- Einblick in Data Analytics und die Funktion eines Data Analyst innerhalb eines Unternehmens
- Verständnis für Prozessmanagement, KPIs und typische Anwendungen der Datenanalyse
- Erste praktische Erfahrungen mit Datenanalyse in Spreadsheets und Google Sheets sammeln
Python-Grundlagen für berufliche Data Analysis
- Wichtige Python-Konzepte: Variablenverwaltung, Bedingungen und Schleifen im Beruf eines Data Analyst
- Einsatz von Jupyter Notebooks für strukturiertes Arbeiten in der Datenanalyse
- Kleine Projekte zur praktischen Übung für angehende Data Analysts
Data Analysis Techniken mit Pandas
- Datenimport, -bereinigung und -umwandlung mit Pandas für professionelle Datenanalyse
- Datenaggregation, Visualisierung und Gruppierung großer Datenmengen durch Data Analysts
- Anwendung von Pandas für unterschiedliche Datenanalyse-Anwendungsgebiete
Statistik und geschäftliche Anwendungen
- A/B-Tests, Regressionsanalysen und Verteilungen als Werkzeuge in der Datenanalyse
- Praxisbeispiele aus Marketing, Produktmanagement und Betrieb für Data Analysts
- Erkennen und Interpretieren von Mustern zur Erstellung datenbasierter Geschäftsstrategien
Berichterstellung und Dashboards für Unternehmen
- Datenvisualisierung mit Tableau: KPIs, Dashboards und Storytelling als Instrumente im Alltag eines Data Analyst
- Verknüpfung multipler Datenquellen und LOD-Strategien für tiefere Datenanalyse
- Gestaltung eindrucksvoller Visualisierungen für Stakeholder durch erfahrene Data Analysts