- Einführung in die Rolle von Data Analysts in modernen Unternehmen
- Verwendung typischer Tools der Data Analytics-Umgebung: Google Sheets, GitHub, Python
- Erste Analyseworkflows in Jupyter Notebooks durchführen
- Deskriptive Statistik zur Datenbeschreibung anwenden
Programmieren & Analysieren mit Python & Pandas
- Datenbereinigung und -manipulation als Kern von Data Analytics
- Anwendung von Pandas für strukturierte Analysen
- Datenvisualisierung zur Aufbereitung analytischer Ergebnisse
- Abschlussprojekt zur praktischen Umsetzung von Data Analytics
Advanced Analytics: Statistik, A/B-Testing & Machine Learning Basics
- Statistische Verfahren als Grundlage für Data Analytics nutzen
- Modellierung von linearen Beziehungen und Clustering
- A/B-Tests zur Hypothesenprüfung im Business-Kontext
- Projekt zur Integration von Analytics und Business-Zielen
Datenbanken, SQL & Cloud Computing
- SQL als zentrales Werkzeug in der Data Analytics-Pipeline
- Komplexe Abfragen und Datenaggregation in SQL
- Verarbeitung von Cloud-basierten Datenquellen
- Datenintegration in analytische Workflows
Analytical Engineering mit DBT & Data Pipelines
- Automatisierung wiederholbarer Data Analytics-Prozesse mit DBT
- Pipeline-Erstellung von Raw Data bis zu analysierbaren Marts
- Verknüpfung von APIs und Datenmodellen mit Python und SQL
- Projekt zur Erstellung eines Analytics-Modells mit DBT
KPI-Entwicklung & Visualisierung mit Tableau
- Erstellung interaktiver Visualisierungen für Data Analytics
- Anwendung von LODs, Sets und Berechnungen in Dashboards
- Entwicklung und Kommunikation von KPI-gestützten Reports
- Praxisprojekt: Business Dashboard in Tableau
Capstone Projekt & Karrierevorbereitung
- Eigenständige Durchführung eines vollständigen Data Analytics-Projekts
- Tool-übergreifende Anwendung in einem realistischen Datenszenario
- Aufbau eines professionellen Portfolios mit Fokus auf Analytics
- Vorbereitung auf Bewerbungsprozesse und Vorstellungsgespräche
Der Lehrplan behandelt Data Analytics mit Python und Pandas, vertieft Data Analytics mit SQL, DBT und Cloud-Datenquellen und schließt Data Analytics mit KPI-Visualisierung in Tableau ab.