Data Analytics Basics für Anfänger 1. Grundlagen von Data Analytics für Einsteiger: Was ist Data Analytics? Definition und Anwendungsgebiete, Einführung in die verschiedenen Datentypen und -quellen, Überblick über die Rolle eines Data Analysts 2. Daten sammeln und vorbereiten: Erster Schritt zur Analyse: Methoden zur Datensammlung: Primär- vs. Sekundärdaten, Einführung in einfache Tools zur Datenaufbereitung: Excel, Techniken zur Identifikation und Bereinigung von Datenfehlern 3. Einführung in Datenvisualisierung und -berichterstattung: Wichtigkeit der Datenvisualisierung für die Entscheidungsfindung, Einführung in einfache Visualisierungstools: Excel, Google Sheets, Gestaltung ansprechender Berichte und Präsentationen 4. Basisstatistik für Data Analytics: Einfache Konzepte: Verständnis grundlegender statistischer Begriffe: Mittelwert, Median, Modus, Einführung in die Berechnung von Häufigkeiten und Verteilungen, Anwendung einfacher statistischer Werkzeuge zur Datenanalyse 5. Erste Schritte im Machine Learning: Grundlagen verstehen: Was ist Machine Learning? Grundbegriffe und -konzepte, Einführung in einfache Algorithmen: Klassifikation vs. Regression, Verständnis des Modells und der Vorhersage 6. Einführung in die Ethik der Datenanalyse: Bedeutung von Datenschutz und ethischen Richtlinien, Überblick über relevante Datenschutzgesetze, Diskussion über verantwortungsvolle Datennutzung 7. Praktische Übungen: Erste Analysen mit Excel: Durchführung einfacher Datenanalysen mit Excel, Erstellung von Diagrammen zur Datenvisualisierung, Präsentation der Ergebnisse einer Mini-Analyse 8. Reflexion und Ausblick: Nächste Schritte in Data Analytics: Reflexion über das Erlernte im Kurs, Identifikation persönlicher Stärken und Schwächen, Planung der nächsten Schritte zur Vertiefung im Bereich Data Analytics