Ein umfassendes, zu 100% online durchgeführtes Programm, das exklusiv von TECH angeboten wird und durch unsere Mitgliedschaft in der Business Graduates Association eine internationale Perspektive bietet" 

Der Einzug der Datenwissenschaft in Unternehmensprozesse definiert die Art und Weise neu, wie Organisationen ihre Unternehmensstrategie konzipieren. Beispielsweise ermöglicht ihre Fähigkeit, Informationen in umsetzbares Wissen zu verwandeln, Unternehmen, Trends zu antizipieren, ihre Abläufe zu optimieren und fundierte Entscheidungen zu treffen. In diesem Zusammenhang müssen Fachleute fortgeschrittene Kompetenzen für den optimalen Umgang mit datenwissenschaftlichen Tools entwickeln. Dadurch können sie eine effiziente Datenverarbeitung gewährleisten. 

Um ihnen diese Aufgabe zu erleichtern, bietet TECH einen exklusiven Weiterbildenden Masterstudiengang MBA in Technische Leitung von Data Science im Unternehmen an. Der von renommierten Fachleuten dieser Branche konzipierte Studiengang vertieft Aspekte, die vom technischen Ansatz von Informationsmanagementsystemen bis zur detaillierten Analyse des Datenlebenszyklus reichen. Darüber hinaus vermittelt der Lehrplan modernste Tools für die Erfassung, Bereinigung und sogar Modellierung von Informationen. In diesem Sinne vertiefen die Lehrmaterialien auch die normativen Grundlagen des Datenschutzes. Dank dessen werden die Studenten fortgeschrittene Kompetenzen entwickeln, um skalierbare Infrastrukturen zu entwerfen, massive Datenströme in Echtzeit zu verwalten und Dienste in hochverfügbaren Architekturen bereitzustellen. 

Was die Methodik betrifft, so setzt TECH ihr disruptives Relearning-System ein, das auf der natürlichen und schrittweisen Wiederholung der wichtigsten Konzepte des Lehrplans basiert. Für den Zugang zum virtuellen Campus benötigen die Informatiker lediglich ein Gerät mit Internetverbindung. Darüber hinaus werden renommierte internationale Gastdirektoren anspruchsvolle Masterclasses geben. 

Da TECH Mitglied der Business Graduates Association (BGA) ist, hat der Student Zugang zu exklusiven und aktuellen Ressourcen, die seine kontinuierliche Fortbildung und berufliche Entwicklung stärken, sowie zu Ermäßigungen für Fachveranstaltungen, die den Kontakt zu Branchenexperten erleichtern. Darüber hinaus kann er sein berufliches Netzwerk erweitern, indem er mit Spezialisten aus verschiedenen Regionen in Kontakt tritt, was den Wissensaustausch und neue Berufsmöglichkeiten fördert.  

Renommierte internationale Gastdirektoren bieten intensive Meisterklassen zu den neuesten Trends im Bereich der technischen Leitung von Data Science im Unternehmen an“ 

Dieser Weiterbildender Masterstudiengang in MBA in Technische Leitung von Data Science im Unternehmen enthält das vollständigste und aktuellste Programm auf dem Markt. Seine herausragendsten Merkmale sind:

• Die Entwicklung von Fallstudien, die von Experten für die technische Leitung von 
• Data Science im Unternehmen vorgestellt werden
• Der anschauliche, schematische und äußerst praxisnahe Inhalt vermittelt alle für die berufliche Praxis unverzichtbaren wissenschaftlichen und praktischen Informationen
• Die praktischen Übungen, bei denen der Selbstbewertungsprozess zur Verbesserung des Lernens durchgeführt werden kann
• Sein besonderer Schwerpunkt liegt auf innovativen Methoden
• Theoretische Lektionen, Fragen an den Experten, Diskussionsforen zu kontroversen Themen und individuelle Reflexionsarbeit
• Die Verfügbarkeit des Zugriffs auf die Inhalte von jedem festen oder tragbaren Gerät mit Internetanschluss

Mit dem Relearning-System von TECH müssen Sie nicht viele Lernstunden investieren und können sich auf die wichtigsten Konzepte konzentrieren. Schreiben Sie sich jetzt ein!“ 

Zu den Dozenten gehören Fachleute aus dem Bereich der technischen Leitung von Data Science im Unternehmen, die ihre Erfahrungen in dieses Programm einbringen, sowie anerkannte Spezialisten von führenden Gesellschaften und renommierten Universitäten. 

Die multimedialen Inhalte, die mit der neuesten Bildungstechnologie entwickelt wurden, ermöglichen der Fachkraft ein situiertes und kontextbezogenes Lernen, d. h. eine simulierte Umgebung, die eine immersive Fortbildung bietet, die auf die Ausführung von realen Situationen ausgerichtet ist. 

