
Datenkompetenz
Description
Alles über E-Books | Antworten auf Fragen rund um E-Books, Kopierschutz und Dateiformate finden Sie in unserem Info- & Hilfebereich.
Reviews / Votes
"In einer Ära, in der digitale Technologien das berufliche und private Leben prägen, tritt die Bedeutung digitaler Kompetenzen deutlich hervor. Diese umfassen ein breites Spektrum an Fähigkeiten, die für das Verständnis und die effektive Nutzung digitaler Technologien essenziell sind. Sie sind in fast jedem Berufsfeld unverzichtbar geworden. Ein zentraler und zunehmend relevanter Aspekt dieser Kompetenzen ist die Datenkompetenz. Sie beinhaltet das Verständnis, wie Daten gesammelt, aufbereitet, analysiert und genutzt werden, um wertvolle Erkenntnisse zu gewinnen und fundierte Entscheidungen zu treffen. Das Buch 'Datenkompetenz. Daten erfolgreich nutzen', herausgegeben von Michael Lang, bietet eine tiefgehende und umfassende Auseinandersetzung mit diesem Bereich. Es richtet sich an Personen, die verstehen möchten, wie Daten in einer datengetriebenen Welt genutzt werden können, um organisatorische und individuelle Ziele zu erreichen. Die Kombination aus theoretischem Wissen und praktischen Anwendungen macht es zu einem wertvollen Leitfaden im digitalen Zeitalter." Thomas Schäffer und Christian Leyh, HMD Praxis der Wirtschaftsinformatik, 17.01.2024 Das Buch "Datenkompetenz. Daten erfolgreich nutzen", herausgegeben von Michael Lang, bietet eine tiefgehende und umfassende Auseinandersetzung mit diesem Bereich. Es richtet sich an Personen, die verstehen möchten, wie Daten in einer datengetriebenen Welt genutzt werden können, um organisatorische und individuelle Ziele zu erreichen. Die Kombination aus theoretischem Wissen und praktischen Anwendungen macht es zu einem wertvollen Leitfaden im digitalen Zeitalter. "In 'Datenkompetenz - Daten erfolgreich nutzen' wird umfassend in die Welt der Datenführung und -verarbeitung eingeführt. Das Buch bietet Orientierung anhand von umfangreichen Begriffserläuterungen sowie Formelsammlungen und Diagrammen. Für den eiligen Leser werden am Ende jedes Kapitels zentrale Punkte stichpunktartig zusammengefasst. Das Buch betont die wachsende Bedeutung der persönlichen Eigenschaften auch Soft Skills genannt, die in der modernen Arbeitswelt an Bedeutung gewinnen und erst einen erfolgreichen Umgang mit großen Datenmengen ermöglichen. Das Buch eignet sich für Leser, die eine Orientierungshilfe beim erfolgreichen Daten sammeln, verarbeiten und interpretieren suchen." automation-valley.de, 24.08.2023More details
Other editions
Additional editions

Person
ISNI: 0000 0001 1824 1791
Content
- Intro
- Vorwort
- Inhalt
- 1 Datenkompetenz - Grundlagen
- Robert Butscher
- 1.1 Der Begriff Datenkompetenz (Data Literacy)
- 1.2 Definitionen
- 1.3 Vorgehensmodelle
- 1.4 Berufsfelder
- 1.5 Die wichtigsten Punkte in Kürze
- 2 Datenmodellierung
- Andreas Gadatsch und Benedikt Haag
- 2.1 Modelle und Datenmodelle
- 2.2 Wissenspyramide: Daten, Informationen und Wissen
- 2.3 Kategorien von Daten
- 2.4 Fehler in Daten
- 2.5 Zweck und Nutzen von Datenmodellen
- 2.6 Entwurf von Datenbanken
- 2.7 Einführung in das Entity-Relationship-Modell (ERM)
- 2.8 Erweiterungen des Entity-Relationship-Modells
- 2.9 Alternativen zur Chen-Notation
- 2.10 Die wichtigsten Punkte in Kürze
- 3 Daten sammeln, aufbereiten und speichern
- Beate Navarro Bullock
- 3.1 Von der Quelle zum aufbereiteten Datensatz
- 3.2 Daten sammeln
- 3.3 Daten aufbereiten
- 3.4 Daten speichern
- 3.5 Die wichtigsten Punkte in Kürze
- 4 Datenanalyse - Einführung, deskriptive und diagnostische Analyse
- Oliver Schwarz
- 4.1 Übersicht zu den Analyseformen
- 4.2 Analyseformen und Analysemethoden
- 4.3 Deskriptive Analyse
- 4.4 Diagnostische Methoden
- 4.5 Die wichtigsten Punkte in Kürze
- 5 Datenanalyse - prädiktive und präskriptive Analyse
- Oliver Schwarz
- 5.1 Maschinelles Lernen - eine Übersicht
- 5.2 Klassifikation und Regression
- 5.3 Trainings- und Testdaten
- 5.4 Lineare Regressionsanalyse
- 5.5 Logistische Regression
- 5.6 Klassifikationsbäume
- 5.7 Präskriptive Analyse - ein Beispiel
- 5.8 Die wichtigsten Punkte in Kürze
- 6 Datenvisualisierung - die relevanten Daten vor Augen
- Roland Zimmermann
- 6.1 Können wir unseren Augen trauen?
