Grundkurs Datenkompetenz | eLearning

Kurz zusammengefasst

• Der Kurs basiert auf dem Buch "Datenkompetenz" von Michael Lang
• Vermittelt wesentliche Fähigkeiten zum kompetenten Umgang mit Daten
• Behandelt Konzepte zur Datensammlung/-aufbereitung/-speicherung
• Erläutert Formen und Methoden der Datenmodellierung/-analyse/-visualisierung
• Vermittelt Strategien zur Gewährleistung von Datenqualität/-schutz

Kursbeschreibung

Durch den digitalen Wandel ergeben sich für Unternehmen mehr und mehr Daten, die für die Geschäftstätigkeit genutzt werden können. Der E-Learning-Kurs „Datenkompetenz“ vermittelt die wesentlichen Fähigkeiten, um Daten gezielt einsetzen und interpretieren zu können.

Der Kurs umfasst elf Module und behandelt den Umgang mit Daten – von der Datensammlung über die systematische Auswertung bis zur Ableitung wertvoller Erkenntnisse. Der Kurs richtet sich an Studierende der MINT-Fächer und Wirtschaftswissenschaften, die für ihre spätere Berufslaufbahn über Datenkompetenz verfügen müssen, ist jedoch auch für Praktiker geeignet, die im Rahmen ihrer Tätigkeit Daten nutzen oder entsprechende Entscheidungen dazu treffen.

Jedes Modul besteht aus circa 20 Lernzielen, deren Erreichen durch passgenaue Lernressourcen und Aufgaben garantiert wird. Je nach Wissensstand des Lernenden kann ein Modul in circa 20 bis 40 Minuten absolviert werden. Versteckte (In)kompetenzen werden nachweislich erkannt, da die Lernenden fortwährend aufgefordert werden, ihr Kompetenzlevel selbst einzuschätzen. Individuelle Lernpfade berücksichtigen die Stärken und Schwächen jedes Lernenden und stellen sicher, dass die Lernziele des Kurses zu 100 % erreicht werden.

Folgende Themen werden im Kurs erlernt:

1. Modul 1: Robert Butscher – Grundlegende Begriffe: Zeichen, Daten, Information und Wissen
2. Modul 2: Andreas Gadatsch und Benedikt Haag – Arten der Datenmodellierung (inklusive unterstützender IT-Tools)
3. Modul 3: Beate Navarro Bullock – Daten sammeln, aufbereiten und speichern
4. Modul 4: Oliver Schwarz – Datenanalyse – Einführung, deskriptive und diagnostische Analyse
5. Modul 5: Oliver Schwarz – Datenanalyse – prädiktive und präskriptive Analyse
6. Modul 6: Roland Zimmermann – Datenvisualisierung – die relevanten Daten vor Augen
7. Modul 7: Christiana Klingenberg und Kristin Weber – Data Governance
8. Modul 8: Kristin Weber und Christiana Klingenberg – Datenqualität
9. Modul 9: Stefan Karg – Datenschutz und Datensicherheit
10. Modul 10: Oliver Hummel – Big Data und Big Data Analytics
11. Modul 11: Benedikt Haag und Andreas Gadatsch – Datenkompetenz: Warum es ohne Soft Skills nicht geht

Vielfältige Aufgabentypen sorgen für eine aktive Auseinandersetzung mit dem Lerngegenstand. Sie steigern die Motivation, sich mit komplexen Themen auseinander zu setzen, und sichern den Lernfortschritt auf spielerische und zugleich absolut zuverlässige Weise.