- Erläuterung der Data Analytics und die Rolle datenbasierter Entscheidungen für einen Data Analyst
- Einblicke in KPIs, Datenströme und Kommunikation mit Stakeholdern im Data Analytics Umfeld
- Interpretieren von Daten mit Spreadsheets und kritisches, analytisches Denken - zentrale Kompetenzen eines Data Analyst
Python-Fähigkeiten für Data Analysts
- Grundlagen von Python: Variablen, Konditionen, Schleifen und Funktionen für die Data Analytics
- Nutzung von Jupyter Notebooks für die Analyse echter Datensätze durch aufstrebende Data Analysts
- Reale Praxisprojekte zur Stärkung der datenbasierten Entscheidungsfindung mit Fokus auf Data Analytics
Pandas-Anwendungen für datengetriebene Entscheidungen
- Reinigung, Gruppierung und Aggregation von großen Datenmengen - wichtige Data Analytics Fähigkeiten eines Data Analyst
- Erstellen von Visualisierungen und Trendanalysen zur Optimierung der Data Analytics
- Kombinieren und Analysieren verschiedener Datenquellen für tiefere Data Analytics Erkenntnisse
Statistische Verfahren für präzise Analysen
- Implementierung von linearer Regression, Clustering und A/B Testing in der Data Analytics Praxis für Data Analysts
- Durchführung von Verteilungsanalysen und Konfidenzintervallen zur Überprüfung von Hypothesen in der Data Analytics
- Befolgen von Datenethik und sicheren Praktiken zur Entscheidungsableitung als Data Analyst
Berichterstattung und Dashboarding in der Entscheidungspräsentation
- Erstellung von interaktiven Berichten in Tableau durch Data Analysts
- Nutzung von Datenstorytelling mit Dashboards, Parametern und LODs zur Vermittlung von Data Analytics Resultaten
- Analytische Erkenntnisse effektiv an Entscheidungsträger zu kommunizieren - eine Kernfertigkeit eines Data Analyst