WERDE DATENANALYST:IN

• Einführung in die Datenvisualisierung
• grundlegendes Plotten mit Matplotlib
• Erstellen fortgeschrittener Visualisierungen mit Seaborn

Praxisaufgabe: Generiere in Python Visualisierungen der Consumer Insights der letzten Session.

• Einführung in die Pandas-Bibliothek: Serien und DataFrames
• Datenbereinigungstechniken: Umgang mit fehlenden Werten und Duplikaten
• Datentransformation: Sortieren, Filtern und Gruppieren

Challenge: Analysiere einen Datensatz, eliminiere Rauschen und Ausreißer, und visualisiere mithilfe von Matplotlib / Seaborn handlungsfähige Erkenntnisse.

• Grundlagen Explorativer Datenanalyse (EDA)
• Methoden zur Datenerfassung, Datenbereinigung und Datenerweiterung
• Tools für EDA und deren Anwendung

Praxisaufgabe: Untersuche in Gruppen die Vor-und Nachteile von Web-Scraping, API-Aufrufen, CSV-Import und anderen behandelten Methoden. Präsentiere eure Ergebnisse.

• Auswahl und Anwendung von Strategien für erfolgreiche Datenerfassung
• Verknüpfung verschiedener Datenquellen
• Verwendung öffentlicher APIs zur Sammlung von Daten
• Filterung verschiedener Datenquellen für effizientes Arbeiten

Praxisaufgabe: Sammle Daten aus Studien zu nationalem und internationalem Kaufverhalten und fasse deine Erkenntnisse auf einer Slide zusammen.

• effektive Datenintegration
• wirkungsvolle Datenmanipulationstechniken
• Automatisierung von Datenprozessen
• Datenmanipulation in Python

Challenge: Extrahiere mithilfe von Python relevante Informationen aus einem gegebenen Datensatz, manipuliere diese und erstelle ein aussagekräftiges Diagramm oder eine Tabelle, um deine Ergebnisse zu präsentieren.

• verschiedene Arten von Datenbanken
• Erstellung eigener Datenbanken in Azure und AWS
• Einführung in SQL für Datenanalysen
• Erstellung von einfachen SQL-Abfragen

Challenge: Erstelle deine erste Datenbank, die mit verbundenen Tabellen gespeist und automatisch aktualisiert wird. Stelle sie für die Abfrage über SQL bereit und liefere Beispiele für Abfragen.

• Anwendungsbeispiele von SQL in praxisnahen Analysen
• SQL-Optimierung für komplexe Abfragen
• Effiziente Nutzung von Datenbanken

Tausche dich mit anderen Teilnehmenden aus, die vor ähnlichen Herausforderungen wie du stehen. Entdecke Karriere-Hacks für deine Branche und knüpfe wertvolle Kontakte.

• Identifikation und Nutzung externer Datenquellen
• Ethik und Datenschutz bei der Beschaffung externer Daten
• Integration externer Daten in Analysen

Challenge: Bereite dich auf ein eigenes Datenprojekt vor, indem du externe Datenquellen zu einem gewählten Thema identifiziert und ethisch beschaffst.

• zusätzliche Methoden zur Datensammlung
• Datenaufbereitung für die Analyse

Praxisaufgabe: Wende die erlernten Strategien zur Datenbeschaffung an, um weitere Daten für dein Projekt zu sammeln.

• Einführung in die Visual Studio-Entwicklungsumgebung
• Einführung in GitHub Copilot
• Einrichten einer Python-Umgebung in Visual Studio
• Projektmanagement und Versionskontrolle
• Nutzen von KI für Textgenerierung und Textverständnis

Praxisaufgabe: Nutze KI-Chats und Autovervollständigung, um einen Code zu generieren, der einen Rohdatensatz in eine nutzbare Tabelle umwandelt, um aussagekräftige Erkenntnisse darzustellen.

Challenge: Probiere dich im Einbetten deiner ersten Skripte in GitHub aus.

• Einführung in Databricks
• Grundlagen von Data Engineering- und Data Science-Workflows
• fortgeschrittene Datenanalysetechniken mit Databricks

• Grundlagen der Datenvisualisierung mit PowerBI
• Erstellung ansprechender Visualisierungen
• Gestaltung interaktiver Dashboards

Challenge: Erstelle dein erstes Dashboard mit den Daten aus Session 11.

• Integration von PowerBI in umfassende Analyseprozesse
• Automatisierung von Visualisierungen in PowerBI
• praktische Anwendungen fortgeschrittener PowerBI-Techniken

Praxisaufgabe: Diskutiere in einer Gruppe die Ergebnisse der letzten Challenge und gib den anderen Mitgliedern Feedback.

• Interpretation komplexer Analyseergebnisse
• Erstellung überzeugender Berichte
• Best Practices für Ergebnispräsentationen
• Q&A zur Vorbereitung auf die Abschlusschallenge

Challenge: Trage die Ergebnisse von Session 11 bis 17 zum Thema deiner Gruppe zusammen und nutze alle erlernten Tools zur Datenidentifikation, -beschaffung und -visualisierung, um euer Projekt zu finalisieren.

Arbeite mit deiner Gruppe an eurem Abschlussprojekt und erstelle eine 20-minütige Präsentation.

Arbeite mit deiner Gruppe an eurem Abschlussprojekt und finalisiere die Präsentation.

• Analytik in der Geschäftsstrategie
• Zusammenbringen verschiedener Abteilungen durch Data Storytelling
• Brückenschlag zwischen IT und Business für fundiertere Entscheidungsprozesse
• Integration von Analytik in jedem Team
• Zusammenarbeit von Datenanalyst:innen mit anderen Stakeholdern

Praxisaufgabe: Diskutiere in Gruppen Beispiele in deiner Arbeit oder Fälle erfolgreicher Zusammenarbeit zwischen Technologie und Business und identifiziere Erfolgsfaktoren.

• Karrierewege in der Datenanalyse
• Kickstart für deine Data Analytics-Karriere
• Präsentationstipps für die eigene Arbeit
• Q&A

• Präsentation der Gruppenergebnisse
• gegenseitiges Feedback
• Zusammenfassung der wichtigsten Erkenntnisse aus dem Kurs

Für diesen Data Analytics-Kurs ist es wichtig, Zugang zu Microsoft Office, Anaconda, PowerBI und Visual Studio Code zu haben. Die Software sollte unbedingt vor Beginn der Live-Sessions installiert werden, damit sie für den Kurs bereitsteht. Vorkenntnisse sind nicht erforderlich. Der Kurs bietet eine Einführung in jedes Tool, damit du zukünftige Herausforderungen als Datenanalyst:in selbstbewusst meisterst.