- Grundlagen der Data Analysis und Rolle des Data Analyst in datengetriebenen Organisationen
- Datenqualität verstehen: Vollständigkeit, Korrektheit und Konsistenz als Kernaufgaben eines Data Analyst
- Identifikation von Datenproblemen und Umgang mit Dirty Data im Data Analysis Prozess
Data Cleaning und Transformation mit Python & Pandas
- Fehlende Werte behandeln und Anomalien erkennen - zentrale Skills für jeden Data Analyst
- Datenbereinigung mit Pandas: Filterung, Transformation, Aggregation im Rahmen der Data Analysis
- Zusammenführung von Datenquellen und Vorverarbeitung für weiterführende Data Analysis
Reporting-Techniken und Visualisierung
- Erstellung automatisierter Reports mit Python - eine Schlüsselkompetenz im Toolset eines Data Analyst
- Verwendung von Tableau zur Erstellung interaktiver Dashboards für fundierte Data Analysis
- Darstellung von KPIs, Zeitreihen und kritischen Metriken für Reporting-Zwecke
Data Analysts in der Unternehmenspraxis
- Anforderungen an Berichte aus unterschiedlichen Stakeholder-Perspektiven - ein Praxisfeld für jeden Data Analyst
- Granularitätsstufen und Datenpräsentation für Entscheidungsträger im Rahmen von Data Analysis
- Best Practices im Data Reporting und in der Stakeholder-Kommunikation durch erfahrene Data Analysts
Projekte zur Sicherstellung von Datenqualität & Reporting
- Hands-on Projekt: Aufbau eines vollständigen Reportingsystems durch angehende Data Analysts
- Validierung und Visualisierung von Datenqualitätsmetriken auf Basis fundierter Data Analysis
- Präsentation eines realitätsnahen Reporting Case zur Anwendung der gesamten Data Analyst Kompetenzen
Dieser Kurs vertieft die Fähigkeiten eines Data Analyst durch Projekte zur Datenqualitätssicherung und Anwendung von Reporting Systemen.