Überblick Data Analytics, Business Intelligence & Co
  • Begriffe und Ansätze sicher einordnen
  • Methodisch und professionell in Datenanalyse vorgehen
  • Zusammenhänge von Geschäftsprozessen, Daten und Entscheidungen verstehen
  • KI als nützlicher Helfer
  • Praxisübung: Typische Denkfehler bei Auswertungen vermeiden
Daten auswerten, visualisieren und richtig interpretieren
  • Daten analysieren (Datenbanken, SQL)
  • Zusammenhänge mit unterschiedlichen Diagrammtypen visualisieren
  • Kennzahlen ermitteln und interpretieren (KPI)
  • Mit fehlenden oder fehlerhaften Daten umgehen (Data Cleansing)
  • Muster, Zusammenhänge und Auffälligkeiten erkennen (Explorative Data Analysis)
  • Praxisübung: Kosten-Nutzen-Bewertung für Business Case
Wissen statt raten: Datenbasiert entscheiden
  • Entscheidungs- und Verhaltensmuster sichtbar machen (Decision Tree, Random Forest)
  • Nicht dokumentierte Regeln und Zusammenhänge erkennen
  • Entscheidungspfade nachvollziehbar visualisieren
  • Datenbasierte Entscheidungen fundiert und verlässlich
  • Praxisübungen: Optimierung der Outbound-Ansprache von Kunden; optimierte Churn Prevention
Texte analysieren und nutzbar machen
  • Themen in Textdaten identifizieren (Text Mining)
  • Nutzeranforderungen aus Freitextfeldern herauslesen
  • Probleme und Wünsche von Kunden und Nutzern herausfinden (Topic Modeling)
  • Datenschutz durch Anonymisierung und Pseudonymisierung sicherstellen
  • Anwendungsbeispiel: Auswertung von Forumsbeiträgen und Social-Media-Posts
  • Praxisübung: Analyse von Freitexten aus einem CRM-System
Zusammenhänge in Daten finden (Data Mining)
  • Typische Nutzungsmuster von Anwendungen finden
  • Auffälligkeiten in Geschäftsprozessen finden (Ausreißeranalyse, Anomaly Detection)
  • Ausnahme-, Fehlerszenarien und Misuse Cases entdecken
  • Personas systematisch aus Daten ableiten (Clustering)
  • Praxisübungen: Auswertung von Anwendungsprotokollen (Logs), um Nutzungsmuster und Anomalien zu finden
Entwicklungen prognostizieren (Predictive Analytics)
  • Auf Basis historischer Daten künftige Entwicklungen vorhersagen
  • Aussagekraft und Grenzen von Vorhersagen bewerten (Benchmarking)
  • Trends und wiederkehrende Effekte erkennen
  • Vorhersage mit Machine Learning
  • Praxisübung: Kennzahlen aus Zeitreihen prognostizieren
Ergebnisse überzeugend präsentieren
  • Data-Dashboards selbst erstellen
  • Analyseergebnisse verständlich aufbereiten und darstellen
  • Präsentieren mit Data Storytelling
  • Gelungene und adressatengerechte Kommunikation
  • Praxisübungen: Ein eigenes Dashboard mit KI erstellen, Kurzpräsentation mit Data Storytelling
Methodik und eingesetzte Tools
  • Unser Fokus liegt auf der Vermittlung fundierter Analysemethoden. Das Ziel: Du erlernst universelle Prinzipien, die du problemlos in jeder gängigen Analytics-Umgebung einsetzen kannst.
  • Hands-on: Sämtliche Praxisübungen finden browserbasiert statt. Es ist keine Softwareinstallation auf deinen Endgeräten erforderlich.
  • Transferleistung: Die erlernten Konzepte sind direkt auf deine unternehmensspezifischen Tools (wie Power BI, Tableau oder SaaS-Lösungen) übertragbar.
  • Eingesetzte Tools sind BigML und SQL/PgAdmin sowie KI-Sprachmodelle wie ChatGPT oder Claude

1