Aktuelle Herausforderungen für viele Schweizer Unternehmen sind die Digitalisierung und Vereinfachung der internen Prozesse sowie die Modernisierung der IT-Infrastruktur. Zusätzliche Herausforderungen ergeben sich durch die anhaltend niedrigen Zinssätze, eine sich verändernde Risikolandschaft, neue Vorschriften, den durch digitale Technologien getriebenen Wandel bei der Verbrauchernachfrage sowie die schnell wachsende Konkurrenz durch flexible, schnell auf Marktanforderungen reagierende Startups. Den genannten Herausforderungen zu begegnen, erfordert ein professionelles und ganzheitliches Vorgehen bei der Umsetzung der IT-Strategie.

Im CAS Data Competence lernen Sie, in Ihrem Umfeld Chancen und Risiken von Data Science zu erkennen und damit umzugehen. Sie werden befähigt, ein «Shared Domain Knowledge» im Data Science Bereich aufzubauen. Unter «Shared Domain Knowledge» wird verstanden, dass gemeinsame Schnittmengen von Skillsets definiert und gelebt werden.

Der CAS kann einzeln oder als Teil des MAS Business Engineering absolviert werden.

Der CAS richtet sich primär an folgende Rollen aus dem klassischen «Middle Management» im Daten-Umfeld eines Unternehmens:

• Management
• Data Owner
• Product Manager
• Business Owner
• Product Owner
• Cross-Product Manager
• Business Analysten

Der CAS Data Competence for Business befähigt Sie dazu,

• ein Bewusstsein zu entwickeln für den Wert und die Potentiale von vorhandenen oder zu erhebenden Daten im Geschäftskontext.
• ein «Datengefühl» zu entwickeln und entlang der strategischen Prämisse «Data by Design» zu denken.
• in Ihrem Umfeld Chancen und Risiken von Data Science zu erkennen.
• den Wert und die Einsatzmöglichkeiten von «Data Technologien» zu erkennen.
• Potential zur Weiterentwicklung des eigenen Unternehmens zu sehen und zu wissen, wie dieses entlang der «Data Science Roadmap» in der Realität umgesetzt werden kann.
• die im Datenumfeld kursierende Schlagwörter und Begriffe korrekt nach Ihrem Wert und Einsatzgebiet einzuordnen (Stichwort «Entmystifizierung»).
• Probleme und Aufgabenstellungen mit modernen und innovativen Methoden anzugehen, zu verstehen, was Prototyping bedeutet, wie man es umsetzt und welchen Mehrwert diese Vorgehensweisen für das eigene Unternehmen generieren.
• den Wert einer kontinuierlichen Pflege von Firmendaten in Ihrem Verantwortungsbereich zu verstehen und zu wissen wie dies umgesetzt werden kann.

Teil 1: Einführung in Data Science

• Paradigmen-Wechsel im Data Management
• Personas in Data Science
• Serviceorientierte Architektur
• Unternehmensarchitektur
• Vermittlung von Kreativitätsmethoden

Teil 2: Data Awareness in Data Science

• Mögliche Quellen für Daten
• Datenerhebungstechniken
• Prozessanalyse
• konkreter Prozess mit Unternehmensdaten

Teil 1: Data by Design

• Problem Framing mit Fokus auf Data by Design
• Risk & Compliance
• Data Preparation & Annotation
• Data Ingestion & Management
• Partitioning
• EDA Quality Assessment

Teil 2: Deployment in Data Science

• Feature Engineering
• Modelling
• Model Tuning
• Evaluation & Selection
• Software Construction
• Deployment
• Consumption
• Model Maintenance

Der CAS zeichnet sich durch eine methodische Vielfalt aus. Neben Lehrgesprächen, Referaten, (Gruppen-) Übungen, Fallstudien und der Arbeit an Fallbeispielen aus der Praxis wird grossen Wert auf den Erfahrungsaustausch zwischen den Teilnehmern gelegt.

Vorlesungen / Präsenzlektionen jeweils Freitags und Samstags (Ausnahmen möglich).

• Anmeldungen werden in der Reihenfolge des Eingangs berücksichtigt.