Datenmanagement + Power BI + REST API + Webscraping

Diese Weiterbildung vermittelt Kenntnisse im Bereich der Datenaufbereitung und der Nutzung von Datenschnittstellen. Die Teilnehmenden lernen, wie Datenquellen integriert und modelliert werden, um sie in Business Intelligence und Datenanalyse einzusetzen.

Modul 1: Strukturierte Datenaufbereitung im Analyseprozess
Modul 2: Datenimport für analytische Modellprozesse
Modul 3: REST-API für automatisierte Datenverarbeitung
Modul 4: Webscraping-Techniken und Datenquellenanalyse

Strukturierte Datenaufbereitung im Analyseprozess
  • Datenmodellierung mit Power BI: Erstellung strukturierter Datenmodelle zur Nutzung in Business Intelligence und Datenanalyse.
  • Pivot-Auswertung und Analyse: Anwendung von Pivot-Analyse zur Aufbereitung komplexer Daten für Auswertung und Business Analytics.
  • Zusammenführen von Datenquellen: Import und Verknüpfung heterogener Datenquellen für Microsoft Power BI Reports und Dashboards.

Aggregation und Bereinigung: Durchführung grundlegender Datenaufbereitung zur Analyse in Power BI und für Datenanalysten.

Datenimport für analytische Modellprozesse
  • Importprozesse umsetzen: Verarbeitung externer Datenquellen für statistische Datenauswertung und Business Analytics Anwendungen.
  • Modellierung im Datenumfeld: Erstellung nutzbarer Datenmodelle zur Integration in Statistik, Data Analysis und Reporting.
  • Power BI im Datenfluss: Verbindung von Datenquellen über Power BI Dataflows zur Analyse in Pivot-Tabellen und Dashboards.
  • Analyse und Visualisierung: Modellgestützte Datennutzung zur Interpretation großer Datenmengen im Analysekontext.

REST-API für automatisierte Datenverarbeitung
  • REST API Grundlagen: Aufbau von Schnittstellen, Zugriff auf Datenquellen und Einbindung in datenbasierte Webanwendungen.
  • Datenabruf mit Python: Nutzung von REST API Python zur Abfrage externer Daten und Übergabe in automatisierte Prozesse.
  • Anbindung externer Quellen: Integration strukturierter Datenquellen und Weiterverarbeitung großer Datenmengen.
  • Schnittstellen für KI-Prozesse: Verbindung von REST API, Machine Learning und Webscraping zur Datenanalyse.

Webscraping-Techniken und Datenquellenanalyse
  • Python im Webscraping: Nutzung von Python Webscraping Tools zur gezielten Extraktion strukturierter Informationen.
  • REST API in der Datenarbeit: Abfragen strukturierter Daten über REST API Schnittstellen und deren Integration in Analyseprozesse.
  • Webdaten automatisiert verarbeiten: Kombination von Webscraping Software und Machine Learning zur Mustererkennung.
  • Recht und Ethik im Fokus: Analyse rechtlicher Rahmenbedingungen bei automatisierter Datennutzung aus Onlinequellen.

Mit Abschluss der Weiterbildung sind die Teilnehmenden in der Lage, Datenmodelle und Schnittstellen für die Analyse und Visualisierung von Daten in verschiedenen Kontexten zu erstellen und anzuwenden.