Das Konzept dieses Programms konzentriert sich auf problemorientiertes Lernen, bei dem der Student versuchen muss, die verschiedenen Situationen aus der beruflichen Praxis zu lösen, die während des gesamten Studiengangs gestellt werden. Dabei wird die Fachkraft durch ein innovatives interaktives Videosystem unterstützt, das von anerkannten Experten entwickelt wurde. 

Sie werden umfassende Kenntnisse über Datenmanagementsysteme und deren strategische Anwendung im Unternehmensumfeld erwerben"

Sie werden die anspruchsvollsten Techniken zur Erfassung, Bereinigung und Speicherung großer Datenmengen beherrschen"

Dieser Studiengang vertieft die wesentlichen Aspekte für die Übernahme von Verantwortlichkeiten im Bereich der technischen Leitung von Data Science im Unternehmen. So behandelt der Lehrplan die wichtigsten Vorschriften für einen verantwortungsvollen Umgang mit Daten, sodass Fachleute in der Lage sind, gemäß strengen regulatorischen Rahmenbedingungen zu handeln und die Integrität der Informationen zu gewährleisten. Darüber hinaus werden die Besonderheiten skalierbarer Systeme für die massive Nutzung sensibler Informationen untersucht, die in anspruchsvollen Unternehmensumgebungen unverzichtbar sind. Außerdem werden moderne Tools zur Entwicklung robuster Architekturen bereitgestellt, die den tatsächlichen Geschäftsanforderungen gerecht werden.  

Sie werden Dateninfrastrukturen integrieren, die auf skalierbaren, verteilten und multiserviceorientierten Systemen basieren" 

Modul 1. Wichtigste Informationsmanagementsysteme

1.1. ERP und CRM

1.1.1. Das ERP
1.1.2. Das CRM
1.1.3. Unterschiede zwischen ERP, CRM. Verkaufsstelle
1.1.4. Geschäftlicher Erfolg

1.2. Das ERP

1.2.1. Das ERP
1.2.2. Arten von ERPs
1.2.3. Entwicklung eines ERP-Implementierungsprojekts
1.2.4. ERP. Ressourcen-Optimierer
1.2.5. Architektur eines ERP-Systems

1.3. Vom ERP bereitgestellte Informationen

1.3.1. Vom ERP bereitgestellte Informationen
1.3.2. Vor- und Nachteile
1.3.3. Die Information

1.4. ERP-Systeme

1.4.1. Aktuelle ERP-Systeme und -Tools
1.4.2. Entscheidungsfindung
1.4.3. ERP-Alltag

1.5. CRM: Das Implementierungsprojekt

1.5.1. Das CRM. Implementierungsprojekt
1.5.2. Das CRM als Geschäftsinstrument
1.5.3. Strategien für das Informationssystem

1.6. CRM: Kundenbindung

1.6.1. Ausgangspunkt
1.6.2. Verkaufen oder Binden
1.6.3. Erfolgsfaktoren in unserem Kundenbindungsprogramm
1.6.4. Multi-Channel-Strategien
1.6.5. Gestaltung von Treueaktionen
1.6.6. E-Loyalität

1.7. CRM: Kommunikationskampagnen

1.7.1. Kommunikationsmaßnahmen und -pläne
1.7.2. Die Bedeutung des informierten Kunden
1.7.3. Das Zuhören gegenüber dem Kunden

1.8. CRM: Vermeidung von Unzufriedenheit

1.8.1. Kundenstornierungen
1.8.2. Frühzeitige Fehlererkennung
1.8.3. Verbesserungsprozesse
1.8.4. Rückgewinnung des unzufriedenen Kunden

1.9. CRM: Besondere Kommunikationsmaßnahmen

1.9.1. Zielsetzung und Planung einer Firmenveranstaltung
1.9.2. Konzeption und Durchführung der Veranstaltung
1.9.3. Maßnahmen der Abteilung
1.9.4. Analyse der Ergebnisse

1.10. Das Beziehungsmarketing

1.10.1. Umsetzung. Fehler
1.10.2. Methodik, Segmentierung und Verfahren
1.10.3. Leistung, je nach Abteilung
1.10.4. CRM-Tools

Modul 2. Datentypen und Datenlebenszyklus

2.1. Statistik

2.1.1. Statistik: deskriptive Statistik, statistische Schlussfolgerungen
2.1.2. Bevölkerung, Stichprobe, Individuum
2.1.3. Variablen: Definition und Messskalen

2.2. Arten von statistischen Daten

2.2.1. Je nach Typ

2.2.1.1. Quantitativ: kontinuierliche Daten und diskrete Daten
2.2.1.2. Qualitativ: Binomialdaten, nominale Daten und ordinale Daten

