StatistikerIn
Berufsbereiche: Elektrotechnik, Elektronik, Telekommunikation, IT / Wissenschaft, Bildung, Forschung und EntwicklungAusbildungsform: Uni/FH/PH
Berufsbeschreibung
StatistikerInnen beschäftigen sich mit Methoden zur Erfassung und Analyse von Daten. Dazu gehören die Erhebung, Auswertung, Interpretation der Daten sowie die Präsentation der Ergebnisse.
StatistikerInnen wenden sogenannte statistische Operationen zur Berechnung von bestimmten Werten an. Diese Werte beziehen sich z.B. auf das Bevölkerungswachstum, auf Wetterprognosen, Wahlhochrechungen und die Abweichung von Durchschnittswerten. Grob unterschieden werden die deskriptive (beschreibende) und die induktive (schließende) Statistik.
In der deskriptiven Statistik werden keine Vorhersagen getroffen. Die Daten werden mittels empirischer Methoden wie Beobachtung und Befragung gewonnen. StatistikerInnen fassen die gesammelten Daten zusammen und werten sie aus. Sie stellen die daraus gewonnenen Informationen visuell dar und präsentieren sie den AuftraggeberInnen.
Bei der induktiven Statistik nehmen StatistikerInnen eine Stichprobe aus einer Grundgesamtheit. Das sind oft wenige Daten aus einer großen Menge. StatistikerInnen versuchen aus dem Auswertungs-Ergebnis Rückschlüsse auf die Grundgesamtheit (also auf alle) zu ziehen. Dabei spielt die Wahrscheinlichkeitstheorie eine große Rolle.
Allgemein entwickeln StatistikerInnen neue oder verbesserte statistische Verfahrensweisen und deren mathematische Grundlagen. Dazu entwerfen und testen sie neue Verfahrensgrundsätze und Stichprobenmodelle. Zudem führen sie Versuche mit Analysetechniken durch. Auch geben sie Empfehlungen zur Anwendung statistischer Methoden und Techniken für bestimmte Zwecke ab.
Im Bereich der Angewandten Statistik wird zwischen Sozialstatistik, Demoskopie (Meinungsforschung), Wirtschaftsstatistik und der naturwissenschaftlich-technischen Statistik (z.B. Statistische Physik) unterschieden. Häufig ergeben sich Überschneidungen zwischen diesen Arbeitsgebieten.
Spezialisierung ist in verschiedenen Branchen möglich, wie etwa Finanzstatistik, Geostatistik, Kommunalstatistik, Sportstatistik oder Umweltstatistik.
Siehe auch die Berufe VersicherungsmathematikerIn, AktuarIn, Tax ManagerIn.
StatistikerInnen beschäftigen sich mit Methoden zur Erfassung und Analyse von Daten. Dazu gehören die Erhebung, Auswertung, Interpretation der Daten sowie die Präsentation der Ergebnisse.
StatistikerInnen wenden sogenannte statistische Operationen zur Berechnung von bestimmten Werten an. Diese Werte beziehen sich z.B. auf das Bevölkerungswachstum, auf Wetterprognosen, Wahlhochrechungen und die Abweichung von Durchschnittswerten. Grob unterschieden werden die deskriptive (beschreibende) und die induktive (schließende) Statistik.
In der deskriptiven Statistik werden keine Vorhersagen getroffen. Die Daten werden mittels empirischer Methoden wie Beobachtung und Befragung gewonnen. StatistikerInnen fassen die gesammelten Daten zusammen und werten sie aus. Sie stellen die daraus gewonnenen Informationen visuell dar und präsentieren sie den AuftraggeberInnen.
Bei der induktiven Statistik nehmen StatistikerInnen eine Stichprobe aus einer Grundgesamtheit. Das sind oft wenige Daten aus einer großen Menge. StatistikerInnen versuchen aus dem Auswertungs-Ergebnis Rückschlüsse auf die Grundgesamtheit (also auf alle) zu ziehen. Dabei spielt die Wahrscheinlichkeitstheorie eine große Rolle.
