Der Kurs bietet ein fundiertes Verständnis der wesentlichen Aspekte des Online-Handels, einschließlich rechtlicher Grundlagen, Shop-Systemen, Online-Marketing-Strategien, Zahlungs- und Logistikprozessen sowie dem Kundenservice. Des Weiteren werden relevante Kenntnisse in der Statistik zur Verifizierung von Beobachtungen und richtigen Einordnung von Messdaten vermittelt. Abschließend lehrt der Kurs die Datenanalyse und Datenvisualisierung. Du lernst, Python sowie SQL- und NoSQL-Datenbanken zielgerichtet einzusetzen sowie Dashboards und TextMining zu verwenden.
-
Abschlussart: Zertifikat „E-Commerce“
Zertifikat „Statistik und Datenanalyse“
Zertifikat „Data Analytics“ -
Abschlussprüfung: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
-
Unterrichtszeiten: VollzeitMontag bis Freitag von 8:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
-
Dauer: 12 Wochen
E-Commerce
Grundlagen des E-Commerce (ca. 1,5 Tage)
Einführung in E-Commerce und digitalen Handel
Geschäftsmodelle und Rahmenbedingungen
Akteure und Enabler in E-Commerce
Online-Vertriebskanäle: Multi-Channel-Strategien, Marktplätze und Ausblick auf Agentic Commerce
Rechtliche Aspekte (ca. 2,5 Tage)
Rechtliche Grundlagen im Online-Handel: Impressum, AGB und Widerrufsrecht
Datenschutz und DSGVO
Internationaler B2C-Online-Handel
EU-Produktsicherheitsverordnung: General Product Safety Regulation (GPSR)
Plattform- und KI-Regulierung: DSA/DMA sowie EU AI Act (Pflichten, Kennzeichnung, Hochrisiko-Einstufung)
Barrierefreiheit (BFSG) und Produkthaftung
Online-Shop-Systeme und -Gestaltung (ca. 3 Tage)
Shopsysteme im Vergleich, Headless- und Composable Commerce
Usability, User Experience (UX) und barrierefreies Webdesign
KI-gestützte Erstellung von Produktpräsentationen und -beschreibungen
Checkout-Prozess-Optimierung
Online-Marketing und Kundengewinnung (ca. 3 Tage)
SEO/SEA und Content-Strategien
Social Media Marketing und Social Commerce
E-Mail-, Affiliate- und Influencer-Marketing
Marktplatz-Marketing und Retail Media
KI-gestützte Personalisierung, Empfehlungssysteme und Sichtbarkeit in KI-Suchsystemen (GEO/AEO)
Zahlungssysteme und Finanzen (ca. 2 Tage)
Zahlungsarten und -anbieter, Instant Payments und digitale Wallets
Buy Now Pay Later (BNPL)
Risikomanagement, Fraud-Prävention und Forderungsmanagement
Controlling und Kennzahlen im Online-Handel
Logistik und Fulfillment (ca. 2 Tage)
E-Commerce-Logistik und Versandoptionen
Lager- und Warenwirtschaftssysteme
Retourenmanagement und -optimierung
Internationale Logistik und Zollabwicklung
Nachhaltige Logistik und Digitaler Produktpass (DPP)
Kundenservice und CRM (ca. 2 Tage)
Kundenservice-Strategien im E-Commerce
CRM-Systeme und Kundenbindungsmaßnahmen
KI-gestützter Kundenservice: Chatbots, Voicebots, Omnichannel-Support
Beschwerdemanagement und Konfliktlösung
After-Sales-Service und Kundenfeedback
Web-Controlling und Datenanalyse (ca. 2 Tage)
Web-Analytics-Tools und deren Einsatz
Conversion-Optimierung und A/B-Testing
Datenanalyse, KPI-Tracking und Reporting
Cookieless Tracking und Consent-Management
Projektarbeit (ca. 2 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Statistik und Datenanalyse
Statistische Grundlagen (ca. 6 Tage)
Messtheoretische Grundlagen (Grundgesamtheit, Stichprobe, Stichprobenarten, Messung, Skalenniveaus)
Univariate Deskriptivstatistik (Häufigkeitsverteilungen, Zentralmaße, Streuungsmaße, Standardisierung, Histogramme, Balkendiagramme, Kreisdiagramme, Liniendiagramme, Boxplots)
Bivariate Deskriptivstatistik (Zusammenhangsmaße, Korrelationskoeffizienten, Kreuztabellen, Streudiagramme, gruppierte Balkendiagramme)
Grundlagen der induktiven Inferenzstatistik (Wahrscheinlichkeitsverteilungen, Normalverteilung, Stichprobenverteilung des Mittelwerts, Signifikanztest, Nullhypothesentest, Signifikanzniveau, Effektgröße, Parameterschätzung, Konfidenzintervalle, Fehlerbalkendiagramme, Poweranalyse, Stichprobenumfang)
Datenaufbereitung und Datenbereinigung mit geeigneter Software
Deskriptive Analyse
Visualisierung statistischer Ergebnisse