2.2.2. Je nach Form

2.2.2.1. Numerisch
2.2.2.2. Text
2.2.2.3. Logisch

2.2.3. Je nach Quelle

2.2.3.1. Primär
2.2.3.2. Sekundär

2.3. Lebenszyklus der Daten

2.3.1. Etappen des Zyklus
2.3.2. Meilensteine des Zyklus
2.3.3. FAIR-Prinzipien

2.4. Die ersten Phasen des Zyklus

2.4.1. Definition von Zielen
2.4.2. Ermittlung des Ressourcenbedarfs
2.4.3. Gantt-Diagramm
2.4.4. Struktur der Daten

2.5. Datenerhebung

2.5.1. Methodik der Erhebung
2.5.2. Erhebungsinstrumente
2.5.3. Kanäle für die Erhebung

2.6. Datenbereinigung

2.6.1. Phasen der Datenbereinigung
2.6.2. Qualität der Daten
2.6.3. Datenmanipulation (mit R)

2.7. Datenanalyse, Interpretation und Bewertung der Ergebnisse

2.7.1. Statistische Maßnahmen
2.7.2. Beziehungsindizes
2.7.3. Data Mining

2.8. Datenlager (Datawarehouse)

2.8.1. Elemente, aus denen sie bestehen
2.8.2. Design
2.8.3. Zu berücksichtigende Aspekte

2.9. Verfügbarkeit von Daten

2.9.1. Zugang
2.9.2. Nutzen
2.9.3. Sicherheit

Modul 3. Nummer - Maschinelles Lernen

3.1. Wissen in Datenbanken

3.1.1. Vorverarbeitung der Daten
3.1.2. Analyse
3.1.3. Interpretation und Bewertung der Ergebnisse

3.2. Machine Learning

3.2.1. Überwachtes und unüberwachtes Lernen
3.2.2. Lernen durch Verstärkung
3.2.3. Teilüberwachtes Lernen. Andere Lernmodelle

3.3. Klassifizierung

3.3.1. Entscheidungsbäume und regelbasiertes Lernen
3.3.2. Support Vector Machines (SVM) und K-Nearest-Neighbour-Algorithmen (KNN)
3.3.3. Metriken für Sortieralgorithmen

3.4. Regression

3.4.1. Lineare Regression und logistische Regression
3.4.2. Nichtlineare Regressionsmodelle
3.4.3. Zeitreihenanalyse
3.4.4. Metriken für Regressionsalgorithmen

3.5. Clustering

3.5.1. Hierarchisches Clustering
3.5.2. Partitionelles Clustering
3.5.3. Metriken für Clustering-Algorithmen

3.6. Assoziationsregeln

3.6.1. Maßnahmen von Interesse
3.6.2. Methoden der Regelextraktion
3.6.3. Metriken für Assoziationsregelalgorithmen

3.7. Multiklassifizierer

3.7.1. „Bootstrap Aggregation” oder „Bagging”
3.7.2. „Random-Forests-Algorithmus”
3.7.3. „Boosting-Algorithmus”

3.8. Probabilistische Schlussfolgerungsmodelle

3.8.1. Probabilistisches Schlussfolgern
3.8.2. Bayessche Netze oder Glaubensnetze
3.8.3. „Hidden Markov Models”

3.9. Mehrlagiges Perzeptron

3.9.1. Neuronales Netz
3.9.2. Maschinelles Lernen mit neuronalen Netzen
3.9.3. Gradientenabstieg, „Backpropagation ” und Aktivierungsfunktionen
3.9.4. Implementierung eines künstlichen neuronalen Netzes

3.10. Tiefes Lernen

3.10.1. Tiefe neuronale Netze. Einführung
3.10.2. Faltungsnetzwerke
3.10.3. Sequence Modeling
3.10.4. Tensorflow und Pytorch

Modul 4. Web-Analyse

4.1. Web-Analyse

4.1.1. Einführung
4.1.2. Entwicklung der Web-Analyse
4.1.3. Analyse-Prozess

4.2. Google Analytics

4.2.1. Google Analytics
4.2.2. Nutzung
4.2.3. Ziele

4.3. Hits. Interaktionen mit der Website

4.3.1. Grundlegende Metriken
4.3.2. KPI (Key Performance Indicators)
4.3.3. Angemessene Konversionsraten

4.4. Häufige Dimensionen

4.4.1. Quelle
4.4.2. Mittel
4.4.3. Keyword
4.4.4. Kampagne
4.4.5. Personalisierte Kennzeichnung

4.5. Google Analytics-Konfiguration

4.5.1. Installation. Erstellung eines Kontos
4.5.2. Versionen des Tools: UA/GA4
4.5.3. Tracking-Tag
4.5.4. Konversionsziele

4.6. Organisation von Google Analytics

4.6.1. Konto
4.6.2. Eigentum
4.6.3. Ansicht

4.7. Google Analytics-Berichte

4.7.1. Echtzeit
4.7.2. Publikum
4.7.3. Akquisition
4.7.4. Verhalten
4.7.5. Konversionen
4.7.6. Elektronischer Geschäftsverkehr

