-Diagramme
• Verwendung von Kartendiensten und geografische Analyse

SQL und Datenbankmanagement

• Einführung in relationale Datenbanken, Datenbankmodellierung und Namenskonventionen
• Normalisierung, Datentypen, Keys und Indizes
• Auswahl und Manipulation von Daten mit SQL: SELECT, JOIN, GROUP BY, ORDER BY
• Ändern von Daten über INSERT, UPDATE, DELETE

Cloud Computing Grundlagen und Anwendung

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