Mit gut fundierten Qualifikationen im CRM verfügen Sie über arbeitsmarktrelevante Kompetenzen für nahezu alle Branchen. Nach dem Lehrgang können Sie verantwortungsvolle Aufgaben in der Kundenbetreuung übernehmen, Online-Kampagnen erstellen sowie die Auffindbarkeit von Webseite in den Suchergebnissen von Suchmaschinen erhöhen. Des Weiteren sind Sie in der Lage, Datenbanken zu erstellen und auszuwerten und beherrschen den Umgang mit Big Data. Diese Fähigkeiten im Umgang mit Daten machen Sie branchenübergreifend für Unternehmen interessant. Das aussagekräftige Zertifikat von alfatraining gibt Ihrem zukünftigen Arbeitgeber detaillierten Einblick in Ihre erworbenen Qualifikationen.
Lehrgangsziel
Dieser Kurs vermittelt Ihnen ein ganzheitliches Verständnis von CRM. Sie sind dazu in der Lage, Kundenbeziehungen zu analysieren und zu optimieren. Weiterhin lernen Sie die wichtigsten Begriffe und Maßnahmen in der Suchmaschinenoptimierung kennen, können Google Suchanfragen analysieren und Google Ads Kampagnen aufsetzen und verwalten. Außerdem sind Sie dazu in der Lage, Webanalysen datenschutzkonform durchzuführen. Zusätzlich können Sie zusätzlich relationale Datenbanken mit SQL aufbauen und verwalten, können Views und komplexe Abfragen, auch unter Verwendung von SQL-Funktionen, erstellen. Auch sind Sie dazu in Lage, Big Data Analysen mit Hilfe grundlegender Programmierungen in Python, SQL und NoSQL-Datenbankkonzepte sowie das Framework Apache Hadoop zu verstehen.
Zielgruppe
Dieser Lehrgang richtet sich an Fach- und Führungskräfte aus Marketing, Einkauf, Vertrieb und Kundenmanagement, Volks-und Betriebswirtschaft.
Inhalte
CRM Analyst/-in:
Die Weiterbildung zum „CRM Analyst/-in“ besteht aus 4 Modulen, deren Reihenfolge variieren kann.
Modul 1: Kundenservice mit CRM-Software:
Grundlagen Customer Relationship Management (ca. 3 Tage):
Einführung in das Customer Relationship Management
Strategisches, analytisches, operatives CRM
Integrierte CRM-Lösungen: ERP-System, Datawarehouse, Data Mining und OLAP
Grundlagen Datenschutz (ca. 1 Tag):
Umgang mit Kundendaten
Speicherung und Weitergabe von Kundendaten
Datenschutz im Bereich Marketing/Werbemaßnahmen
Gewinnung und Bindung von Kunden (ca. 4 Tage):
Analyse der Kundenbedürfnisse
Kundenzufriedenheitsmanagement
Kundenkommunikation
Psychologie der Kundenbeziehungen
Aufbau und Pflege von Kundendatenbanken
360 Grad-Kundenansicht
Ganzheitliches Fallmanagement
Umgang mit Kundendaten (ca. 4 Tage):
Verwaltung von Terminen, Verträgen und Budget
Kundenadministration
Workflows zwischen Teams
Bereinigung der Datenbank
Analytisches CRM (Zielgruppenanalyse, Kundenwertanalyse, Forecasts)
Echtzeit-Dashboards
Überblick über Leistungskennzahlen
Drilldown-Analyse
Inline-Datenvisualisierung
Auswertung von Verkaufschancen
Steigerung der Kundenprofitabilität (ca. 3 Tage):
Marketing
Gezielte Rückmeldungen
Segmentierungstools
Kampagnen-Management
Workflows
Lead-to-Cash-Transparenz
Echtzeit-Verkaufsprognosen
Pipeline-Berichte
Einführung CRM Software (ca. 2 Tage):
Übersicht in die CRM Systemlandschaft
Vorstellung und Positionierung verschiedener CRM-Systeme
Prozessabläufe abbilden
Projektarbeit (ca. 3 Tage):
zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Modul 2: Fachwissen SEM Manager/-in und Web Analyst:
Suchmaschinenoptimierung Grundbegriffe (ca. 3 Tage) :
Webbasierte Suchmaschinen
Google Universal Search
Vertikale Suchmaschinen
Suchergebnisseiten und Treffer
Rich Snippets
Google Knowledge Graph
Random Surfer
Reasonable Surfer
PageRank
Link Popularity, Domain Popularity
TrustRank
RankBrain
SEO-Prozesse (ca. 2 Tage):
Schritte des SEO-Prozesses
SEO-Ziele definieren
Keyword-Kandidaten
Such-Intention
Google Keyword Planer
Keyword Effectiveness Index (KEI)
Conversions
Content-Qualität
User Signals
Keyworddichte berechnen
Within Document Frequency (WDF)
Inverse Document Frequency (IDF)
Webseitenoptimierung (ca. 3 Tage):
Optimierung für Mobilgeräte
Meta-Tags
Eingebundene Dateien
Duplicate Content
semantisches Web
HTML5 Mikrodaten
JSON-LD
Ladezeiten einer Webseite überprüfen
Domains auf IP-Adresse überprüfen
Sicherheitsfunktionen des
https-Protokoll
robots.txt
Linkaufbaustrategie
Ankertexte
Google Penalty
Suchanfragen mit lokalem Bezug
SEO-Erfolgskontrolle (ca. 3 Tage):
Erfolgskontrolle ohne kommerzielle Tools durchführen
Tools für die Ranking-Überwachung
Google-Index Optimierungspotential