4.8. Erweiterte Google Analytics-Berichte

4.8.1. Personalisierte Berichte
4.8.2. Panels
4.8.3. APIs

4.9. Filter und Segmente

4.9.1. Filter
4.9.2. Segment
4.9.3. Arten von Segmenten: vordefiniert/benutzerdefiniert
4.9.4. Remarketing-Listen

4.10. Digitaler Analyseplan

4.10.1. Messung
4.10.2. Umsetzung im technologischen Umfeld
4.10.3. Schlussfolgerungen

Modul 5. Skalierbare und zuverlässige Systeme zur massiven Datennutzung

5.1. Skalierbarkeit, Verlässlichkeit und Wartbarkeit

5.1.1. Skalierbarkeit
5.1.2. Verlässlichkeit
5.1.3. Wartbarkeit

5.2. Datenmodelle

5.2.1. Entwicklung von Datenmodellen
5.2.2. Vergleich zwischen dem relationalen Modell und dem dokumentenbasierten NoSQL-Modell
5.2.3. Graphmodell

5.3. Datenspeicher- und -abrufsysteme

5.3.1. Strukturierte Speicherung von Logs
5.3.2. Speicherung in Segmenttabellen
5.3.3. B-Bäume

5.4. Dienste, Nachrichtenübermittlung und Datenkodierungsformate

5.4.1. Datenfluss in REST-Diensten
5.4.2. Datenfluss bei der Nachrichtenübermittlung
5.4.3. Formate für den Nachrichtenversand

5.5. Replikation

5.5.1. CAP-Theorem
5.5.2. Konsistenzmodelle
5.5.3. Replikationsmodelle auf der Grundlage von Leader- und Follower-Konzepten

5.6. Verteilte Transaktionen

5.6.1. Atomare Transaktionen
5.6.2. Verteilte Transaktionen aus verschiedenen Ansätzen Calvin, Spanner
5.6.3. Serialisierbarkeit

5.7. Partitionierung

5.7.1. Arten der Partitionierung
5.7.2. Indexe in Partitionen
5.7.3. Neugewichtung der Partition

5.8. Stapelverarbeitung

5.8.1. Die Stapelverarbeitung
5.8.2. MapReduce
5.8.3. Post-MapReduce-Ansätze

5.9. Verarbeitung von Datenströmen

5.9.1. Nachrichtensysteme
5.9.2. Persistenz von Datenströmen
5.9.3. Verwendung und Operationen mit Datenströmen

5.10. Anwendungsbeispiele. Twitter, Facebook, Uber

5.10.1. Twitter: die Verwendung von Caches
5.10.2. Facebook: nichtrelationale Modelle
5.10.3. Uber: verschiedene Modelle für verschiedene Zwecke

Modul 6. Systemverwaltung für verteilte Einsätze

6.1. Klassische Verwaltung. Das monolithische Modell

6.1.1. Klassische Anwendungen. Monolithisches Modell
6.1.2. Systemanforderungen für monolithische Anwendungen
6.1.3. Die Verwaltung von monolithischen Systemen
6.1.4. Automatisierung

6.2. Verteilte Anwendungen. Der Microservice

6.2.1. Paradigma der verteilten Datenverarbeitung
6.2.2. Microservice-basierte Modelle
6.2.3. Systemanforderungen für verteilte Modelle
6.2.4. Monolithische vs. verteilte Anwendungen

6.3. Tools zur Nutzung von Ressourcen

6.3.1. Verwaltung von Hardware
6.3.2. Virtualisierung
6.3.3. Emulation
6.3.4. Paravirtualisierung

6.4. IaaS-, PaaS- und SaaS-Modelle

6.4.1. IaaS-Modell
6.4.2. PaaS-Modell
6.4.3. SaaS-Modell
6.4.4. Entwurfsmuster

6.5. Containerisierung

6.5.1. Virtualisierung mit cgroups
6.5.2. Containers
6.5.3. Von der Anwendung zum Container
6.5.4. Container-Orchestrierung

6.6. Clustering

6.6.1. Hohe Leistung und hohe Verfügbarkeit
6.6.2. Modelle für hohe Verfügbarkeit
6.6.3. Cluster als SaaS-Plattform
6.6.4. Cluster-Sicherung

