Datenanalyse: Datenaufbereitung und Analyse­automatisierung

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
   Die Weiterbildung "Datenanalyse mit Azure KI für Data Analysts: Datenaufbereitung und Analyseautomatisierung" vermittelt grundlegende und aufbauende Kenntnisse in den Themenbereichen "Datenaufbereitung" und "Analyseautomatisierung". Im fachlichen Mittelpunkt stehen das Kompetenzfeld Azure AI und der Anwendungsschwerpunkt Datenanalyse. Im Mittelpunkt stehen wiederholbare Abläufe, geeignete Schnittstellen und eine nachvollziehbare Behandlung von Ausnahmen. Für Azure AI werden Grenzen, Abhängigkeiten und geeignete Kontrollschritte berücksichtigt. Als roter Faden dient die Aufgabenstellung "Datenanalyse mit Azure KI für Data Analysts"; sie wird aus fachlicher, methodischer und qualitätsbezogener Perspektive bearbeitet. Für die Praxisfälle werden Kenntnisse zu Azure AI aufgebaut und mit fachlichen Bezügen zu Datenanalyse verknüpft. 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
   Der Lernfortschritt zu Azure AI wird durch eine dokumentierte Transferaufgabe sichtbar gemacht.
3. 3

   Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert

   Datenkontext und Fragestellungen: Der Schwerpunkt "Datenanalyse mit Azure KI für Data Analysts" 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 die Auswahl geeigneter Ressourcen, Bereitstellung, Zugriffe, Überwachung und betriebliche Auswirkungen. Die Teilnehmenden setzen Azure AI in einem abgegrenzten Aufgabenabschnitt selbstständig ein.
   Datenaufbereitung: Quellen, Formate und Verarbeitungsschritte werden erfasst, bereinigt und zu einem nachvollziehbaren Ablauf verbunden.
   Analyseautomatisierung: Ein manueller Prozess wird aufgenommen, in Regeln und Schritte überführt und mit geeigneter Fehlerbehandlung ergänzt. Anhand beruflicher Situationen wird geprüft, wie Azure AI einzuordnen ist und welche Rolle Datenanalyse dabei übernimmt.
   Datenquellen: Begriffe, Abläufe und Entscheidungspunkte werden miteinander verbunden und in einer praxisnahen Aufgabe angewendet.
   Ablauflogik und kontrollierte Ausführung: Auslöser, Regeln, Aktionen und Ausnahmen werden in einen testbaren Ablauf überführt und anhand realistischer Fälle geprüft. Die Teilnehmenden vergleichen Vorgehensweisen, in denen die Schwerpunkte Azure AI und Datenanalyse unterschiedliche Anforderungen abdecken.
   Qualität der Auswertung: Quellen, Annahmen, Berechnungen und Aussagen werden kontrolliert und verständlich dokumentiert.
   Dokumentiertes Abschlussbeispiel: Die erworbenen Kenntnisse werden in einer vollständigen Aufgabe zusammengeführt und mit Arbeitsschritten, Entscheidungen und Ergebnissen festgehalten. Dokumentierte Ergebnisse zeigen, wie Azure AI und Datenanalyse im jeweiligen Aufgabenfeld zusammenwirken.
   Die Lernaufgaben verbinden Azure AI mit Datenanalyse und machen die Schnittstellen zwischen beiden Themen sichtbar. Die Übungen sind so angelegt, dass Teilnehmende Begriffe nicht nur wiedergeben, sondern Arbeitsschritte begründen, Ergebnisse prüfen und auf einen neuen Fall übertragen. Die Übungen behandeln Azure AI in einem klaren Arbeitsablauf und beziehen Datenanalyse an passenden Entscheidungspunkten ein. 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

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