Analytics Lösungen: Datenintegration, Kennzahlen und Auswertung

Passt der Kurs zu dir?

1. 1
   Für das PCAP-Zertifikat gibt es keine formale Voraussetzung, das Python Institute empfiehlt aber vorher die Einstiegsprüfung PCEP.
2. 2
   Schulmathematik bis zu Prozentrechnung und Funktionen, wenn du in Richtung Datenanalyse oder Machine Learning gehst.
3. 3
   Ein Rechner, auf dem du Python, einen Code-Editor und Zusatzpakete selbst installieren darfst.

Das lernst du

1. 1
   Die Weiterbildung "Analytics Lösungen mit Python: Datenintegration, Kennzahlen und Auswertung" führt schrittweise in die Themen "Datenintegration", "Kennzahlen" und "Auswertung" ein und überträgt die Inhalte auf nachvollziehbare Arbeitssituationen. Für Datenanalyse werden Auswahlkriterien, Arbeitsschritte und Ergebnismerkmale festgehalten. Der Aufbau folgt dem Weg von der Fragestellung über die Aufbereitung bis zur Interpretation und adressatengerechten Darstellung von Ergebnissen. Im fachlichen Mittelpunkt stehen das Kompetenzfeld Python und der Anwendungsschwerpunkt Datenanalyse. Als roter Faden dient die Aufgabenstellung "Analytics Lösungen mit Python"; sie wird aus fachlicher, methodischer und qualitätsbezogener Perspektive bearbeitet. Die Übungen behandeln Python in einem klaren Arbeitsablauf und beziehen Datenanalyse an passenden Entscheidungspunkten ein. Teilnehmende bearbeiten nachvollziehbare Praxisfälle aus datenbezogenen Analyse- und Plattformaufgaben, vergleichen Lösungswege und halten Annahmen, Entscheidungen sowie Ergebnisse fest. Ziel ist ein strukturiertes Verständnis der im Titel beschriebenen Aufgabenfelder und ihrer Anwendung in unterschiedlichen Arbeitssituationen.
2. 2
   Die Lernaufgaben verbinden Python mit Datenanalyse und machen die Schnittstellen zwischen beiden Themen sichtbar.
3. 3

   Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert

   Grundlagen der Auswertung und Bereitstellung: Der Schwerpunkt "Analytics Lösungen mit Python" wird hinsichtlich Aufgabenrahmen, typischer Einsatzbereiche und der dafür benötigten Arbeitsschritte eingeordnet. Die Ausrichtung konkretisiert sich durch fachliche Fragestellungen, nachvollziehbare Auswertungswege und eine begründete Interpretation von Ergebnissen.
   Datenintegration: Die Teilnehmenden prüfen Eingaben, führen Bestände zusammen und sichern die Nachvollziehbarkeit der Verarbeitungsschritte. Die Teilnehmenden vergleichen Vorgehensweisen, in denen die Schwerpunkte Python und Datenanalyse unterschiedliche Anforderungen abdecken.
   Kennzahlen: Fragestellungen werden in geeignete Kriterien und Kennzahlen übersetzt; Ergebnisse werden geprüft, interpretiert und verständlich dargestellt. Zwischen Python und Datenanalyse werden Gemeinsamkeiten, Unterschiede und sinnvolle Übergänge herausgearbeitet.
   Auswertung: Die Teilnehmenden wählen passende Auswertungswege, vergleichen Ergebnisse und begründen die gewählte Darstellung.
   Kennzahlen, Muster und Aussagekraft: Ergebnisse werden auf Plausibilität, Vergleichbarkeit und fachliche Bedeutung geprüft und adressatengerecht eingeordnet. Bei Datenanalyse liegt der Schwerpunkt auf einem sachgerechten und nachvollziehbaren Vorgehen.
   Datenqualität und Reproduzierbarkeit: Vollständigkeit, Konsistenz und Plausibilität werden geprüft; Verarbeitungsschritte bleiben nachvollziehbar und wiederholbar.
   Anwendungsaufgabe und Reflexion: Ein realitätsnahes Beispiel wird geplant, umgesetzt und anhand dokumentierter Kriterien ausgewertet. Für die Praxisfälle werden Kenntnisse zu Python aufgebaut und mit fachlichen Bezügen zu Datenanalyse verknüpft.
   Die Anwendung von Datenanalyse wird durch strukturierte Aufgaben und dokumentierte Entscheidungen gefestigt. Die Übungen sind so angelegt, dass Teilnehmende Begriffe nicht nur wiedergeben, sondern Arbeitsschritte begründen, Ergebnisse prüfen und auf einen neuen Fall übertragen. Anhand beruflicher Situationen wird geprüft, wie Python einzuordnen ist und welche Rolle Datenanalyse dabei übernimmt. Die Dokumentation der Praxisaufgaben macht Lernfortschritte, offene Fragen und fachliche Entscheidungen nachvollziehbar.

1. 1

   München

   26.10.2026 · Blended Learning · Teilzeit · 3–6 Monate · 5.000–10.000 €

2. 2

   München

   26.10.2026 · Blended Learning · Vollzeit · 1–3 Monate · 5.000–10.000 €

3. 3

   München

   23.11.2026 · Blended Learning · Vollzeit · 1–3 Monate · 5.000–10.000 €

4. 4

   München

   23.11.2026 · Blended Learning · Teilzeit · 3–6 Monate · 5.000–10.000 €

Förderwege

Wer deinen Kurs zahlt

Was dir die Qualifikation beruflich bringt

1. 1

   Routinearbeit per Skript erledigen

   Mit wenigen Zeilen Python benennst du Dateien um, liest Excel-Tabellen ein oder holst Daten aus Schnittstellen. Solche Skripte laufen später zeitgesteuert, ohne dass jemand sie anstößt. Beispiel: Du schreibst ein Skript, das jeden Morgen die Bestellungen aus dem Shop-Export zusammenführt.

2. 2

   Daten mit Pandas aufbereiten

   Pandas-Kurse zeigen, wie du Tabellen filterst, gruppierst, verknüpfst und bereinigst. Das ist der Schritt vor jeder Auswertung und jedem Modell. Beispiel: Du bereinigst eine Kundenliste mit doppelten Einträgen und uneinheitlich geschriebenen Ortsnamen.

3. 3

   Eigene Anwendungen bauen

   Objektorientierung, Module und Tests bilden die Grundlage für größere Programme und Webanwendungen mit Django oder Flask. Mit dem PCAP weist du Kenntnisse in Modulen und Paketen, Ausnahmebehandlung, Dateiverarbeitung und Objektorientierung nach. Beispiel: Du entwickelst ein kleines Buchungstool für Besprechungsräume mit Django und schreibst Tests dazu.

Themen