6.7. Cloud Computing

6.7.1. Clusters vs.  Clouds
6.7.2. Arten von Clouds
6.7.3. Cloud-Service-Modelle
6.7.4. Überbuchung

6.8. Überwachung und Testing

6.8.1. Arten der Überwachung
6.8.2. Visualisierung
6.8.3. Prüfung der Infrastruktur
6.8.4. Chaos Engineering

6.9. Fallstudie: Kubernetes

6.9.1. Struktur
6.9.2. Verwaltung
6.9.3. Bereitstellung von Dienstleistungen
6.9.4. Entwicklung von Diensten für K8S

6.10. Fallstudie: OpenStack

6.10.1. Struktur
6.10.2. Verwaltung
6.10.3. Einsätze
6.10.4. Entwicklung von Diensten für OpenStack

Modul 7. Internet of Things

7.1. Internet of Things (IoT)

7.1.1. Internet der Zukunft
7.1.2. Internet of Things und Industrial Internet of Things
7.1.3. Industrielles Internet-Konsortium

7.2. Referenzarchitektur

7.2.1. Die Referenzarchitektur
7.2.2. Schichten und Komponenten

7.3. IoT-Geräte

7.3.1. Klassifizierung
7.3.2. Komponenten
7.3.3. Sensoren und Aktuatoren

7.4. Kommunikationsprotokolle

7.4.1. Klassifizierung
7.4.2. OSI-Modell
7.4.3. Technologien

7.5. IoT- und IIoT-Plattformen

7.5.1. Die IoT-Plattform
7.5.2. Allzweck-Cloud-Plattformen
7.5.3. Industrielle Plattformen
7.5.4. Open-Source-Plattformen

7.6. Datenmanagement in IoT-Plattformen

7.6.1. Verwaltungsmechanismen
7.6.2. Offene Daten
7.6.3. Datenaustausch
7.6.4. Datenvisualisierung

7.7. IoT-Sicherheit

7.7.1. Sicherheitsanforderungen
7.7.2. Sicherheitsbereiche
7.7.3. Sicherheitsstrategien
7.7.4. IIoT-Sicherheit

7.8. Anwendungsbereiche von IoT-Systemen

7.8.1. Intelligente Städte
7.8.2. Gesundheit und Fitness
7.8.3. Intelligentes Zuhause
7.8.4. Andere Anwendungen

7.9. Anwendung des IIoT in verschiedenen Industriesektoren

7.9.1. Fertigung
7.9.2. Transport
7.9.3. Energie
7.9.4. Landwirtschaft und Viehzucht
7.9.5. Andere Sektoren

7.10. Integration des IIoT in das Industrie 4.0-Modell 

7.10.1. IoRT (Internet of Robotics Things)
7.10.2. Additive Fertigung in 3D
7.10.3. Big Data Analytics

Modul 8. Projektmanagement und agile Methoden

8.1. Projektleitung und -management

8.1.1. Das Projekt
8.1.2. Phasen eines Projekts
8.1.3. Projektleitung und -management

8.2. PMI-Methode für das Projektmanagement

8.2.1. PMI (Project Management Institute)
8.2.2. PMBOK
8.2.3. Unterschied zwischen Projekt, Programm und Projektportfolio
8.2.4. Entwicklung der Organisationen, die mit Projekten arbeiten
8.2.5. Prozessressourcen in Organisationen

8.3. PMI-Methode für das Projektmanagement: Prozesse

8.3.1. Prozessgruppen
8.3.2. Wissensgebiete
8.3.3. Prozess-Matrix

8.4. Agile Methoden für das Projektmanagement

8.4.1. VUCA-Kontext (Volatilität, Ungewissheit, Komplexität und Mehrdeutigkeit)
8.4.2. Agile Werte
8.4.3. Grundsätze des Agile Manifests

8.5. Framework Agile Scrum für das Projektmanagement

8.5.1. Scrum
8.5.2. Die Säulen der Scrum-Methodik
8.5.3. Werte in Scrum

8.6. Framework Agile Scrum für das Projektmanagement. Prozess

8.6.1. Der Scrum-Prozess
8.6.2. Typisierte Rollen in einem Scrum-Prozess
8.6.3. Die Zeremonien in Scrum

8.7. Framework Agile Scrum für das Projektmanagement. Artefakte

8.7.1. Artefakte in einem Scrum-Prozess
8.7.2. Das Scrum-Team
8.7.3. Metriken zur Bewertung der Leistung von Scrum-Teams

8.8. Framework Agile KANBAN für das Projektmanagement. Kanban-Methode

8.8.1. Kanban
8.8.2. Vorteile von Kanban
8.8.3. Kanban-Methode. Elemente

8.9. Framework Agile Kanban für das Projektmanagement. Praktiken der Kanban-Methode

8.9.1. Kanban-Werte
8.9.2. Grundsätze der Kanban-Methode
8.9.3. Allgemeine Praktiken der Kanban-Methode
8.9.4. Metriken für die Kanban-Leistungsbewertung

