Data Analyst mit Python: Analyseaufgaben, Kennzahlen und Berichte

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 "Data Analyst mit Python und Cloud Infrastruktur: Analyseaufgaben, Kennzahlen und Berichte" vermittelt grundlegende und aufbauende Kenntnisse in den Themenbereichen "Analyseaufgaben", "Kennzahlen" und "Berichte". Für die Praxisfälle werden Kenntnisse zu Python aufgebaut und mit fachlichen Bezügen zu Data Analyst verknüpft. Der Aufbau folgt dem Weg von der Fragestellung über die Aufbereitung bis zur Interpretation und adressatengerechten Darstellung von Ergebnissen. Bei der Ergebniskontrolle werden sowohl Python als auch Data Analyst anhand nachvollziehbarer Kriterien betrachtet. Als roter Faden dient die Aufgabenstellung "Data Analyst mit Python und Cloud Infrastruktur"; 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
   Zum Abschluss werden Arbeitsergebnisse aus Python reflektiert und mit den Lernzielen zu Data Analyst abgeglichen.
3. 3

   Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert

   Datenwege und fachliche Ziele: Der Schwerpunkt "Data Analyst mit Python und Cloud Infrastruktur" wird hinsichtlich Aufgabenrahmen, typischer Einsatzbereiche und der dafür benötigten Arbeitsschritte eingeordnet. Die Ausrichtung konkretisiert sich durch die Auswahl geeigneter Ressourcen, Bereitstellung, Zugriffe, Überwachung und betriebliche Auswirkungen sowie durch den Weg von Quellen und Strukturen über Verarbeitungsschritte bis zu nutzbaren und geprüften Ergebnissen.
   Analyseaufgaben: Die Teilnehmenden wählen passende Auswertungswege, vergleichen Ergebnisse und begründen die gewählte Darstellung. Der Transferteil vertieft Python und überführt die Erkenntnisse zu Data Analyst in eine zusammenhängende Aufgabe.
   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.
   Praxisübung mit Ergebnisbesprechung: Eine strukturierte Aufgabe verbindet die Lernabschnitte; Ergebnisse, offene Fragen und mögliche Verbesserungen werden gemeinsam ausgewertet. Die Teilnehmenden vergleichen Vorgehensweisen, in denen die Schwerpunkte Python und Data Analyst unterschiedliche Anforderungen abdecken.
   Dokumentierte Ergebnisse zeigen, wie Python und Data Analyst im jeweiligen Aufgabenfeld zusammenwirken. Die Übungen sind so angelegt, dass Teilnehmende Begriffe nicht nur wiedergeben, sondern Arbeitsschritte begründen, Ergebnisse prüfen und auf einen neuen Fall übertragen. Die fachliche Einordnung von Python wird durch konkrete Aufgaben zu Data Analyst ergänzt. 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 · Teilzeit · 3–6 Monate · 5.000–10.000 €

4. 4

   München

   23.11.2026 · Blended Learning · Vollzeit · 1–3 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