Social Selling mit Schwerpunkt Data Science und Zusatzqualifikation in der Datenvisualisierung mit Tableau

Nach Abschluss dieser Weiterbildung verfügen Sie über Wissen im Bereich Social Selling und Data Science, einschließlich der Qualifikation in der Datenvisualisierung mit Tableau. Sie sind in der Lage, Vertriebsstrategien im digitalen Kontext zu entwickeln und umzusetzen, indem Sie Social Media Marketing und Social Selling einsetzen. Darüber hinaus verfügen Sie über Kenntnisse im Data Science und in der Programmierung mit Python und sind in der Lage, Daten mit Tableau zu visualisieren.

Grundlagen des Social Selling und Online-Marketing

• Datenmanagement und Kundensegmentierung
• Einsatz von CRM-Systemen im Vertrieb
• Social Selling und Online-Marketing im Vertrieb
• Bedeutung und Ziele der Vertriebsstrategie
• Entwicklung einer Vertriebsstrategie

Vertriebskommunikation und -strategien

• Vertriebskommunikation und Verkaufsgespräche
• Multichannel-Vertriebsstrategien
• Social Media als Marketingdisziplin, Kundengewinnung und Sales

Social Media Content und Community Management

• Social Media mit Strategie: Vision und Stakeholder-Analyse
• Social Media mit Strategie: Kanal-Auswahl, Definition von KPIs, Content-Strategie, Mediabudget-Planung und Erfolgsmessung
• Facebook: Grundeinstellungen, Content-Strategie, Publishing und Community Management

Social Media Advertising und Analyse

• Facebook: Werbeanzeigen, Targeting nach Custom Audience, Facebook-Analytics und Shop
• Social-Selling-Analyse und Erfolgsmessung
• Content-Strategie für Social Selling

Reputation Management und Social Media Monitoring

• Social Media Monitoring und Online Reputation Management: Einstieg ins Monitoring, Tools, Kennzahlen und Ergebnisse und Handhaben von Shitstorms
• Social-Media-Plattformen und Zielgruppen
• Vertrauensaufbau und Authentizität

Data Science Grundlagen

• Einführung in Machine Learning
• Einführung in Pandas und Dataframes
• Einführung in Neuronale Netze
• Datenskalierung
• Logistische Regression
• Decision Trees

Datenvisualisierung Grundlagen

• Datenvisualisierung
• Datenvisualisierung geographischer Daten
• Dreidimensionale Plots
• Matplotlib Stylesheets

Erweiterte Data Science-Themen

• Praxisarbeit: Optimierung Neuronales Netzwerk
• Automatische Bilderkennung
• Gradientenabstiegsverfahren
• Tensoren

Programmierung und Datenverarbeitung

• Datenreinigung
• Datenstrukturen
• Standard-Datentypen
• Dictionaries
• Ein- und Ausgabe

Datenanalyse und Modellierung

• Datenbanken
• XML und JSON
• Einführung in NumPy und Messdatenverarbeitung
• Modellieren mit Kellern, Schlangen und Graphen
• Datenmodelle mit logischer und physischer Ebene

Tableau Spezialisierung

• Einführung in Tableau und Verstehen von Datenmodellierung
• Erstellen von interaktiven Dashboards
• Erstellen von Umsatzkarten und Visualisierung von Verkaufsdaten

Softwareentwicklung und Deployment

• Operationen der Versionsverwaltung
• Telemetriedaten und A/B-Tests
• Continuous Integration und Continuous Delivery
• Continuous Integration und automatisiertes Testen
• Continuous Delivery und Continuous Integration