Die Weiterbildung Data Analyst vermittelt berufsbezogene Kenntnisse und Fertigkeiten für die Arbeit mit Daten, Datenanalyse, Data Analytics, Reporting und datenbasierter Entscheidungsunterstützung. Teilnehmende lernen, Daten zu erfassen, zu bereinigen, auszuwerten, zu visualisieren und Analyseergebnisse verständlich aufzubereiten.
Im Mittelpunkt stehen typische Aufgaben eines Data Analyst: die strukturierte Analyse von Datensätzen, der Einsatz von Python und SQL, die Arbeit mit Datenbanken, die Nutzung von APIs, die Erstellung von Reports und Dashboards sowie die Anwendung grundlegender Verfahren aus Machine Learning und Data Science.
Die Weiterbildung verbindet technisches Grundlagenwissen mit praktischen Übungen. Teilnehmende arbeiten mit Python, Pandas, NumPy, SQL, Tableau, Matplotlib, Seaborn und Plotly. Ergänzend werden Kenntnisse zu Cloud-Plattformen, Data Pipelines, Apache Airflow, Spark, agilem Projektmanagement, Soft Skills und Nachhaltigkeit in der IT vermittelt.
Die Inhalte werden durch Übungsphasen und ein Abschlussprojekt vertieft. Im Abschlussprojekt bearbeiten die Teilnehmenden eine praxisnahe Data-Analyst-Aufgabe von der Datenbeschaffung über die Datenaufbereitung und Datenanalyse bis zur Visualisierung und Präsentation der Ergebnisse.
Lehrinhalte- Allgemeines Technologieverständnis und Data-Grundlagen: Einführung in Unix, Git, GitHub, Grundlagen der Datenanalyse, Arbeitsweisen im Bereich Data und Data Analytics
- Python für Data Analyst: Grundlagen der Programmierung, fortgeschrittene Python-Konzepte, Datenstrukturen, Funktionen, Pandas, NumPy, Datenbereinigung, Datenaufbereitung und explorative Datenanalyse
- Datenbanken, SQL und APIs: relationale Datenbanken, SQL-Abfragen, Datenimport, Datenexport, API-Nutzung und Verarbeitung strukturierter Datenquellen
- Data Visualization und Reporting: Visualisierung von Daten mit Tableau, Matplotlib, Seaborn und Plotly, Erstellung von Diagrammen, Reports und Dashboards für Analyseergebnisse
- Machine Learning und Data Science Grundlagen: Klassifikation, Regression, Modellbewertung, Zeitreihenanalyse, Natural Language Processing und Umsetzung von Machine-Learning-Modellen mit Python
- Fortgeschrittene Data Analyst Kompetenzen: Cloud-Grundlagen mit AWS und Azure, Apache Airflow, Spark, Data Pipelines, Automatisierung von Analyseprozessen und Einführung in agiles Projektmanagement
- Nachhaltigkeit in der IT: ökologische, soziale und wirtschaftliche Aspekte im IT-Kontext, ressourcenschonender Umgang mit digitalen Technologien und Dateninfrastrukturen
- Praxisphasen: Bearbeitung praxisnaher Aufgaben aus Data Analytics, Datenanalyse, Reporting, Visualisierung und Machine Learning
- Abschlussprojekt: eigenständiges Data-Analyst-Projekt mit Datenbeschaffung, Datenbereinigung, Analyse, Visualisierung, Modellierung und Präsentation der Ergebnisse
Lernziele
- Daten mit Python, Pandas, NumPy und SQL bearbeiten, analysieren und auswerten
- Datenbanken abfragen und Daten aus APIs für Analysen nutzen
- Analyseergebnisse mit geeigneten Visualisierungen, Reports und Dashboards darstellen
- Grundlegende Machine-Learning-Modelle für Data-Analyst-Aufgaben anwenden und bewerten
- Data-Pipelines, Cloud-Grundlagen und Big-Data-Werkzeuge fachlich einordnen
- Analyseergebnisse zielgruppengerecht dokumentieren und präsentieren
- Praxisnahe Aufgaben im Tätigkeitsfeld Data Analyst, Data Analytics, Reporting und Business Intelligence bearbeiten