Allgemein entwickeln StatistikerInnen neue oder verbesserte statistische Verfahrensweisen und deren mathematische Grundlagen. Dazu entwerfen und testen sie neue Verfahrensgrundsätze und Stichprobenmodelle. Zudem führen sie Versuche mit Analysetechniken durch. Auch geben sie Empfehlungen zur Anwendung statistischer Methoden und Techniken für bestimmte Zwecke ab.
Im Bereich der Angewandten Statistik wird zwischen Sozialstatistik, Demoskopie (Meinungsforschung), Wirtschaftsstatistik und der naturwissenschaftlich-technischen Statistik (z.B. Statistische Physik) unterschieden. Häufig ergeben sich Überschneidungen zwischen diesen Arbeitsgebieten.
Spezialisierung ist in verschiedenen Branchen möglich, wie etwa Finanzstatistik, Geostatistik, Kommunalstatistik, Sportstatistik oder Umweltstatistik.
Siehe auch die Berufe VersicherungsmathematikerIn, AktuarIn, Tax ManagerIn.
-
ab 21.09.2022
Lehrgang DataScience Foundation Level (Kompakt)
Dieser Lehrgang DataScience Foundation Level bietet sowohl Personen mit IT-Erfahrung, Spezialisten (EntwicklerInnen, DatenbankadministratorInnen, Systemengineers,..), als auch Personen aus dem Fachbereich (StatistikerInnen, BI-SpezialistInnen, Business-AnalystInnen,…) eine umfassende Weiterentwicklung für neue Standards und bietet die Grundlage für eine Entwicklung Richtung DataScience ExpertInnen. Dabei werden Fragen beantwortet, die Sie sich in Ihrer Tätigkeit bisher vielleicht noch gar nicht gestellt haben: Was ist der Unterschied zwischen Business Intelligence und DataScience? Wie kann DataScience sinnvoll angewandt werden? Bin ich als DataScientist nun IT-Experte oder Statistiker? Oder aber auch technische Fragen wie z.B.: Wie funktioniert die Modellierung von Daten? Was benötige ich wenn ich Daten in Systeme integrieren möchte? Wie analysiere und visualisiere ich Daten richtig? Und was habe ich bezüglich Gesetze und Vorschriften dabei zu beachten? Dieser Basislehrgang gliedert sich in 4 Module zu je 1 Tag: * DAS-10 Grundlagen DataScience und Strukturierung von Daten (1 Tag) * DAS-20 Grundlagen Datenintegration (1 Tag) * DAS-30 Grundlagen DataAnalytics (1 Tag) * DAS-40 Be a DataArtist / Datenvisualisierung (1 Tag)Voraussetzungen:
Grundlegende IT KenntnisseInstitut:
solvistas AcademyWann:
21.09.2022 - 01.07.2022 -
ab 08.11.2022
QM-Werkstatt Datascience: Unsupervised Machine Learning
Überblick über Unsupervised Learning ; Einsatzgebiete und Anwendungen ; Vorstellung und Anwendung einiger Algorithmen: k-means ; UMAP (Uniform Manifold Approximation and Projection) ; Hierarchical Clustering ; Density Based ClusteringZielgruppe:
Teilnehmende der QM-Werkstatt Quality Data Science (QM-DS), Six Sigma Spezialist*innen (Green/Black Belt), Statistiker*innen (ST/Qll) sowie InteressierteVoraussetzungen:
Der Besuch der QM-Werkstatt Quality Data Science (QM-DS) wird empfohlen, ist aber nicht Voraussetzung.Institut:
Quality Austria Trainings-, Zertifizierungs und Begutachtungs GmbHWo:
Wien (virtuell)Wann:
08.11.2022 - 08.11.2022 -
ab 15.11.2022
DataScience Basislehrgang 2022 (4 Module á 1 Tag)
