- Verstehen der Rolle von Data Analytics im geschäftlichen Kontext
- Analyse von Datentypen, -quellen und Verarbeitungsprozessen
- Nutzung von Tools wie Python, SQL und Tableau für effektive Data Analytics
Prozess der Datenaufbereitung
- Rohdatenbereinigung und -transformation für Data Analytics
- Erkennen und Behandeln von fehlenden Werten und Ausreißern
- Anwendung von Standardisierung und Normalisierung zur Datenqualität
Entdeckende Datenanalyse (EDA)
- Statistische Muster- und Trendentdeckung
- Visualisierung von Datenbeziehungen für effiziente Data Analytics
- EDA als Vorbereitung für tiefere Analysen
Verwendung von SQL in der Datenanalyse
- Abrufen von strukturierten Daten für Data Analytics mit SQL
- Durchführen von Abfragen, Filtern und Aggregieren für genaue Ergebnisse
- Nutzung komplexer SQL-Funktionen zur Automatisierung
Visualisierung und Geschäftseinblicke
- Integration von visueller Darstellung in jede Data Analytics-Strategie
- Erstellen von Dashboards mit Tableau zur besseren Dateninterpretation
- Ableitung und Präsentation von kritischen KPIs und Kennzahlen
Grundlagen des Machine Learning
- Integration von Machine Learning in Data Analytics-Projekte
- Modellentwicklung und -bewertung in Python
- Datenbasierte Entscheidungsfindung durch analytische Modelle