8.10. Vergleich: PMI, Scrum und Kanban

8.10.1. PMI – SCRUM
8.10.2. PMI – KANBAN
8.10.3. Scrum - Kanban

Modul 9. Kommunikation, Führung und Teammanagement

9.1. Organisatorische Entwicklung im Unternehmen

9.1.1. Klima, Kultur und organisatorische Entwicklung im Unternehmen
9.1.2. Management des Humankapitals

9.2. Führungsmodelle. Entscheidungsfindung

9.2.1. Paradigmenwechsel bei den Führungsmodellen
9.2.2. Führungsprozess im Technologieunternehmen
9.2.3. Entscheidungsfindung. Planungsinstrumente

9.3. Führung. Delegation und Empowerment

9.3.1. Führung
9.3.2. Delegation und Empowerment
9.3.3. Leistungsbewertung

9.4. Führung. Talent- und Engagementmanagement

9.4.1. Talentmanagement im Unternehmen
9.4.2. Engagementmanagement im Unternehmen
9.4.3. Verbesserung der Kommunikation im Unternehmen

9.5. Angewandtes Coaching im Unternehmen

9.5.1. Management-Coaching
9.5.2. Team-Coaching

9.6. Angewandtes Mentoring im Unternehmen

9.6.1. Profil des Mentors
9.6.2. Die 4 Prozesse eines Mentoring-Programms
9.6.3. Tools und Techniken in einem Mentoring-Prozess
9.6.4. Vorteile von Mentoring im Unternehmensumfeld

9.7. Teammanagement I. Zwischenmenschliche Beziehungen

9.7.1. Zwischenmenschliche Beziehungen

9.7.1.1. Beziehungsstile: Ansätze
9.7.1.2. Effiziente Meetings und Vereinbarungen in schwierigen Situationen

9.8. Teammanagement II. Die Konflikte

9.8.1. Die Konflikte
9.8.2. Konfliktvermeidung, -bewältigung und -beilegung

9.8.2.1. Strategien zur Konfliktvermeidung
9.8.2.2. Konfliktmanagement. Grundlegende Prinzipien
9.8.2.3. Strategien zur Konfliktlösung

9.8.3. Stress und Arbeitsmotivation

9.9. Teammanagement III. Verhandlung

9.9.1. Verhandlung auf Managementebene in Technologieunternehmen
9.9.2. Verhandlungsstile
9.9.3. Phasen der Verhandlung

9.9.3.1. Bei Verhandlungen zu überwindende Hindernisse

9.10. Teammanagement IV. Verhandlungstechniken

9.10.1. Verhandlungstechniken und -strategien

9.10.1.1. Strategien und Hauptarten der Verhandlung
9.10.1.2. Verhandlungstaktik und praktische Fragen

9.10.2. Die Figur des Verhandlungsführers

Modul 10. Führung, Ethik und soziale Verantwortung der Unternehmen

10.1. Globalisierung und Governance 

10.1.1. Governance und Corporate Governance
10.1.2. Grundlagen der Corporate Governance in Unternehmen
10.1.3. Die Rolle des Verwaltungsrats im Rahmen der Corporate Governance

10.2. Cross Cultural Management 

10.2.1. Konzept des Cross Cultural Management 
10.2.2. Beiträge zum Wissen über Nationalkulturen
10.2.3. Diversitätsmanagement

10.3. Wirtschaftsethik

10.3.1. Ethik und Moral
10.3.2. Wirtschaftsethik  
10.3.3. Führung und Ethik in Unternehmen

10.4. Nachhaltigkeit

10.4.1. Nachhaltigkeit und nachhaltige Entwicklung
10.4.2. Agenda 2030
10.4.3. Nachhaltige Unternehmen

10.5. Soziale Verantwortung des Unternehmens

10.5.1. Die internationale Dimension der sozialen Verantwortung der Unternehmen
10.5.2. Umsetzung der sozialen Verantwortung des Unternehmens
10.5.3. Auswirkungen und Messung der sozialen Verantwortung des Unternehmens

10.6. Systeme und Instrumente für verantwortungsvolles Management

10.6.1. CSR: Die soziale Verantwortung der Unternehmen
10.6.2. Wesentliche Aspekte für die Umsetzung einer Strategie für ein verantwortungsvolles Management
10.6.3. Schritte zur Umsetzung eines Managementsystems für die soziale Verantwortung von Unternehmen
10.6.4. CSR-Instrumente und -Standards

10.7. Multinationale Unternehmen und Menschenrechte

10.7.1. Globalisierung, multinationale Unternehmen und Menschenrechte
10.7.2. Multinationale Unternehmen und internationales Recht
10.7.3. Rechtsinstrumente für multinationale Unternehmen in der Menschenrechtsgesetzgebung

10.8. Rechtliches Umfeld und Corporate Governance

10.8.1. Internationale Einfuhr- und Ausfuhrnormen
10.8.2. Geistiges und gewerbliches Eigentum
10.8.3. Internationales Arbeitsrecht 

