In diesem Modul erfahren Sie, wie sich der Beruf des Buchhalters entwickelt hat. Sie werden erkennen, wie die Datenanalyse den Beruf des Buchhalters beeinflusst hat und wie Buchhalter Einfluss darauf nehmen können, wie die Datenanalyse in ihrem Beruf und in ihrem Unternehmen eingesetzt wird. Schließlich werden Sie erfahren, wie die Datenanalyse die verschiedenen Teilbereiche der Buchhaltung beeinflusst.

In diesem Modul lernen Sie, wie wichtig es ist, bei der Entscheidungsfindung Raum für empirische Untersuchungen zu schaffen. Sie werden die Merkmale einer analytischen Denkweise in der Wirtschaft und im Rechnungswesen untersuchen und diese mit Ihren Kernkursen verknüpfen. Anschließend werden Sie einen Rahmen für datengesteuerte Entscheidungen unter Verwendung von Big Data bewerten.

Dieses Modul befasst sich mit den spezifischen Eigenschaften von Daten, die sie für die Entscheidungsfindung nützlich machen.

In diesem Modul lernen Sie die grundlegenden Prinzipien kennen, die der Datenvisualisierung zugrunde liegen. Anhand dieser Prinzipien werden Sie Anwendungsfälle für verschiedene Diagramme identifizieren und lernen, wie Sie diese Diagramme in Excel erstellen können. Anschließend werden Sie Ihr Wissen über verschiedene Diagramme nutzen, um alternative Diagramme zu identifizieren, die besser geeignet sind, die Aufmerksamkeit zu lenken.

In diesem Modul lernen Sie, wie Sie Tableau einsetzen, um mit Daten das zu tun, was Spione tun, wenn sie ihre Umgebung beobachten: Sie verschaffen sich einen Überblick über die Daten, grenzen bestimmte Aspekte der Daten ein, die abnormal erscheinen, und analysieren die Daten dann. Tableau ist ein großartiges Tool, um die Übersicht, das Zoomen und das Filtern von Details nach Bedarf zu erleichtern. Tableau ist so etwas wie eine leistungsfähigere Version der Pivot-Tabellen- und Pivot-Diagramm-Funktionen von Excel.

In diesem Modul werden Sie durch eine Mini-Fallstudie geführt, die die ersten drei Teile des FACT-Modells veranschaulicht, wobei der Schwerpunkt auf dem C- oder Berechnungsteil des FACT-Modells liegt. Zunächst führen Sie eine Korrelationsanalyse durch, um wechselseitige Beziehungen zu ermitteln, und analysieren Korrelationen mithilfe einer Korrelationsmatrix und Streudiagrammen. Anschließend bauen Sie auf Ihrem Wissen über Korrelationen auf und lernen, wie Sie in Excel eine Regressionsanalyse durchführen. Schließlich werden Sie lernen, wie Sie die diagnostischen Metriken und Diagramme einer Regressionsanalyse interpretieren und auswerten können.

In diesem Modul lernen Sie, wie der Regressionsalgorithmus angewendet werden kann, um eine Vielzahl von Beziehungen zwischen Daten anzupassen. Insbesondere werden Sie lernen, wie Sie die Daten einrichten und eine Regression durchführen, um die Parameter nichtlinearer Beziehungen und kategorischer unabhängiger Variablen zu schätzen. Sie werden auch untersuchen, ob der Effekt einer unabhängigen Variable von der Höhe einer anderen unabhängigen Variable abhängt, indem Sie Interaktionsterme in das multiple Regressionsmodell aufnehmen. Ein weiterer Aspekt dieses Moduls besteht darin, zu lernen, wie man Modelle - ob Regressions- oder andere Modelle - auswertet, um die günstigsten Werte für die unabhängigen Variablen zu finden. Bei Modellen, die den Umsatz erklären, werden die günstigsten Werte der unabhängigen Variablen den Umsatz maximieren. Wenn Sie dagegen ein Modell haben, das die Kosten beschreibt, z.B. ein Budget, dann werden die günstigsten Werte der unabhängigen Variablen die Kosten minimieren. Die Optimierung von Modellen kann schwierig sein, weil es so viele Inputs und Einschränkungen gibt, die verwaltet werden müssen. In diesem Modul lernen Sie, wie Sie mit dem Solver Add-In das optimale Niveau der Inputs finden. Bei einigen Modellen ist die abhängige Variable eine binäre Variable, die nur zwei Werte hat, z. B. wahr/falsch, gewinnen/verlieren oder investieren/nicht investieren. In diesen Fällen wird eine spezielle Art der Regression, die logistische Regression, verwendet, um vorherzusagen, wie jede Beobachtung klassifiziert werden sollte. Sie lernen die Logit-Transformation kennen, die verwendet wird, um ein binäres Ergebnis in eine lineare Beziehung zu den unabhängigen Variablen umzuwandeln. Excel verfügt nicht über ein integriertes Tool für logistische Regression. Daher lernen Sie, wie Sie ein logistisches Regressionsmodell manuell entwerfen und dann die Parameter mit dem Solver Add-In Tool optimieren.

Die Lektionen in diesem Modul sind um mehrere nützliche Aufgaben herum organisiert, darunter das Stapeln mehrerer Datenrahmen zu einem Datenrahmen, das Erstellen mehrerer Histogramme zur Begleitung der deskriptiven Statistiken und das Lernen, wie man k-means Clustering durchführt. Nach der Lektüre dieses Moduls werden Sie nicht nur eine Grundlage für Ihr Verständnis von Kodierung erhalten, sondern auch mehr über die Analyse von Finanzdaten erfahren. Ich hoffe, dass Sie nebenbei auch noch ein paar andere nützliche Excel-Funktionen kennenlernen werden.