Einführung in die Datenanalyse Techniken
- Datenanalyse als Kern der Entscheidungsfindung begreifen
- Wichtige Tools: Python, SQL, und Excel für Datenanalyse
- Unterscheidung von strukturierten und unstrukturierten Daten
Vorbereitung und Bereinigung von Daten
- Berücksichtigung von fehlenden Werten und Duplikaten
- Verwendung von Datentransformation und Feature-Engineering
- Datensätze mit Pandas bereitmachen für die Analyse
Explorative Datenanalyse entdecken
- Beschreibende Metriken und statistische Analysen verstehen
- Muster, Trends und Korrelationen im Datensatz identifizieren
- Visualisieren von Datenverteilungen mit Histogrammen und Boxplots
SQL als Werkzeug für Datenanalysen
- Datenbanken abfragen für wichtige Informationen
- Verknüpfungen, Aggregationen und Fensterfunktionen in SQL nutzen
- Berichte und Dashboards aus SQL-Abfragen erstellen
Statistische Methoden und Hypothesentests bei der Analyse
- Wahrscheinlichkeitsverteilungen und Signifikanztests anwenden
- Verstehen von p-Werten, Konfidenzintervallen, und Korrelationen
- Nutzung von Regressionsmodellen für prädiktive Auswertungen
Effektive Datenvisualisierung und Berichterstattung
- Erstellen von interaktiven Dashboards mit Tableau und Power BI
- Anwendung von Best Practices für datenbasierte Geschichten