Modul 11. Personal- und Talentmanagement

11.1. Strategisches Management von Menschen

11.1.1. Strategisches Management und Humanressourcen
11.1.2. Strategisches Management von Menschen

11.2. Kompetenzbasiertes HR-Management

11.2.1. Analyse des Potenzials
11.2.2. Vergütungspolitik
11.2.3. Karriere-/Nachfolge-Pläne

11.3. Leistungsbewertung und Leistungsmanagement

11.3.1. Leistungsmanagement
11.3.2. Leistungsmanagement: Ziel und Prozesse

11.4. Innovation im Talent- und Personalmanagement

11.4.1. Modelle für strategisches Talentmanagement
11.4.2.  Identifizierung, Schulung und Entwicklung von Talenten
11.4.3. Loyalität und Bindung
11.4.4. Proaktivität und Innovation

11.5. Motivation

11.5.1. Die Natur der Motivation
11.5.2. Erwartungstheorie
11.5.3. Theorien der Bedürfnisse
11.5.4. Motivation und finanzieller Ausgleich

11.6. Entwicklung von Hochleistungsteams

11.6.1. Hochleistungsteams: selbstverwaltete Teams
11.6.2. Methoden für das Management selbstverwalteter Hochleistungsteams

11.7. Änderungsmanagement

11.7.1. Änderungsmanagement
11.7.2. Art der Prozesse des Änderungsmanagements
11.7.3. Etappen oder Phasen im Änderungsmanagement

11.8. Verhandlungsführung und Konfliktmanagement

11.8.1. Verhandlung
11.8.2. Konfliktmanagement
11.8.3. Krisenmanagement

11.9. Kommunikation der Führungskräfte

11.9.1. Interne und externe Kommunikation in der Geschäftswelt
11.9.2. Abteilungen für Kommunikation
11.9.3. Der Verantwortliche für die Kommunikation des Unternehmens. Das Profil des Dircom

11.10. Produktivität, Anziehung, Bindung und Aktivierung von Talenten

11.10.1. Produktivität
11.10.2. Anziehung und Bindung von Talenten

Modul 12. Wirtschafts- und Finanzmanagement

12.1. Wirtschaftliches Umfeld

12.1.1. Makroökonomisches Umfeld und das nationale Finanzsystem
12.1.2. Finanzinstitutionen
12.1.3. Finanzmärkte
12.1.4. Finanzielle Vermögenswerte
12.1.5. Andere Einrichtungen des Finanzsektors

12.2. Internes Rechnungswesen

12.2.1. Grundlegende Konzepte
12.2.2. Die Vermögenswerte des Unternehmens 
12.2.3. Die Verbindlichkeiten des Unternehmens 
12.2.4. Das Nettovermögen des Unternehmens  
12.2.5. Die Gewinn- und Verlustrechnung 

12.3. Informationssysteme und Business Intelligence

12.3.1. Grundlagen und Klassifizierung
12.3.2. Phasen und Methoden der Kostenzuweisung
12.3.3. Wahl der Kostenstelle und Auswirkung

12.4. Budget und Managementkontrolle

12.4.1. Das Haushaltsmodell
12.4.2. Das Kapitalbudget
12.4.3. Das Betriebsbudget
12.4.5. Cash-Budget
12.4.6. Haushaltsüberwachung

12.5. Finanzmanagement

12.5.1. Die finanziellen Entscheidungen des Unternehmens
12.5.2. Die Finanzabteilung
12.5.3. Liquiditätsüberschüsse
12.5.4. Risiken im Zusammenhang mit dem Finanzmanagement
12.5.5. Risikomanagement des Finanzmanagements

12.6. Finanzplanung

12.6.1. Definition der Finanzplanung
12.6.2. Zu ergreifende Maßnahmen bei der Finanzplanung
12.6.3. Erstellung und Festlegung der Unternehmensstrategie
12.6.4. Die Cash-Flow-Tabelle
12.6.5. Die Tabelle des Betriebskapitals

12.7. Finanzielle Unternehmensstrategie

12.7.1. Unternehmensstrategie und Finanzierungsquellen
12.7.2. Produkte zur Unternehmensfinanzierung

12.8. Strategische Finanzierungen

12.8.1. Selbstfinanzierung
12.8.2. Erhöhung der Eigenmittel
12.8.3. Hybride Ressourcen
12.8.4. Finanzierung durch Intermediäre

12.9. Finanzanalyse und -planung

12.9.1.  Analyse der Bilanz
12.9.2. Analyse der Gewinn- und Verlustrechnung
12.9.3. Analyse der Rentabilität

12.10. Analyse und Lösung von Fällen/Problemen

12.10.1. Finanzinformationen über Industria de Diseño y Textil, S.A. (INDITEX)

Modul 13. Kaufmännisches Management und strategisches Marketing

13.1. Kaufmännisches Management

13.1.1. Konzeptioneller Rahmen des kaufmännischen Managements
13.1.2. Kaufmännische Strategie und Planung
13.1.3. Die Rolle der kaufmännischen Leiter

