- Einleitung in die Data Analytics und die Relevanz datengetriebener Entscheidungen
- Umgang mit KPIs, Datentypen und Datenquellen in der Data Analytics
- Förderung analytischen Denkens durch praxisnahe Data Analytics Beispiele
Datenanalyse mit Python und Pandas
- Verwendung von Pandas für die Bearbeitung und Transformation von Daten für die Data Analytics
- Durchführung explorativer Data Analytics und Erstellung von Visualisierungen
- Automatisierung in der Data Analytics mit Funktionen, Loops und Conditions
Weitere Tools der Datenanalyse
- Nutzung von Spreadsheets für deskriptive Statistik und Data Analytics Vorbereitung
- SQL für strukturierte Data Analytics mit Joins, Aggregationen und CTEs
- Data Analytics Visualisierungen in Tableau: Dashboards, KPIs und Stories
Statistikmethoden in der Datenanalyse
- Anwendung von A/B Tests, Regressionen und Verteilungen in der Data Analytics
- Interpretation zur Unterstützung datengetriebener Entscheidungen
- Nutzung statistischer Data Analytics Methoden auf praxisnahen Daten
Praktische Projektarbeit mit Datenanalyse Tools
- Unabhängige Data Analytics mit Python, SQL und Tableau
- Kombination und Data Analytics verschiedener Datenquellen
- Erstellung eines interaktiven Reporting-Dashboards für Data Analytics Ergebnisse