CAS Spatial Data Analytics

Heutzutage liegt der Fokus im Bereich der Geoinformation zunehmend auf komplexen räumlichen Analysen. Ihre Reproduzierbarkeit und automatisierte Integration in die Arbeitsprozesse einer Organisation gewinnen an Relevanz. Räumliche Methoden und Prozesse werden verstärkt direkt in die Digitalisierungsprozesse integriert und neue Werkzeuge ermöglichen ein einfacheres Arbeiten mit Geodaten.

Räumliche Datenanalysen im Bereich Data Science und Geoinformation leisten dabei einen wesentlichen Beitrag zur Entscheidungsfindung. Etwa bei Fragen zu einer nachhaltigen Zukunft, Location Intelligence, Smart Cities, klimafreundlichen Supply Chains, zur Sicherheit oder zu digitalen Infrastrukturen. Zudem ermöglichen Geodaten in vielen Disziplinen und Branchen durch Datenintegration, Analyse, Visualisierung und Kommunikation die Auswahl der passenden Optionen.

Datenkompetenz aufbauen

Der Aufbau von Datenkompetenz (Data Literacy) in Unternehmen und Organisationen ist besonders wichtig, um Daten, Methoden und Analysen sinnvoll in Kontext zu setzen, korrekt zu interpretieren und entsprechend fundierte Entscheidungen abzuleiten. Dies setzt eine angepasste Kommunikation und Visualisierung von räumlichen Analysen voraus.

Wem helfen Geodatenanalysen?

Die Geodatenanalyse ermöglicht es in vielen Branchen die passenden Entscheidungen zu wählen. Im Folgenden sind einige Beispiele für unterschiedliche Branchen aufgeführt:

Lager- und Logistikprozesse
In der Logistik fliessen Geodaten unter anderem in die Supply Chain Planung mit ein. Sie dienen als Grundlage der Routenberechnung für Zustellungen, helfen bei der Optimierung der Lieferketten sowie in der Distributionsplanung (Lagerung, Kommissionierung und Verteilung).

Verkehrssimulationen und Verkehrsmodelle
Um das reale Strassengeschehen abbilden zu können, werden Daten benötigt – hier kommen Geodaten ins Spiel. Sie dienen zur Erstellung und Bewertung von Verkehrskonzepten, ermöglichen Prognosen zum Verkehrsaufkommen und helfen in weiterer Folge verkehrliche Massnahmen zu bewerten.

Versicherungsbranche
Geodaten dienen Versicherungen dazu frühzeitig Schadensfälle zu erkennen, indem sie anspruchsvolle Analysen ermöglichen mit denen spezifische Risiken identifiziert und bewertet werden können. Dazu werden zum Beispiel Informationen über Bodenverhältnisse und Wetter erfasst und verarbeitet. Auch im Bereich von Schadensmeldungen können Geodaten durch Angabe der Schadenszonen dafür sorgen, dass Versicherungen zügig reagieren und Entschädigungsfälle schneller bearbeiten können.

Raumplanung
Planerinnen und Planer arbeiten mit Geodaten, die sie vielfältig einsetzen: bei Standortevaluationen, zur Wohnraumanalyse und -ermittlung, um Eigentumsbeschränkungen, Sperrgebiete und Schutzzonen einzusehen, etc. Digital und gut aufbereitete Daten vereinfachen hier die Arbeit.

Forstwirtschaft und Biologie
Geodaten liefern Kantonen, Bund und Ländern sowie Forschungseinrichtungen wichtige Informationen zu Wildtierkorridoren und unterstützen bei der Berechnung von Tierverbreitungen und «Tier-Wanderungen». Sie können Auskunft über (Wald-)Schutzzonen und Verbreitungsgebiete gefährdeter Tierarten geben und ermöglichen zudem den internationalen digitalen Austausch.

