Modul 1: Einstieg in die Data Literacy
- Was ist Data Literacy und warum ist sie relevant?
- Beispiele erfolgreicher Datenprojekte
- Erwartungsabfrage der Teilnehmenden
Modul 2: Datenprozess verstehen
- Überblick CRISP-DM: Von der Datenerhebung zur Interpretation
- Tools und Methoden in den einzelnen Phasen
Modul 3: Datenquellen und Qualität
- Interne vs. externe Quellen
- Qualitätskriterien: Vollständigkeit, Konsistenz, Aktualität
- Validierung und Dokumentation leicht gemacht
Modul 4: Denkfehler im Datenkontext
- Kognitive Verzerrungen erkennen (z. B. Confirmation Bias)
- Reflexion eigener Entscheidungsmuster
Modul 5: Visualisierung & Reports
- Gute vs. schlechte Visualisierungen erkennen
- Typische Fehler in Charts und Dashboards
- Aufbau und Interpretation von Kennzahlen
Modul 6: Mit Daten überzeugen
- Grundlagen des Data Storytelling
- Mini-Übungen zu Story-Arcs und Publikumsrelevanz
Modul 7: Einstieg in Machine Learning
- Wie Maschinen aus Daten lernen
- Anwendungsbeispiele aus der Praxis
Modul 8: Rechtliche Rahmenbedingungen & Transfer
- Überblick zum EU AI Act
- Konkrete Umsetzungsideen im eigenen Arbeitskontext
Methode
Das Seminar kombiniert:
- Interaktive Kurzvorträge mit visuellen Impulsen
- Reflexions- und Diskussionsrunden
- Gruppenarbeiten und Mini-Cases
- Übungen zu Reports, Visualisierungen und Storytelling
- Optional: Nutzung von LearningHub @Cegos und 4REAL-Modell für nachhaltigen Lerntransfer
- Zugang zum LearningHub @Cegos mit digitalen Zusatzmaterialien und Selbstlernmodulen. Integration nach dem 4REAL-Modell für nachhaltigen Lerntransfer.
Modul 1: Einstieg in die Data Literacy
- Was ist Data Literacy und warum ist sie relevant?
- Beispiele erfolgreicher Datenprojekte
- Erwartungsabfrage der Teilnehmenden
Modul 2: Datenprozess verstehen
Mehr Informationen