KI-gestützte Analyse und Interpretation statistischer Ergebnisse
Methoden zum Vergleich von zwei Gruppen (ca. 5 Tage)
z-Test, t-Test für eine Stichprobe
t-Test für unabhängige und verbundene Stichproben
Pretest-Posttest-Designs mit zwei Gruppen
Unterstützende Signifikanztests (Anderson-Darling-Test, Ryan-Joiner-Test, Levene-Test, Bonett-Test, Signifikanztest für Korrelationen)
Nonparametrische Verfahren (Wilcoxon-Test, Vorzeichentest, Mann-Whitney-Test)
Kontingenzanalysen (Binomialtest, Exakter Test nach Fisher, Chi-Quadrat-Test, Kreuztabellen, Assoziationsmaße)
Interpretation von Testergebnissen
KI-gestützte Ergebnisinterpretation
Grundlagen der Regressionsanalyse (ca. 2 Tage)
Lineare Regression
Modellinterpretation
KI-gestützte Modellinterpretation
Zusammenhangsanalyse
Methoden zum Mittelwertvergleich von mehreren Gruppen (ca. 3 Tage)
Einfaktorielle und zweifaktorielle Varianzanalyse (ANOVA)
Post-hoc-Analysen
Interpretation von Gruppenunterschieden
Mehrfaktorielle Varianzanalyse (Allgemeines Lineares Modell)
Feste, zufällige, gekreuzte und geschachtelte Faktoren
Mehrfachvergleichsverfahren (Tukey-HSD, Dunnett, Games-Howell)
Interaktionsanalyse
Poweranalyse bei Varianzanalysen
Einführung in die Versuchsplanung (DoE, Design of Experiments) (ca. 1 Tag)
Vollfaktorielle und teilfaktorielle Versuchspläne
Projektarbeit (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Data Analytics
Einführung in Data Analytics (ca. 1 Tag)
Aufgaben, Anwendungsbereiche und typische Anwendungsfälle von Data Analytics
Data-Analytics-Prozesse und CRISP-DM
Rolle des Data Analysts und Abgrenzung zu Data Science, Data Engineering und Business Intelligence
Einordnung von Künstlicher Intelligenz und Machine Learning
Python für Data Analytics (ca. 1 Tag)
Arbeiten mit Jupyter Notebooks
NumPy und Pandas für die Datenanalyse
Import und Export verschiedener Datenquellen, z. B. Excel und CSV
Auswahl und Transformation von Daten
Datenaufbereitung und explorative Datenanalyse (ca. 3 Tage)
Datenbereinigung und -transformation mit Pandas
Umgang mit fehlenden, fehlerhaften und auffälligen Daten
Zusammenführen, Gruppieren und Aggregieren von Daten
Explorative Datenanalyse und Ableitung erster Erkenntnisse
Grundlagen statistischer Auswertungen
SQL und Datenmanagement (ca. 2 Tage)
Relationale Datenbanken und Datenmodelle
Datenabfragen und -aufbereitung mit SQL
Joins, Aggregationen und analytische Abfragen
Zusammenspiel von SQL und Python in der Datenanalyse
Datenqualität und Datenschutz
Anbindung und Nutzung unterschiedlicher Datenquellen und Datenbanksysteme
Datenvisualisierung und Data Storytelling (ca. 2 Tage)
Visualisierung mit Matplotlib, Seaborn und Plotly
Auswahl geeigneter Diagramme und Visualisierungsformen
Aufbereitung und Interpretation von Analyseergebnissen
Data Storytelling und adressatengerechte Kommunikation
Power BI und interaktive Dashboards (ca. 2 Tage)
Datenimport und -aufbereitung mit Power Query
Datenmodellierung und Beziehungen
Grundlagen von DAX und Kennzahlen
Erstellung interaktiver Reports und Dashboards
Visualisierung und Kommunikation von Business-KPIs
Überblick über alternative Business-Intelligence- und Visualisierungslösungen
KI-gestützte Datenanalyse (ca. 2 Tage)
Einsatz generativer KI im Data-Analytics-Workflow
KI-gestützte Datenaufbereitung, Analyse und Visualisierung
Unterstützung bei Python- und SQL-Abfragen
Prompting für Datenanalysen und Interpretation von Ergebnissen
Kritische Bewertung von Datenquellen sowie Erkennung synthetischer und unplausibler Daten
Qualitätssicherung, Datenschutz und verantwortungsvoller KI-Einsatz
Business Analytics und statistische Grundlagen (ca. 2 Tage)
Kennzahlen und KPIs im Unternehmenskontext
Deskriptive Statistik und statistische Zusammenhänge
Korrelation, Kausalität und einfache Regressionsanalysen
Grundlagen von Konfidenzintervallen und Hypothesentests
Interpretation von Analyseergebnissen und Ableitung datenbasierter Handlungsempfehlungen
Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.
