Lernfeld nur FI-Berufe | |
| Lernfeld | 12c | Lernfeld Titel | Kundenspezifische Prozess- und Datenanalyse durchführen |
|---|---|
| Lernfeld Stunden | 121 |
| Kernkompetenz | Die Schülerinnen und Schüler verfügen über die Kompetenz, einen Kundenauftrag zur Prozess- und Datenanalyse vollständig durchzuführen und zu bewerten. |
| Erwartete Handlungskompetenz am Ende der Berufsausbildung in Anlehnung an ausgewählte Berufsbildpositionsbeschreibungen | Sie führen Gespräche situationsgerecht und beraten Kundinnen und Kunden unter Berücksichtigung der Kundeninteressen. Sie bilden Anforderungen in einer Prozessdarstellung ab. Sie bereiten Ergebnisse der Analyse für unterschiedliche Zielgruppen auf. Sie wenden Grundsätze und Methoden des Projektmanagements an. Sie vergleichen Werkzeuge der Prozessoptimierung und schlagen diese vor. Sie nutzen Programmiersprachen mit integrierten Auswertungsverfahren und Visualisierungswerkzeugen. Sie prüfen Daten auf Qualität (Plausibilität, Quantität, Redundanz, Vollständigkeit, Validität), dokumentieren Ergebnisse und schlagen bei Abweichungen vom Sollzustand Maßnahmen zur Verbesserung der Datenqualität vor. Sie übergeben Leistungen und Dokumentationen an Kundinnen und Kunden, weisen diese in die Nutzung von Produkten und Dienstleistungen ein und fertigen Abnahmeprotokolle an. Sie erfassen Kosten für erbrachte Leistungen und bewerten diese im Zeit- sowie im Soll-Ist-Vergleich. Sie stellen Ursachen von Qualitätsmängeln fest und beseitigen und dokumentieren diese. |
| Zielformulierung/Kompetenzen aus Handlungsfeld | 1 Die Schülerinnen und Schüler führen in Zusammenarbeit mit den Kunden eine Anforderungsanalyse durch und leiten daraus Projektziele, Anforderungen, gewünschte Ergebnisse, Schulungsbedarfe und Rahmenbedingungen ab. |
| 2 Auf dieser Basis planen und kalkulieren sie ein Projekt mit den dazugehörigen personellen und technischen Ressourcen. | |
| 3 Sie entwickeln Lösungsvarianten, vergleichen diese anhand festgelegter Kriterien sowie unter Berücksichtigung von Datenschutz und Datensicherheit. Sie wählen mit den Kunden die beste Lösung aus. Für den vereinbarten Auftrag erstellen sie ein Dokument über die zu erbringenden Leistungen und ein Angebot. | |
| 4 Sie implementieren die gewünschte Lösung. Dabei nutzen sie Maßnahmen zur Qualitätssicherung. | |
| 5 Sie präsentieren den Kunden das Projektergebnis und führen eine Schulung durch. Sie übergeben den Kunden das Produkt sowie die Dokumentation. | |
| 6 6 Sie bewerten das Projektergebnis auch hinsichtlich Zielerreichung, Wirtschaftlichkeit, Skalierbarkeit und Verlässlichkeit. | |
| 7 Sie reflektieren die Projektdurchführung und das Projektergebnis auch unter Berücksichtigung der kritischkonstruktiven Kundenrückmeldungen. | |
| Exemplarische Lernsituation zu Kompetenzen | Ein Automobilhersteller erwägt seine Produktion vorausschauend an zukünftige Marktentwicklungen anzupassen. Es stehen eine Vielzahl komplexer Daten zur Verfügung. Die Schülerinnen und Schüler erhalten den Auftrag durch Analyse der Daten wichtige Erkenntnisse für die geschäftliche Zukunft der Firma zu gewinnen, sodass Sie die Verantwortlichen der Firma in die Lage versetzen, Entwicklungen frühzeitig zu erkennen und damit Prozesse der Produktion und Organisation optimal zu gestalten. Auf Basis der ausgewerteten Daten soll es der Geschäftsleitung möglich sein, begründete strategische Entscheidungen treffen zu können, um eine nachhaltige Effizienzsteigerung einzuleiten. |
| Mögliche Handlungsprodukte | Interaktive Webapplikation zur Datenanalyse,
basierend auf der Programmiersprache R Dynamische und interaktive Dashboards, z.B. erstellt mit Klipfolio, Datapine Datenberichte, z.B. erstellt mit Cyfe Applikationen zu statistischen Auswertungen mit Python(erweiterungen) UML-Diagramme Lastenheft, Pflichtenheft, Dokumentationen |
| Inhaltliche Orientierung | Allgemein Projektmanagement Applied Data Analytics Statistische Methoden für Industrie und Dienstleistungen Zuverlässigkeitsanalysen und -prognosen Definitionen und Normen der Zuverlässigkeitsanalyse (z.B. DIN EN 60300-1, DIN 40041, VDAund VDI-Richtlinien) Statistische Grundlagen der Zuverlässigkeitsanalyse Risikoabschätzung mit der Weibullverteilung Schadenseinträge und Schadensursachen Systemzuverlässigkeit Monte-Carlo-Simulation Vervollständigung fehlender Informationen Korrektur von Lebensdauermerkmalen Datenmanagement mit dem Statistikprogramm R Statistische Kennzahlen und Verteilungen Datenvisualisierung, Grafiken in R Zufallsstichproben, Simulationen Testtheorie und ausgewählte Hypothesentests Signifikanz und Relevanz von Testergebnissen Statistische Zusammenhänge, Korrelation, und Kausalität Predictive Marketing mittels Linearer Regression und Logistischer Regression Klassifizierung und Entscheidungshilfe anhand Entscheidungsbäumen Dimensionsreduktion mittels Faktorenanalyse Gruppierungen und Clusterbildung im Marketing und sozialen Netzen Big Data vs. Smart Data Corporate Design |