13.2. Marketing

13.2.1. Marketingkonzept
13.2.2. Grundlagen des Marketings
13.2.3. Marketingaktivitäten des Unternehmens

13.3. Strategisches Marketingmanagement

13.3.1. Konzept des strategischen Marketings
13.3.2. Konzept der strategischen Marketingplanung
13.3.3. Phasen des Prozesses der strategischen Marketingplanung

13.4. Digitales Marketing und elektronischer Handel

13.4.1. Ziele des digitalen Marketings und des elektronischen Handels
13.4.2. Digitales Marketing und die dabei verwendeten Medien
13.4.3. Elektronischer Handel. Allgemeiner Kontext
13.4.4. Kategorien des elektronischen Handels
13.4.5. Vor- und Nachteile des E-Commerce im Vergleich zum traditionellen Handel

13.5. Digitales Marketing zur Stärkung der Marke

13.5.1. Online-Strategien zur Verbesserung des Rufs Ihrer Marke
13.5.2. Branded Content & Storytelling

13.6. Digitales Marketing zur Anwerbung und Bindung von Kunden

13.6.1. Strategien für Loyalität und Engagement über das Internet
13.6.2. Visitor Relationship Management  
13.6.3. Hypersegmentierung

13.7. Verwaltung digitaler Kampagnen

13.7.1.  Was ist eine digitale Werbekampagne?
13.7.2. Schritte zum Start einer Online-Marketing-Kampagne
13.7.3. Fehler bei digitalen Werbekampagnen

13.8. Verkaufsstrategie

13.8.1.  Verkaufsstrategie
13.8.2. Verkaufsmethoden

13.9. Unternehmenskommunikation

13.9.1. Konzept
13.9.2. Bedeutung der Kommunikation in der Organisation
13.9.3. Art der Kommunikation in der Organisation
13.9.4. Funktionen der Kommunikation in der Organisation
13.9.5. Elemente der Kommunikation
13.9.6. Kommunikationsprobleme
13.9.7. Szenarien der Kommunikation

13.10. Kommunikation und digitaler Ruf

13.10.1. Online-Reputation
13.10.2. Wie misst man die digitale Reputation?
13.10.3. Online-Reputationstools
13.10.4. Online-Reputationsbericht
13.10.5. Online-Branding

Modul 14. Geschäftsleitung

14.1. Allgemeines Management

14.1.1.  Konzept des General Management
14.1.2. Die Tätigkeit des Generaldirektors
14.1.3. Der Generaldirektor und seine Aufgaben
14.1.4. Transformation der Arbeit der Direktion

14.2. Der Manager und seine Aufgaben. Organisationskultur und Ansätze

14.2.1. Der Manager und seine Aufgaben. Organisationskultur und Ansätze

14.3. Operations Management

14.3.1.  Bedeutung des Managements
14.3.2. Die Wertschöpfungskette
14.3.3. Qualitätsmanagement

14.4. Rhetorik und Schulung von Pressesprechern

14.4.1.  Zwischenmenschliche Kommunikation
14.4.2. Kommunikationsfähigkeit und Einflussnahme
14.4.3. Kommunikationsbarrieren

14.5. Persönliche und organisatorische Kommunikationsmittel

14.5.1. Zwischenmenschliche Kommunikation
14.5.2. Instrumente der zwischenmenschlichen Kommunikation
14.5.3.  Kommunikation in der Organisation
14.5.4. Werkzeuge in der Organisation

14.6. Krisenkommunikation

14.6.1. Krise
14.6.2. Phasen der Krise
14.6.3. Nachrichten: Inhalt und Momente

14.7. Ausarbeitung eines Krisenplans

14.7.1. Analyse der potenziellen Probleme
14.7.2. Planung
14.7.3. Angemessenheit des Personals

14.8. Emotionale Intelligenz

14.8.1. Emotionale Intelligenz und Kommunikation
14.8.2.  Durchsetzungsvermögen, Einfühlungsvermögen und aktives Zuhören
14.8.3. Selbstwertgefühl und emotionale Kommunikation

14.9. Personal Branding

14.9.1. Strategien für den Aufbau einer persönlichen Marke
14.9.2. Regeln des Personal Branding
14.9.3. Instrumente zum Aufbau einer persönlichen Marke

14.10. Führung und Teammanagement

14.10.1. Führung und Führungsstile
14.10.2. Führungsqualitäten und Herausforderungen
14.10.3. Management von Veränderungsprozessen
14.10.4. Leitung multikultureller Teams

Sie können jederzeit auf den virtuellen Campus zugreifen und die Inhalte herunterladen, um sie zu konsultieren, wann immer Sie wollen"