Nach Abschluss dieses Kurses besitzt du ein fundiertes Verständnis aller wichtigen Aspekte des Online-Handels. Du kennst die rechtlichen Grundlagen, beherrschst die Auswahl und Gestaltung von Shop-Systemen und bist in der Lage, effektive Online-Marketing-Strategien zu entwickeln. Zudem kennst du dich in den Bereichen Zahlungssysteme, Logistik, Kundenservice und Datenanalyse aus und kannst KI-Werkzeuge entlang des gesamten Shop-Betriebs sinnvoll und rechtssicher einsetzen. Mit diesem Wissen kannst du erfolgreich einen Online-Shop aufbauen, betreiben und kontinuierlich optimieren.
Auch verstehst du die Grundlagen der Statistik, kannst Daten aufbereiten, auswerten sowie statistische Datenanalysen und Ergebnisse mit Grafiken darstellen, erläutern und interpretieren.
Des Weiteren kannst du Daten mit Python und SQL aufbereiten und analysieren, aussagekräftige Visualisierungen und interaktive Dashboards mit Power BI erstellen sowie Analyseergebnisse interpretieren und adressatengerecht kommunizieren. Du kannst generative KI gezielt zur Unterstützung von Datenanalysen einsetzen.
Dieser Lehrgang richtet sich an Personen, die bei der Konzipierung, Gestaltung und praktischen Umsetzung von Internet-Auftritten mit E-Commerce-Funktionen verantwortlich mitwirken und die dafür notwendigen Kenntnisse und Fähigkeiten erwerben wollen.
Nach Abschluss des Kurses hast du dir ein breites Grundlagenwissen angeeignet, das dir den Einstieg in verschiedene Tätigkeitsbereiche im Online-Handel ermöglicht. Der Kurs richtet sich an Personen, die aktiv an der Konzeption, Gestaltung und Umsetzung von E-Commerce-Projekten mitarbeiten möchten.
Zudem spielen datenbasierte Entscheidungen in Unternehmen und Organisationen eine zunehmend wichtige Rolle. Entsprechend werden Fachkräfte benötigt, die Daten aus unterschiedlichen Quellen aufbereiten, analysieren und verständlich visualisieren können. Kenntnisse in Python, SQL und Business Intelligence eröffnen Einsatzmöglichkeiten im Bereich Data Analytics sowie in datenorientierten Fach- und Unternehmensbereichen.
Dein aussagekräftiges Zertifikat gibt detaillierten Einblick in deine erworbenen Qualifikationen und verbessert deine beruflichen Chancen.
Didaktisches Konzept
Deine Dozierenden sind sowohl fachlich als auch didaktisch hoch qualifiziert und werden dich vom ersten bis zum letzten Tag unterrichten (kein Selbstlernsystem).
Du lernst in effektiven Kleingruppen. Die Kurse bestehen in der Regel aus 6 bis 25 Teilnehmenden. Der allgemeine Unterricht wird in allen Kursmodulen durch zahlreiche praxisbezogene Übungen ergänzt. Die Übungsphase ist ein wichtiger Bestandteil des Unterrichts, denn in dieser Zeit verarbeitest du das neu Erlernte und erlangst Sicherheit und Routine in der Anwendung. Im letzten Abschnitt des Lehrgangs findet eine Projektarbeit, eine Fallstudie oder eine Abschlussprüfung statt.
Virtueller Klassenraum alfaview®
Der Unterricht findet über die moderne Videotechnik alfaview® statt - entweder bequem von zu Hause oder bei uns im Bildungszentrum. Über alfaview® kann sich der gesamte Kurs face-to-face sehen, in lippensynchroner Sprachqualität miteinander kommunizieren und an gemeinsamen Projekten arbeiten. Du kannst selbstverständlich auch deine zugeschalteten Trainer:innen jederzeit live sehen, mit diesen sprechen und du wirst während der gesamten Kursdauer von deinen Dozierenden in Echtzeit unterrichtet. Der Unterricht ist kein E-Learning, sondern echter Live-Präsenzunterricht über Videotechnik.
Die Lehrgänge bei alfatraining werden von der Agentur für Arbeit gefördert und sind nach der Zulassungsverordnung AZAV zertifiziert. Bei der Einreichung eines Bildungsgutscheines oder eines Aktivierungs- und Vermittlungsgutscheines werden in der Regel die gesamten Lehrgangskosten von deiner Förderstelle übernommen.
Eine Förderung ist auch über den Europäischen Sozialfonds (ESF), die Deutsche Rentenversicherung (DRV) oder über regionale Förderprogramme möglich. Als Zeitsoldat:in besteht die Möglichkeit, Weiterbildungen über den Berufsförderungsdienst (BFD) zu besuchen. Auch Firmen können ihre Mitarbeiter:innen über eine Förderung der Agentur für Arbeit (Qualifizierungschancengesetz) qualifizieren lassen.