Seminar besteht aus 4 Modulen á 1 Tag.<br /> <br /> Dieser DataScience Basislehrgang 2022 bietet sowohl Personen mit IT-Erfahrung, Spezialisten (EntwicklerInnen, DatenbankadministratorInnen, Systemengineers,..), als auch Personen aus dem Fachbereich (StatistikerInnen, BI-SpezialistInnen, Business-AnalystInnen,â¦) eine umfassende Weiterentwicklung für neue Standards und bietet die Grundlage für eine Entwicklung Richtung DataScience ExpertInnen.<br /> <br /> Dabei werden Fragen beantwortet, die Sie sich in Ihrer Tätigkeit bisher vielleicht noch gar nicht gestellt haben: Was ist der Unterschied zwischen Business Intelligence und DataScience? Wie kann DataScience sinnvoll angewandt werden? Bin ich als DataScientist nun IT-Experte oder Statistiker? <br /> Oder aber auch technische Fragen wie z.B.: Wie funktioniert die Modellierung von Daten? Was benötige ich wenn ich Daten in Systeme integrieren möchte? Wie analysiere und visualisiere ich Daten richtig? Und was habe ich bezüglich Gesetze und Vorschriften dabei zu beachten? <br /> Dieses Seminar wird in Zusammenarbeit solvistas Academy GmbH und mit der ADV-Austrian Digital Value veranstaltet. Aus diesem Grund gibt es auch eine Ermäßigung für Mitglieder der ADV - Preis für ADV Mitglieder: EUR 1.790,-. Bitte geben Sie bei der Buchung an, wenn Sie ADV Mitglied sind.<br />Zielgruppe:
Dieses Seminar richtet sich an: EntwicklerInnen DatenbankadministratorInnen Systemengineers StatistikerInnen BI-SpezialistInnen Business-AnalystInnen -
ab 15.11.2022
Lehrgang DataScience Foundation Level (Kompakt)
Dieser Lehrgang DataScience Foundation Level bietet sowohl Personen mit IT-Erfahrung, Spezialisten (EntwicklerInnen, DatenbankadministratorInnen, Systemengineers,..), als auch Personen aus dem Fachbereich (StatistikerInnen, BI-SpezialistInnen, Business-AnalystInnen,…) eine umfassende Weiterentwicklung für neue Standards und bietet die Grundlage für eine Entwicklung Richtung DataScience ExpertInnen. Dabei werden Fragen beantwortet, die Sie sich in Ihrer Tätigkeit bisher vielleicht noch gar nicht gestellt haben: Was ist der Unterschied zwischen Business Intelligence und DataScience? Wie kann DataScience sinnvoll angewandt werden? Bin ich als DataScientist nun IT-Experte oder Statistiker? Oder aber auch technische Fragen wie z.B.: Wie funktioniert die Modellierung von Daten? Was benötige ich wenn ich Daten in Systeme integrieren möchte? Wie analysiere und visualisiere ich Daten richtig? Und was habe ich bezüglich Gesetze und Vorschriften dabei zu beachten? Dieser Basislehrgang gliedert sich in 4 Module zu je 1 Tag: * DAS-10 Grundlagen DataScience und Strukturierung von Daten (1 Tag) * DAS-20 Grundlagen Datenintegration (1 Tag) * DAS-30 Grundlagen DataAnalytics (1 Tag) * DAS-40 Be a DataArtist / Datenvisualisierung (1 Tag)Voraussetzungen:
Grundlegende IT KenntnisseInstitut:
solvistas AcademyWann:
15.11.2022 - 01.07.2022 -
ab 22.11.2022
Prüfung Statistiker*in für Wirtschaft, Industrie und Technik ST
Die Prüfungsinhalte beziehen sich auf den Lehrgang Werkzeuge zur datengestützten Prozess- und Qualitätssteuerung (STPS).Voraussetzungen:
Ausbildung entsprechend dem Lehrgang Werkzeuge zur datengestützten Prozess- und Qualitätssteuerung (STPS)Institut:
Quality Austria Trainings-, Zertifizierungs und Begutachtungs GmbHWo:
WienWann:
22.11.2022 - 22.11.2022 -
ab 07.12.2022
