Data Analyst - PowerBI, Python und Data Science

Passt der Kurs zu dir?

1. 1
   Mathematik auf Oberstufenniveau mit linearer Algebra, Ableitungen und Wahrscheinlichkeitsrechnung, weil Regression und neuronale Netze darauf beruhen.
2. 2
   Programmierkenntnisse in Python oder die Bereitschaft, sie in einem Vorkurs aufzubauen, bevor Machine Learning beginnt.
3. 3
   Wenn dein Betrieb KI-Systeme einsetzt: Die KI-Verordnung der EU verpflichtet Anbieter und Betreiber, nach besten Kräften für ausreichende KI-Kompetenz ihres Personals zu sorgen; frage, ob dein Kurs dafür einen Nachweis ausstellt.

Das lernst du

1. 1
   Die Weiterbildung "Data Analyst - Power BI, Python und Data Science" vermittelt praxisorientierte Kenntnisse im Bereich Datenanalyse und legt einen besonderen Schwerpunkt auf den Einsatz von Power BI in modernen Datenumgebungen. Teilnehmende erwerben grundlegende und aufbauende Kompetenzen in der Datenanalyse, um Daten strukturiert auszuwerten und Ergebnisse mit Power BI aufzubereiten. Die Inhalte verbinden klassische Methoden der Datenanalyse mit aktuellen Tools wie Power BI und Python. Ziel ist es, Datenanalyse systematisch zu verstehen und Power BI als zentrales Werkzeug der Datenanalyse sicher anzuwenden. Bestandteil der Weiterbildung sind zudem Herstellerzertifikate von Microsoft, die Kenntnisse in Datenanalyse und Power BI formell bestätigen.
2. 2
   Programm / Agenda
3. 3

   Die Weiterbildung ist modular aufgebaut und deckt zentrale Themen rund um Datenanalyse und Power BI ab

   Data Science - Grundlagen Statistik und Data Mining: Einführung in grundlegende Verfahren der Datenanalyse sowie erste Anwendungen in Power BI zur Darstellung von Ergebnissen aus der Datenanalyse.
   Moderne Datenanalyse mit SQL-Server: Verarbeitung und Abfrage von Daten als Grundlage für strukturierte Datenanalyse und die Weiterverarbeitung in Power BI.
   Power BI Basics: Grundlagen von Power BI zur Visualisierung und Aufbereitung von Ergebnissen aus der Datenanalyse.
   Power BI Advanced: Vertiefte Funktionen von Power BI zur Durchführung komplexer Datenanalyse und Visualisierung.
   Python für Data Science, Maschinelles Lernen & Visualisierung: Einsatz von Python zur Unterstützung der Datenanalyse und zur Ergänzung von Power BI-Prozessen in der Datenanalyse.
   AZ-900: Microsoft Azure Fundamentals: Einführung in Cloud-Grundlagen im Kontext von Datenanalyse und Power BI.
   AI-900: Microsoft Azure AI Fundamentals: Grundlagen von KI im Zusammenhang mit Datenanalyse und der Nutzung von Power BI.
   DP-900: Microsoft Data Fundamentals: Zentrale Datenkonzepte als Basis für Datenanalyse und die Arbeit mit Power BI.
   PL-300: Microsoft Power BI Data Analyst: Zentrale Inhalte zur Rolle im Bereich Datenanalyse mit Fokus auf Power BI.
   Applied Skills: Azure Visualise & Analyse: Praxisorientierte Umsetzung von Datenanalyse-Projekten unter Einsatz von Power BI.
   Kanban Foundation: Grundlagen agiler Arbeitsmethoden im Kontext von Datenanalyse-Projekten und Power BI-Prozessen.
   IntelliLAB - AI Literacy: Einführung in KI-Grundlagen und deren Relevanz für Datenanalyse und Power BI.
   Bewerbungstraining: Vorbereitung auf Bewerbungsprozesse im Bereich Datenanalyse und Power BI.
   Während der Weiterbildung wird Datenanalyse konsequent mit der praktischen Anwendung von Power BI verknüpft. Übungen und Projekte unterstützen den Aufbau von Kompetenzen in der Datenanalyse und zeigen, wie Power BI zur strukturierten Darstellung von Datenanalyse-Ergebnissen eingesetzt wird. Datenanalyse wird in unterschiedlichen Szenarien angewendet, wobei Power BI als zentrales Werkzeug der Datenanalyse dient. Die Vorbereitung auf Zertifizierungen stellt sicher, dass Kenntnisse in Datenanalyse und Power BI strukturiert aufgebaut und nachgewiesen werden können.

1. 1

   München

   12.10.2026 · Blended Learning · Teilzeit · 6–12 Monate · über 10.000 €

2. 2

   München

   12.10.2026 · Blended Learning · Vollzeit · 3–6 Monate · über 10.000 €

3. 3

   München

   02.11.2026 · Blended Learning · Teilzeit · 3–6 Monate · über 10.000 €

4. 4

   München

   02.11.2026 · Blended Learning · Vollzeit · 1–3 Monate · über 10.000 €

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   Vorhersagen aus Daten bauen

   Du trainierst Modelle, die etwa Nachfrage, Maschinenausfälle oder Kündigungen vorhersagen, und misst ihre Güte mit Daten, die das Modell vorher nicht gesehen hat. Dabei lernst du auch, wann ein einfaches lineares Modell genügt. Beispiel: Ein Händler plant mit deinem Modell die Bestellmenge für die nächste Saison.

2. 2

   Datenpipelines und Cloud

   Die Kombikurse mit Data Engineering zeigen, wie Daten aus Datenbanken, Logdateien und Schnittstellen automatisch in eine Analyseumgebung fließen. Cloud-Data-Science-Kurse ergänzen SQL-Datenbanken und Rechenleistung auf Abruf. Beispiel: Du richtest eine Pipeline ein, die Sensordaten einer Maschine stündlich bereinigt und speichert.

3. 3

   Modelle erklären und verantworten

   Du prüfst Trainingsdaten auf Verzerrungen und fehlende Werte und machst nachvollziehbar, welche Merkmale ein Ergebnis treiben. Bei Entscheidungen über Menschen, etwa zu Krediten oder Bewerbungen, achtest du zusätzlich auf Datenschutz und Gleichbehandlung. Beispiel: Du zeigst dem Vertrieb, welche Merkmale die Vorhersage eines Kündigungsrisikos am stärksten beeinflussen.

Themen

Arbeitsmarkt

Data Scientist bundesweit in Zahlen