Marketing und Vertrieb
Daten sind für Marketing und Vertrieb unerlässlich, denn sie ermöglichen es, eine Vielzahl wichtiger Analysen durchzuführen. Geodaten unterstützen zum Beispiel im Geomarketing dabei, Regionen und Standorte zu unterscheiden und differenziert zu betrachten und zu bearbeiten. Sie können Auskunft über die Performance von Absatzgebieten oder sogar einzelner Filialen geben, informieren über Vertriebs- und Kundendichte in bestimmten Gebieten und helfen so bei der Standortplanung und Marktanalyse.

Der Zertifikatslehrgang «CAS FHNW Spatial Data Analytics» ermöglicht den Teilnehmenden, den wirtschaftlichen und technologischen Weiterentwicklungen im Bereich von Geoinformation und GIS (Geographischen Informationssystemen) mit einer fundierten und praxisnahen Weiterbildung entgegenzutreten. Dabei werden in drei Blöcken aktuelle Trends und Technologien aufgenommen, die Methodenkompetenz vertieft und die Anwendung von räumlicher Datenanalyse in verschiedenen Branchen praxisnah erlernt.

Inhalt und Aufbau

Zielpublikum

Der Zertifikatslehrgang eignet sich zur Weiterbildung für Geomatikingenieur*innen, Geograph*innen sowie Umweltingenieur*innen und für Fachleute, die sich mit räumlichen Fragestellungen und Geographischen Informationssystemen (GIS) auseinandersetzen. Er richtet sich an Expert*innen aus den Bereichen Data Science, Verkehr, Logistik, Sicherheit, Finanz- und Versicherungswesen, Geografie, Informatik, Raumplanung, Geomatik, Natur- und Umweltwissenschaften, Biologie, Marketing, Mediamatik und Datenjournalismus.

Aufbau

Der Lehrgang «CAS FHNW Spatial Data Analytics» umfasst 16 Kurstage am modernen FHNW Campus in Olten und ermöglicht ein berufsbegleitendes Studium.
Die Weiterbildung startet mit einem zweitägigen Einstieg und findet danach immer am Montags und Dienstags in Modulen statt (siehe Inhaltsübersicht). Der Unterrichtsstil ist eine Mischung aus Vorträgen, Fallstudien, Gruppenarbeiten und praktischen Übungen unter Anleitung von ausgewiesenen Expert*innen und Verwendung entsprechender Software. Im Selbststudium werden die erlernten Inhalte vertieft. Ein wichtiger Bestandteil ist die Zertifikatsarbeit, die in Gruppenarbeit ausgeführt und am Ende des CAS vor allen präsentiert wird. Die Leistungen werden auch bei Gruppenarbeit individuell beurteilt. Es besteht auch die Möglichkeit auf die Zertifikatsarbeit zu verzichten. Anstelle eines Zertifikats wird dann eine Weiterbildungsbestätigung ausgestellt.

Ausbildungsziele

Sie werden im Kurs theoretisch und praktisch lernen, welche Werkzeuge und Prozesse in der Praxis für die räumliche Datenanalyse verwendet werden. Dies umfasst den vollständigen Weg über die Anforderungsanalyse, das Data Engineering, die Replizierbarkeit bis hin zur Integration in Betriebsprozesse. Sie erhalten vertiefte Einblicke in die Methoden der Geoinformationswissenschaft, der räumlichen Statistik und dem Machine Learning mit Geodaten.
Ein Schwerpunkt bildet zudem der interdisziplinäre Einbezug und praxisnahe Austausch von Spatial Data Analytics aus unterschiedlichen Sektoren mit ihren fachspezifischen Fragestellungen, Herausforderungen und Lösungen. Kenntnisse in Python oder R sind hilfreich, aber keine Voraussetzung.

Inhaltsübersicht

Der Zertifikatslehrgang «CAS FHNW Spatial Data Analytics» ist modular aufgebaut. Die Module könnten auch einzeln besucht werden. Folgende Inhalte werden abgedeckt:

Zertifikat

Certificate of Advanced Studies «CAS FHNW Spatial Data Analytics» der Fachhochschule Nordwestschweiz FHNW (10 ECTS).