Backlinks
Sichtbarkeitsindex
Onpage-Analyse
Google Ads (ca. 2 Tage):
Google Ads
Absicht von Suchanfragen analysieren
Erstellung von Keyword-Listen
Kampagnenarten
Kampagnen aufsetzen und verwalten
AdWords-Auktion
Webanalyse (ca. 3 Tage):
Web Analytics Ziele und Funktionen
Datenschutz
Reichweitenmessung
Möglichkeiten und Grenzen der erfassbaren Daten
Google Analytics einrichten
Echtzeit-Berichte
Zielgruppenanalyse
Herkunft von Webseitenbesuchern
Dimension, Direct, Organic Search, Social,
Referral, Metric, Source, Medium und Channel
Conversion Funnel
Event- und Goal-Tracking
Besucherverhalten
Google Tag Manager
Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 4 Tage):
Modul 3: Relationale Datenbanken mit Microsoft SQL:
Grundlagen von Datenbanksystemen (ca. 3 Tage):
Entitätsmengen
Relationen
Entity Integrity
Microsoft SQL Server Management Studio
Datenbanken/Tabellen
Schlüsselfelder
Einsatz Indizes
Datenbanksystemtypen
Datentypen: Standard- und spezielle Datentypen
Verwendungshinweise
Datenintegrität, -sicherheit und -schutz
Konkurrierender Datenzugriff
Primär- und Fremdschlüssel
Referentielle Integrität
Beziehungen zwischen Relationen
Entity-Relationship-Modell
Datenbankentwurf: Vom Fachproblem zur fertigen Datenbank
Datenbankkonflikte
Normalisierung: Normalformen 1 - 3, BCNF, Relevanz in der Praxis
Einführung in die DDL (ca. 2 Tage):
Erstellung von Tabellen
Gültigkeitsregeln (Check)
Setzen von Schlüsseln und Standardwerten
Manipulieren von Datenstrukturen
Verändern und Löschen von Tabellen
Nachträgliches Hinzufügen von Schlüsseln
Erstellen, Ändern und Löschen von Sichten
Vor- und Nachteile von Sichten
Einführung in die DQL (ca. 3 Tage):
SELECT mit Filterung und Sortierung
Wichtigste SQL-Inline-Funktionen
Skalar- und Aggregatfunktionen
Gruppierung und Gruppenfilter
Tabellen miteinander verknüpfen: Kartesisches Produkt und JOIN-Befehle
Equi- und Non-Equijoins
Verschachtelte SELECT-Anweisungen
Arithmetische-, Bitweise-, Vergleichs-, Verbindungs-, Logische, Zeichenketten- und Unäre Operatoren
Mengenoperationen: Union, Except, Intersect, Distinct
IIF und CASE-Anweisungen
Funktion Coalesce
DML-Befehle (ca. 1 Tag):
Insert-, Update-, Delete-, Merge-Befehle
Kombinationen von DML- mit DQL-Befehlen
DCL - Data Control Language (ca. 1 Tage):
Berechtigungen setzen, zurücknehmen, verweigern
Anlegen/Löschen von Logins und Usern
Zuweisen von Datenbankrollen
Anmelden mit anderen Logins
Zuordnung und Vererbung von Rollenberechtigungen
Einführung in die T-SQL-Programmierung (ca. 5 Tag):
Variablen (Skalar- und Tabellenvariablen)
Maskieren des Anführungszeichens
In Variablen gespeicherter SQL-Code ausführen
Temporäre Tabellen: lokal, global, permanent
If-Anweisung und while-Schleife
Erstellen, Ändern und Löschen von Funktionen und Prozeduren
Ein- und Ausgabeparameter bei Prozeduren
Prozeduren mit mehreren Parametern
Unterschiede zwischen Prozeduren und Funktionen
Common Table Expressions
Tabellenwertfunktionen
Nutzung von Zeigern
FETCH-Befehl
Werte von Zeigern abfangen und in Variablen speichern
Triggertypen, -arten, -regeln und -sicherheit
Einführung in DML- und DDL-Trigger
DML-Trigger bei schlechtem/gutem Datenbankdesign
Fehlerbehandlung: TRY-CATCH
Schweregrade von Fehlern
Erzeugen von Fehlermeldungen
Lesezeichen im MS Management Studio
Einführung in MS Access (ca. 1 Tag):
ODBC-Datenverbindung erstellen
Tabellen und Sichten einbinden
Abfragen erstellen
Pass-Through-Abfragen erstellen
Berichte und Formulare generieren
Projektarbeit (ca. 4 Tage):
zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Modul 4: Big Data Analytics:
Kurzeinführung Big Data (ca. 1 Tag):
Was ist Big Data?
Grundlagen in Python (ca. 4 Tage):
Einführung und grundlegende Funktionen
Datentypen
Zentrale Python-Module im Kontext Big Data Analytics
Big Data Architekturen (ca. 5 Tage):
Big Data Architekturen (Hadoop und andere Lösungen)
Relationale Datenbanken im Hadoop Ecosystem
Grundlagen SQL
Vergleich von SQL und NoSQL Datenbanken
Datenanalyse, Statistik und Data Mining (ca. 5 Tage):
Explorative Datenanalyse mit Python
Daten visualisieren in Python
Statistische Grundlagen
Data Mining Use Cases
Data Mining Algorithmen in Python
Big Data: Daten verarbeiten und speichern (ca. 2 Tage):
Der MapReduce-Ansatz
Grundlagen des Cloud Computings
Projektarbeit (ca. 3 Tage):
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
