- Essentielle Konzepte der Datenanalyse und die Funktion des Data Analysts in datenorientierten Unternehmen
- Bedeutung von Datenqualität: Vollständigkeit, Richtigkeit und Beständigkeit als Aufgaben eines Data Analysts
- Entdeckung und Handhabung von Datenproblemen im Datenanalyse-Verlauf
Datenbereinigung und -transformation mit Python & Pandas
- Umgang mit fehlenden Werten und Anomalien - entscheidende Fähigkeiten für einen Data Analyst
- Pandas zur Datenbereinigung: Filterung, Transformation und die Aggregation in der Datenanalyse
- Integration von Datenquellen und Vorverarbeitung für tiefere Datenanalyse
Techniken zur Berichterstellung und Visualisierung
- Automatische Report-Erstellung mit Python - essentielle Fähigkeit im Repertoire eines Data Analyst
- Erstellung von interaktiven Dashboards mithilfe von Tableau für fundierte Datenanalyse
- KPI-Darstellung, Zeitreihe und Messgrößen für Berichtsanforderungen
Data Analysts in der Unternehmenswelt
- Berichtsanforderungen aus Perspektiven unterschiedlicher Stakeholder - integraler Aspekt für jeden Data Analyst
- Datenpräsentation und Granularitätsebenen für Unternehmensentscheidungen in der Datenanalyse
- Erprobte Methoden im Data Reporting und in der Kommunikation von Data Analysts
Projekte für Datenqualität und Berichterstellung
- Praktisches Projekt: Erstellung eines umfassenden Reportingsystems durch lernende Data Analysts
- Überprüfung und Darstellung von Datenqualitätsmetriken gestützt durch detaillierte Datenanalyse
- Realitätsnahe Reporting-Fallstudie zur Anwendung von Data Analysten-Fähigkeiten