Datenvisualisierung baut in der Praxis auf strukturierte Abfragen aus relationalen Datenbanken auf, bevor sie in Berichten und Plots sichtbar wird. Für Data Scientist:innen ist der Weg von SQL zur visuellen Auswertung ein Standardablauf. Der Kurs zeigt, wie Python-basierte SQL-Zugriffe in Power-BI-Berichte und matplotlib-Plots überführt werden.


!Kursinhalt


!1. SQL als Quelle für Visualisierungen
*Modul sqlalchemy für den Datenbankzugriff
*SELECT, FROM und WHERE als Auswertungsbasis
*Datenaggregation auf Datenbankseite
*Zusammenführen von Tabellen für Plots


!2. Diagramme mit matplotlib und pandas
*Histogramme, Streu- und Säulendiagramme
*Boxplots und Tortendiagramme
*Datenaggregation in pandas vor der Visualisierung
*Lineare Regression als Trendlinie


!3. Reporting in Power BI mit relationaler Quelle
*Verknüpfung zu Datenbanken
*Säulen-, Kreis- und Liniendiagramme
*Filterkontexte und DAX-Measures
*Trendlinien und Korrelationen darstellen


!4. Strategische Einordnung relationaler Auswertungen
*Datenqualität in SQL-Quellen sichern
*Governance für relationale Datenbestände
*KI-Einordnung von Reporting-Prozessen
*Stakeholder-Kommunikation mit Daten


!Berufliche Relevanz


*Effiziente Datenpipeline von DB zu Visual
*Konsistente Berichte aus zentralen Datenquellen
*Belastbare Plots für statistische Aussagen
*Verbindung zu KI-getriebenen Auswertungen