Data Queens - Data Analytics-Weiterbildung für Frauen

Passt der Kurs zu dir?

1. 1
   Sicherer Umgang mit Excel, Prozentrechnung und Grundbegriffen der Statistik wie Mittelwert, Median und Streuung.
2. 2
   Für die IHK-Prüfung zur Berufsspezialistin oder zum Berufsspezialisten für Datenanalyse: eine IT-Ausbildung, eine andere Ausbildung mit einem Jahr Praxis, sechzig Leistungspunkte aus einem Studium mit zwei Jahren Praxis oder vier Jahre einschlägige Berufspraxis (§ 2 DAFPrV).
3. 3
   Bereitschaft, Datenschutzregeln einzuhalten, denn Auswertungen mit Kunden- oder Personaldaten fallen unter die DSGVO.

Das lernst du

1. 1
   Du willst verstehen, was hinter Daten steckt und selbst Teil der Datenwelt werden? In dieser Weiterbildung lernst du Data Analytics - gemeinsam mit anderen Frauen, die wie du ihren Weg in die Tech-Branche gehen. Eine Community, die sich gegenseitig stärkt und gemeinsam neue Perspektiven eröffnet. Individuelles Jobcoaching, Karriere- & Netzwerkveranstaltungen sowie Impulse zu Stressmanagement und Selbstführung runden das Programm ab.
2. 2

   Modul 1: Python Crash Course

   Lerne die Grundlagen der Programmiersprache Python. Von Tag eins an programmieren wir und erstellen deine eigenen kleinen Programmier-Projekte.

3. 3

   Modul 2: Intermediate Python

   Lerne objektorientiertes Programmieren, erstelle eigene Klassen und schreibe komplexen Code. Erwirb Techniken für professionelles Coden in Python.

4. 4

   Modul 3: Databases, SQL und NoSQL

   Meistere die Grundlagen der Datenbankentwicklung. Du erlangst fundierte Kenntnisse in der effizienten strukturierten Abfrage von Datenbanken. Du lernst skalierbare NoSQL-Datenbanken kennen.

5. 5

   Modul 4: Data Analysis with Python

   Lerne Python- Bibliotheken wie NumPy, Pandas und Matplotlib kennen, um effizient Daten zu bereinigen, analysieren und visualisieren. Führe eigenständig Analysen mit Real-World Data Sets durch.

6. 6

   Modul 5: Data Analysis and Visualizing with Tableau/Power BI

   Lerne das gefragte Datenanalyse und -visualisierungstools kennen. Du lernst Analysen durchzuführen und aussagekräftige Dashboards zu erstellen.

7. 7

   Modul 6: KI-Grundlagen für Data Science

   Du lernst, wie KI-Modelle arbeiten und wie sie zur Analyse und Vorhersage von Daten genutzt werden.

8. 8

   Modul 7: Datenarchitektur und Data Platforms

   Erlerne den Umgang mit Microsoft Fabric und wie man Infrastrukturen so plant, dass sie auch bei massiv wachsenden Datenmengen performant bleiben. Erlange die End-to-End-Pipeline Mastery: Du lernst, wie Daten fließen - vom Rohzustand via ETL bis zur fertigen Analyse.

9. 9

   Modul 8: Advanced Python

   Erlerne fortgeschrittene Konzepte der objektorientierten Programmierung, den Pythonic Way und Best Practices. Erstelle GUIs, lerne Netzwerk-Programmierung und Dateiverarbeitung verschiedener Quellen.

1. 1

   Berlin

   16.11.2026 · Blended Learning · Vollzeit · 6–12 Monate · über 10.000 €

2. 2

   Online

   16.11.2026 · Virtuelles Klassenzimmer · Vollzeit · 6–12 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

   Berichte, die sich selbst aktualisieren

   Du verbindest in Power BI Daten aus ERP, CRM und Excel-Listen, modellierst Beziehungen und schreibst Kennzahlen mit DAX. Ein solcher Bericht holt neue Zahlen ohne Kopierarbeit. Beispiel: Der monatliche Umsatzbericht für die Vertriebsleitung aktualisiert sich jeden Morgen aus dem Warenwirtschaftssystem.

2. 2

   Ergebnisse verständlich präsentieren

   BERUFENET nennt das Visualisieren und Präsentieren der Ergebnisse in den Fachabteilungen als Aufgabe von Data Analysts. Im Kurs übst du, aus einer Auswertung eine klare Aussage mit passendem Diagramm zu machen. Beispiel: Du zeigst der Einkaufsleitung in einem Dashboard, welche Lieferanten wiederholt zu spät liefern.

3. 3

   Mit Data Engineers und Data Scientists zusammenarbeiten

   Du lernst, Anforderungen an Datenqualität und Datenmodelle so zu formulieren, dass Data Engineers sie umsetzen können. Für Prognosen übergibst du aufbereitete Daten an Data Scientists oder nutzt einfache Verfahren der Predictive Analytics selbst. Beispiel: Du meldest dem Datenteam, dass doppelte Einträge im Kundenstamm die Umsatzzahlen verfälschen.

Themen

Arbeitsmarkt

Data Analyst bundesweit in Zahlen