- Einblick in die Aufgaben eines Data Analysts und Data Analytics in Unternehmen
- Übersicht über Datenanalyseworkflows mit Google Sheets und Tabellen
- Einführung in Deskriptive Statistik und Datenvisualisierung
- Einrichtung der Arbeitsumgebung mit Github, Terminal, und Markdown
Python-Einstieg für Datenanalyse
- Grundlagen von Variablen, Strings, Bedingungen, Listen und Schleifen in Python
- Verwendung von Dictionaries, Funktionen und logischen Strukturen für Daten
- Kleinprojekte in Python zur Stärkung der Datenanalyse-Kenntnisse
- Vorbereitung und Leitung eines Python-Datenanalyseprojekts
Datenanalyse mit Pandas
- Datenmanipulation, Selektion und Filterung mit Pandas
- Datenbereinigung und Wrangling in der Praxis anwenden
- Aussagekräftige Datenvisualisierungen mit Python erstellen
- Komplexe Datenstrukturen mit statistischen Funktionen analysieren
Erweiterte Analytik mit Python
- A/B-Tests, Lineare Regression und Clustering nutzen
- Verwenden von Confidence Intervals und Distribution Functions
- Behandlung ethischer Aspekte der Datenanalyse
- Entwicklung eines erweiterten Analytikprojekts
Cloud-Computing und SQL für die Datenanalyse
- Grundlagen zu Cloud-Technologien und Datenbanken verstehen
- Anwendung von SQL zur Filterung, Aggregation und Joins
- Datenbankmanagement mit DBeaver und SQL-Methoden
- SQL-Datenanalyse-Projekte anhand realer Anwendungsfälle
Analytische Engineering und DBT
- Einführung in Daten-Pipelines, APIs und SQL mit Python
- Entwicklung von DBT-Stages und Marts für Datenverarbeitung
- Implementierung von End-to-End Datenanalyseprozessen
- Präsentation eines DBT-Projekts zur Demonstration des Lernfortschritts
Datenvisualisierung und KPIs mit Tableau
- Definieren und Umsetzen von Key Performance Indicators (KPIs)
- Tiefgehende Nutzung von Tableau für große Datenvolumina
- Entwicklung von Dashboards, Stories, LODs und Parametern
- Abschlusspräsentation eines Tableau-Projekts zur visuellen Datenanalyse