- Grundlagen der Data Analysis und Bedeutung von Datenvisualisierung für die Entscheidungsfindung
- Verständnis von KPIs, Zielgruppen und datenbasierter Kommunikation im Rahmen der Data Analysis
- Datenaufbereitung als zentrale Voraussetzung effektiver Datenvisualisierung
Datenvisualisierung mit Python und Pandas
- Erstellung aussagekräftiger Diagramme mit Pandas, Matplotlib und Seaborn zur Data Analysis
- Visualisierung von Trends, Verteilungen und Zusammenhängen durch gezielte Datenvisualisierung
- Interpretation analytischer Ergebnisse durch visuelle Darstellung im Data Analysis Prozess
Tableau für interaktive Datenvisualisierung
- Erstellung dynamischer Dashboards und KPI-Charts mit Tableau zur professionellen Datenvisualisierung
- Einsatz von Sets, LODs und Parametern zur Steuerung komplexer Data Analysis-Visuals
- Verknüpfung mehrerer Datenquellen zur umfassenden Datenvisualisierung in Business-Szenarien
Visualisierungstechniken für unterschiedliche Datentypen
- Einsatz von Balken-, Linien-, Kreis-, Heatmap- und Streudiagrammen für zielgerichtete Datenvisualisierung
- Vergleichende Darstellungen und Zeitreihenanalysen in der Data Analysis anwenden
- Storytelling mit Daten: Visuelle Aufbereitung zur besseren Vermittlung von Data Analysis-Ergebnissen
Projektarbeit: Datenvisualisierung in der Praxis
- Eigenständige Umsetzung eines Datenvisualisierung-Projekts mit echtem Analysefokus
- Integration von Data Analysis-Ergebnissen in eine interaktive visuelle Datenstory
- Präsentation datengestützter Business Insights durch überzeugende Datenvisualisierung
Der Kurs behandelt fortgeschrittene Data Visualization Charts und Techniken zur Verbesserung der Datenkommunikation in verschiedenen Analysekontexten.