- 6.2 Analytische Aufgaben in visuelle Abfragen übersetzen
- 6.3 Drei-Stufen-Modell für effiziente visuelle Suchen
- 6.4 VS1 - quasi-unbewusste Wahrnehmung maximieren
- 6.5 VS2 - Mustererkennung optimieren, Gestaltungsoptionen frei halten
- 6.6 VS3 - Wahrnehmung durch Planung antizipieren
- 6.7 Vorgehensmodell zur Datenvisualisierung
- 6.8 Die wichtigsten Punkte in Kürze
- 7 Data Governance
- Kristin Weber und Christiana Klingenberg
- 7.1 Data Governance: Einführung
- 7.2 Empfehlungen für Data Governance
- 7.3 Das qualitätsorientierte Data Governance Framework
- 7.4 Handlungsfeld der strategischen Ebene
- 7.5 Handlungsfelder der organisatorischen Ebene
- 7.6 Handlungsfelder auf Ebene der Informationssysteme
- 7.7 Relevanz von Datenqualität über alle Ebenen des Frameworks
- 7.8 Die wichtigsten Punkte in Kürze
- 8 Datenqualität
- Christiana Klingenberg und Kristin Weber
- 8.1 Probleme mit Datenqualität
- 8.2 Begriff Datenqualität - fit for use
- 8.3 Dimensionen der Datenqualität
- 8.4 Datenqualitätsregeln
- 8.5 Messen der Datenqualität
- 8.6 Bewerten der Datenqualität
- 8.7 Herausforderung Datenqualität bei der Auswertung von Daten
- 8.8 Herausforderung Datenqualität in überbetrieblichen Prozessen
- 8.9 Kosten schlechter Datenqualität
- 8.10 Die wichtigsten Punkte in Kürze
- 9 Datenschutz und Datensicherheit
- Stefan Karg
- 9.1 Grundlagen und Begriffe
- 9.2 Informationssicherheit
- 9.3 Datenschutz
- 9.4 Methoden
- 9.5 Der Konvergenzbereich: TOM
- 9.6 Herausforderungen in der Praxis
- 9.7 Die wichtigsten Punkte in Kürze
- 10 Big Data und Big Data Analytics
- Oliver Hummel
- 10.1 Big Data, worum geht es?
- 10.2 Big Data Analytics
- 10.3 Speicherung großer Datenmengen
- 10.4 Verarbeitung großer Datenmengen
- 10.5 Big-Data-Referenzarchitekturen
- 10.6 Resilienz in Big-Data-Systemen
- 10.7 Probabilistische Datenstrukturen in Big-Data-Systemen
- 10.8 Die wichtigsten Punkte in Kürze
- 11 Datenkompetenz: Warum es ohne Soft Skills nicht geht
- Benedikt Haag und Andreas Gadatsch
- 11.1 Die Unterscheidung zwischen Soft und Hard Skill
- 11.2 Soft-Skill-Kategorien
- 11.3 Die Bedeutung von Soft Skills in der Arbeitswelt
- 11.4 Soft Skills für Datenkompetenz
- 11.5 Messung von Soft Skills
- 11.6 Ansätze zur Entwicklung von Soft Skills
- 11.7 Die wichtigsten Punkte in Kürze
- 11.8 Literatur
- Der Herausgeber
- Die Autor:innen
- Index
System requirements
File format: PDF
Copy protection: Watermark-DRM (Digital Rights Management)
System requirements:
- Computer (Windows; MacOS X; Linux): Use the free software Adobe Reader, Adobe Digital Editions, or any other PDF viewer of your choice (see eBook Help).
- Tablet/Smartphone (Android; iOS): Install the free app Adobe Digital Editions or another reading app for eBooks, e.g., PocketBook (see eBook Help).
- E-reader: Bookeen, Kobo, Pocketbook, Sony, Tolino and many more (only limited: Kindle).
The file format PDF always displays a book page identically on any hardware. This makes PDF suitable for complex layouts such as those used in textbooks and reference books (images, tables, columns, footnotes). Unfortunately, on the small screens of e-readers or smartphones, PDFs are rather annoying, requiring too much scrolling.
This eBook uses Watermark-DRM, a „soft” copy protection. This means that there are no technical restrictions to prevent illegal distribution. However, there is a personalised watermark embedded in the eBook that can be used to identify the purchaser of the eBook in the event of misuse and to provide evidence for legal purposes.
For more information, see our eBook Help page.