Prüfung Statistiker*in für Wirtschaft, Industrie und Technik QII
Die Prüfungsinhalte beziehen sich auf die Lehrgänge; Werkzeuge zur datengestützten Prozess- und Qualitätssteuerung (STPS) ; Modellierung von Prozessen mit Versuchsdaten (QIISV); Modellierung von Zuverlässigkeit (QIIZA)Voraussetzungen:
Ausbildung entsprechend den Lehrgängen Werkzeuge zur datengestützten Prozess- und Qualitätssteuerung (STPS) , Modellierung von Prozessen mit Versuchsdaten (QIISV) , Modellierung von Zuverlässigkeit (QIIZA). Die Zwischenprüfungen STP, QIISVP und QIIZAP sind optional und nicht Voraussetzung für den Antritt zur Prüfung Statistiker*in für Wirtschaft, Industrie und Technik (QIIP).Institut:
Quality Austria Trainings-, Zertifizierungs und Begutachtungs GmbHWo:
WienWann:
07.12.2022 - 07.12.2022
Mehr Infos zu Weiterbildungen in der Weiterbildungsdatenbank
- 10 fachliche berufliche Kompetenzen
-
1
Betriebswirtschaftliche Anwendungssoftware-Kenntnisse
-
Branchenübergreifende Unternehmenssoftware (2)
- QlikView
- Tableau (Software)
-
Branchenübergreifende Unternehmenssoftware (2)
-
6
Datenbank-Anwendungskenntnisse
-
Big Data Analytics-Tools (1)
- Weka
-
Data Mining (2)
- Orange (Software)
- RapidMiner
- MongoDB
- MS Access
- Redis
-
Wissensmanagement-Systeme (1)
- Digital Dashboard
-
Big Data Analytics-Tools (1)
-
3
Datenbankentwicklungs- und -betreuungskenntnisse
- Data Warehousing
- Entwicklung und Betreuung von relationalen Datenbanken
-
Datenbank- und Datenbankabfragesprachen (1)
- SQL
-
1
Fremdsprachenkenntnisse
- Englisch
-
3
Kenntnis wissenschaftlicher Arbeitsmethoden
- Projektmanagement im Wissenschafts- und Forschungsbereich
- Simulation
- Wissenschaftliche Recherche
-
7
Programmiersprachen-Kenntnisse
- C
- C++
- Java
- PHP
- Python
- VBA - Visual Basic for Applications
-
Programmierbibliotheken und Schnittstellen (3)
- Pandas
- Scikit-learn
- TensorFlow
-
3
Softwareentwicklungskenntnisse
- Software-Analyse
- Software-Programmierung
-
Spezialgebiete Softwareentwicklung (1)
- DevOps
-
4
Statistikkenntnisse
- Statistik-Anwendungen
-
Statistikerstellung (1)
- Versicherungsstatistik
-
Statistikprogramme (2)
- SAS-Software
- SPSS
-
Statistische Methoden (4)
- Dateninterpretation
- Datenverifikation
- Probabilistische graphische Modelle
- Statistische Datenanalyse
-
2
Vortrags- und Präsentationskenntnisse
- Audiovisuelle Präsentationstechnik
-
Abhalten von Vorträgen und Präsentationen (1)
- Abhalten von Online-Präsentationen
-
2
Wissenschaftliches Fachwissen Technik und Formalwissenschaften
-
Formalwissenschaften (2)
- Mathematik
- MatLab
-
Ingenieurwissenschaften (7)
- Advanced Analytics
- Algorithmic Decision Making
- Artificial Intelligence
- Maschinelles Lernen
- Neural Networks
- NLP (IT)
- Smart Data
-
Formalwissenschaften (2)
- 5 überfachliche berufliche Kompetenzen
- Analytische Fähigkeiten
- Einsatzbereitschaft
- Kommunikationsstärke
- Problemlösungsfähigkeit
- Teamfähigkeit
- 13 In Inseraten gefragte berufliche Kompetenzen
- Softwareentwicklungskenntnisse
- Analyse von Big Data
- Artificial Intelligence
- Data Mining
- Datenbankentwicklung
- Maschinelles Lernen
- Modellentwicklung (Statistik)
- Neural Networks
- NLP (IT)
- Python
- Simulationssoftware
- SQL
- Statistische Datenanalyse