Datenanalyse

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
   This Data analysis bootcamp with AI is also available in English.
2. 2

   Alle Inhalte des Kurses Datenanalyse im Überblick

   Einführung in die Datenanalyse
   Grundlegende Konzepte der Datenanalyse und des analytischen Denkens verstehen
   Rolle und Bedeutung von Daten in betrieblichen Abläufen
   Basis für weiterführende Tätigkeiten im Bereich Data Analytics
   Datenbanken und Datenbankmanagementsysteme: MySQL und SQL
   Grundlagen relationaler Datenbanksysteme und deren Aufbau
   Abfragen, Filtern und Bearbeiten von Daten mithilfe von SQL
   Verwaltung und Organisation größerer Datenmengen mit MySQL
   Arbeiten mit MS Excel für Data Analytics
   Einsatz von Tabellen, Formeln und Funktionen zur Datenanalyse
   Strukturierung, Bereinigung und Visualisierung von Daten
   Anwendung bewährter Techniken zur Aufbereitung von Datensätzen
   Grundlagen der Statistik
   Verständnis zentraler Kennzahlen, Verteilungen und Zusammenhänge
   Auswertung und Interpretation von Daten zur Ableitung statistischer Aussagen
   Einführung in Wahrscheinlichkeitsrechnung und Hypothesentests
   Data Analytics mit Python: Pandas
   Einführung in Python mit Schwerpunkt auf datenanalytischen Anwendungen
   Import, Transformation und Analyse von Daten mit Pandas
   Auswertung umfangreicher Datensätze und Erstellung aussagekräftiger Analysen
   Explorative Datenanalyse und Visualisierung
   Identifikation und Analyse von Mustern sowie Zusammenhängen in Daten
   Visuelle Aufbereitung von Analyseergebnissen
   Einsatz von Visualisierungen zur Unterstützung datenbasierter Entscheidungen
   Dashboarding und Reporting mit Power BI
   Erstellung interaktiver Dashboards und Visualisierungen mit Power BI
   Aufbereitung von Berichten für unterschiedliche Zielgruppen
   Darstellung und Präsentation von Datenmodellen und Kennzahlen
   Ergänzend zu dieser Weiterbildung steht ein separater, kostenloser KI-Kurs zur Verfügung. Behandelt werden unter anderem KI-Grundlagen, KI-gestützte Content-Erstellung, Prompt Engineering, Automatisierungen, rechtliche Rahmenbedingungen und Datenschutz sowie der praktische Einsatz von KI im Arbeitsalltag.

1. 1

   Köln

   28.09.2026 · Blended Learning · Vollzeit · 3–6 Monate · 5.000–10.000 €

2. 2

   Köln

   28.09.2026 · Blended Learning · Teilzeit · 6–12 Monate · 5.000–10.000 €

3. 3

   Berlin

   28.09.2026 · Blended Learning · Vollzeit · 3–6 Monate · 5.000–10.000 €

4. 4

   Berlin

   28.09.2026 · Blended Learning · Teilzeit · 6–12 Monate · 5.000–10.000 €

5. 5

   Köln

   02.11.2026 · Blended Learning · Vollzeit · 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