- Entdecken Sie die branchenübergreifende Bedeutung von Data Analytics zur Wertschöpfung
- Erfassen Sie wesentliche Aufgaben und Denkansätze in der Datenanalyse
- Kennenlernen von Datenpipelines, Datenquellen und detaillierter Berichterstellung
- Schaffen Sie eine Basis für fortlaufende Weiterbildung in der Data Analytics
Python-Programmierung für Datenanalysen
- Erwerben Sie Grundlagen in Python für Data Analytics: Listen, Schleifen, Funktionen
- Verwenden Sie Jupyter Notebooks zur Strukturierung von Data Analytics-Workflows
- Lösen Sie praxisnahe Programmierprobleme mit Schwerpunkt auf Data Analysis-Projekte
- Einsatz von Git zur Zusammenarbeit in Analyseprojekten
Datenbereinigung und -exploration mit Pandas
- Nutz Pandas zur Aufbereitung von Rohdaten für die Data Analytics
- Daten filtern, gruppieren und kombinieren, um Insights zu gewinnen
- Durchführen erster statistischer Data Analytics-Schritte in Einzel- und Gruppenprojekten
SQL und Datenbanken in Data Analytics
- Kennenlernen der relationalen Datenarchitektur im Kontext der Data Analytics
- Optimieren Sie SQL-Abfragen zur Extraktion wertvoller Erkenntnisse
- Anwendung von Joins, Aggregationen und CTEs in Data Analytics-Szenarien
- Verwendung von Tools wie DBeaver für interaktive SQL-Projekte
Darstellung von Erkenntnissen mit Tableau und KPIs
- Definieren Sie KPIs zur Bewertung der Data Analytics-Performance
- Erstellen Sie interaktive Tableau-Dashboards zur Visualisierung von Analyseergebnissen
- Kombinieren Sie Ergebnisse aus Python und SQL zu aussagekräftigen Storylines
- Präsentieren Sie Ihr Abschlussprojekt mit Schwerpunkt auf angewandter Data Analytics