Einführung in die Datenanalyse
- Rolle des Datenanalysten verstehen
- Arbeiten mit Google Sheets, Markdown und GitHub
- Anwenden von Deskriptiver Statistik auf Datensätze
- Beschreiben und Dokumentieren von Analyseprozessen
Python & Programmierlogik
- Grundlagen der Python-Programmierung mit Jupyter Notebooks
- Verwendung von Schleifen, Listen, Bedingungen und Funktionen
- Mini-Projekte zur Förderung analytischer Fähigkeiten
- Nutzung von Git für Teamprojekte und Versionierung
Professionelle Nutzung von Pandas für Datenverarbeitung
- Daten reinigen, verwandeln und visualisieren mit Pandas
- Datensätze kombinieren und analysieren
- Python für Statistik-Grundlagen einsetzen
- Explorative Datenanalyse-Projekte (EDA) durchführen
Statistik & Vorhersage-Analysen
- Durchführung von A/B-Tests und linearer Regression
- Clustering und Hypothesentests für die Geschäftsanalyse
- Eigene Analysemodelle mit Projektdokumentation erstellen
- Analytische Ergebnisse interpretieren und kommunizieren
SQL, Datenbanken & Analytical Engineering
- Datenbankabfragen, Joins, Aggregationen und CTEs in SQL
- Moderne Datenpipelines mit DBT und Python erstellen
- Nutzung von APIs und analytische Modellierung
- Projekterfahrung in datengetriebene Transformation einbringen
Dashboarding & KPI-Visualisierung in Tableau
- Wichtige KPIs und Dashboards in Tableau visualisieren
- Erstellung interaktiver Berichte mit Filtern, LODs und Storytelling
- DBT-Datenmodelle integrieren und Ergebnisse präsentieren
- Aufbau eines professionellen Analyseportfolios
Capstone-Projekt & Karriere-Coaching
- Komplettes Analyseprojekt von Anfang bis Ende durchführen
- Agile Methoden und Kommunikation mit Stakeholdern anwenden
- Jobcoaching, Lebenslauf-Optimierung und Abschlusspräsentation
- Vorbereitung auf eine Karriere als Junior Datenanalyst*in