Data Analyst: Analyseaufgaben, Kennzahlen und Berichte

Passt der Kurs zu dir?

1. 1
   Erfahrung in Projekt- oder Teamarbeit, an der du Rollen, Events und Artefakte von Scrum konkret spiegeln kannst.
2. 2
   Vertrautheit mit den englischen Scrum-Begriffen wie Sprint Backlog, Increment und Definition of Done, die auch die Prüfungsfragen verwenden.
3. 3
   Für Stellen als Scrum Master oder Product Owner erwarten Arbeitgeber häufig ein Studium mit Schwerpunkt Projektmanagement, IT-Management oder Wirtschaftsinformatik.

Das lernst du

1. 1
   In der Weiterbildung "Data Analyst mit Datenplattformen und Scrum Methoden: Analyseaufgaben, Kennzahlen und Berichte" werden die Themen "Analyseaufgaben", "Kennzahlen" und "Berichte" systematisch erschlossen und anhand beruflicher Aufgaben vertieft. Die Lernaufgaben verbinden Scrum mit Data Analyst und machen die Schnittstellen zwischen beiden Themen sichtbar. Die Lernfolge verbindet fachliche Fragen, strukturierte Auswertung, nachvollziehbare Kennzahlen und eine begründete Ergebnisdarstellung. Für die Praxisfälle werden Kenntnisse zu Scrum aufgebaut und mit fachlichen Bezügen zu Data Analyst verknüpft. Als roter Faden dient die Aufgabenstellung "Data Analyst mit Datenplattformen und Scrum Methoden"; sie wird aus fachlicher, methodischer und qualitätsbezogener Perspektive bearbeitet. 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
   Dokumentierte Ergebnisse zeigen, wie Scrum und Data Analyst im jeweiligen Aufgabenfeld zusammenwirken.
3. 3

   Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert

   Datenwege und fachliche Ziele: Der Schwerpunkt "Data Analyst mit Datenplattformen und Scrum Methoden" 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 sowie durch Aufgabensteuerung, Rollenabstimmung, sichtbaren Fortschritt und die schrittweise Anpassung des Vorgehens.
   Analyseaufgaben: Die Teilnehmenden wählen passende Auswertungswege, vergleichen Ergebnisse und begründen die gewählte Darstellung. Die Teilnehmenden vergleichen Vorgehensweisen, in denen die Schwerpunkte Scrum und Data Analyst unterschiedliche Anforderungen abdecken.
   Kennzahlen: Aussagen werden aus strukturierten Ergebnissen abgeleitet, auf Plausibilität geprüft und adressatengerecht dokumentiert.
   Berichte: Fragestellungen werden in geeignete Kriterien und Kennzahlen übersetzt; Ergebnisse werden geprüft, interpretiert und verständlich dargestellt.
   Kennzahlen, Muster und Aussagekraft: Ergebnisse werden auf Plausibilität, Vergleichbarkeit und fachliche Bedeutung geprüft und adressatengerecht eingeordnet.
   Datenqualität und Reproduzierbarkeit: Vollständigkeit, Konsistenz und Plausibilität werden geprüft; Verarbeitungsschritte bleiben nachvollziehbar und wiederholbar.
   Praxisfall und Transfer: Die Teilnehmenden bearbeiten einen zusammenhängenden Fall, begründen ihr Vorgehen und übertragen die gewonnenen Erkenntnisse auf eine veränderte Aufgabenstellung. Anhand beruflicher Situationen wird geprüft, wie Scrum einzuordnen ist und welche Rolle Data Analyst dabei übernimmt.
   Die Übungen behandeln Scrum in einem klaren Arbeitsablauf und beziehen Data Analyst an passenden Entscheidungspunkten ein. Die Übungen sind so angelegt, dass Teilnehmende Begriffe nicht nur wiedergeben, sondern Arbeitsschritte begründen, Ergebnisse prüfen und auf einen neuen Fall übertragen. Bei der Ergebniskontrolle werden sowohl Scrum als auch Data Analyst anhand nachvollziehbarer Kriterien betrachtet. Die Dokumentation der Praxisaufgaben macht Lernfortschritte, offene Fragen und fachliche Entscheidungen nachvollziehbar.

1. 1

   München

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

2. 2

   München

   26.10.2026 · Blended Learning · Teilzeit · 3–6 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

   Sprints sauber aufsetzen

   Du planst Sprints mit einem Sprint-Ziel, führst Daily Scrum, Sprint Review und Retrospektive in ihren Zeitrahmen durch und machst den Fortschritt für alle sichtbar. Beispiel: Du moderierst eine Retrospektive, in der das Team konkrete Verbesserungen für den nächsten Sprint festlegt.

2. 2

   Backlog führen und priorisieren

   Als Product Owner zerlegst du Anforderungen in User Stories, ordnest sie nach Wert und hältst das Product Backlog für alle einsehbar. Beispiel: Du priorisierst die Wünsche aus Vertrieb und Support für das nächste Release einer Kunden-App.

3. 3

   Agile Werkzeuge einsetzen

   Kurse zu Jira und Kanban zeigen, wie du Boards, Grenzen für parallele Arbeit und Burndown-Auswertungen einrichtest. Beispiel: Du baust für ein Marketingteam ohne Softwarebezug ein Kanban-Board mit klaren Spalten und Arbeitsgrenzen.

Themen

Arbeitsmarkt

Scrum & agiles Projektmanagement bundesweit in Zahlen