100 % förderbar mit Bildungsgutschein
100% Förderung möglich.

Data Analyst

Weiterbildung für die Jobrolle als Data Analyst
Abschlusszertifikat
(Quer-)Einsteigende
Vollzeit/Teilzeit
Deutsch, Englisch
4.990
Kursbeschreibung

Die zertifizierte Data Analyst Weiterbildung – Fokus Python befähigt Dich dazu, Daten selbständig zu reinigen, aufzubereiten, zu visualisieren und unternehmensrelevante Vorhersagen zu tätigen.

Du erlangst online stark nachgefragte Fähigkeiten in der Programmiersprache Python, um Dich mit erfolgreichem Abschluss des Karrierepfades für die Jobrolle als Data Analyst oder eine andere analytische Jobrolle wie dem Business Intelligence Analyst oder Financial Analyst zu qualifizieren.

In diesem Training lernst Du
Basic Python Skills
Data Analytics with Python
Basic Statistik Skills
  • Datenquellen erschließen und filtern
  • Daten fachgerecht zusammenführen und aufbereiten
  • Selbstständig erweiterte Datenanalysen mit deskriptiver
    Statistik durchführen
  • Einfache Skripte in der Programmiersprache Python schreiben
  • Einfache Vorhersagen treffen
  • Best Practices für die effektive Datenvisualisierung

Zielgruppe

Die Data Analyst Weiterbildung – Fokus Python eignet sich für alle, die Python als Programmiersprache erlernen und eigenständig Datenanalysen durchführen wollen. Du solltest eine grundlegende Motivation für Data Analytics und das Programmieren mitbringen. Auch für Quereinsteiger:innen ist die Data Analyst Weiterbildung geeignet.

Vorraussetzungen für die Teilnahme

  • Einstufungstest
  • Grundkenntnisse Mathematik & Statistik

Module

1
Python Beginners Guide
toggle

Ziel:
Einführung in die Programmierung mit Python

Beschreibung:
Teilnehmende machen sich mit der interaktiven Lernumgebung– dem Data Lab von StackFuel – und der Programmiersprache Python vertraut.

Kapitel 1 – Python Basics:
Teilnehmende bewegen sich zum ersten Mal im Data Lab und machen sich mit den Grundlagen der Programmierung vertraut. Sie lernen, Zahlen und Texte als Variablen in Python zu speichern und diese als Gruppen in Listen zu bündeln. Die sachgemäße Leseart von Fehlermeldungen rundet das Grundlagenwissen ab.

Kapitel 2 – Programming Basics:
Teilnehmende bauen ihre Programmiergrundlagen weiteraus. Die Anwendung von Funktionen und Methoden sowie von Ablaufkontrollen mithilfe von Bedingungen stehen im Fokus dieses Kapitels.

Kapitel 3 – Loops and Functions:
Das letzte Kapitel des Grundlagenmoduls widmet sich der Ablaufkontrolle unter Verwendung von Schleifen. Teilnehmende erweitern ihren Funktionsumfang durch das Importieren weiterer Python-Pakete und erhalten einen Einblick in die Versionierung von Code mit Git. Mit Abschluss des Kapitels kennen Teilnehmende die wichtigsten Programmierungskonzepte, die für die Arbeit als Data Analyst wichtig sind.

2
Data Analytics with Python
toggle

Ziel:
Eigenständige Sammlung, Analyse und Visualisierung von Daten mit Python

Beschreibung:
Teilnehmende lernen, neue Datenquellen zu erschließen, zu filtern und zusammenzuführen. Sie üben, Unternehmensdaten mit ansprechenden Visualisierungen zielgruppengerecht zugänglich zu machen und selbstständig klassische Datenverarbeitungsprozesse durchzuführen (Daten einlesen, filtern, reinigen verarbeiten und visualisieren).

Kapitel 1 – Data Pipelines (Pandas):
Dieses Kapitel vermittelt die effiziente Nutzung von Pandas – das Standardwerkzeug eines Data Analysts in Python. Teilnehmende lernen, damit Daten in CSV-Dateien einzulesen, zu bereinigen und zu aggregieren.

Kapitel 2 – Data Exploration (Matplotlib):
Teilnehmende üben mit Hilfe von Marketingdaten die Visualisierung verschiedener Datenniveaus. Numerische Daten werden als Histogramme und Streudiagramme dargestellt, während kategorische Daten als Säulen- und Tortendiagramme abgebildet werden.

Kapitel 3 – Predictions (Statistics):
Teilnehmende erlernen anhand von Produktbewertungen statistische Begriffe wie Median und Quartile. Sie identifizieren Ausreißer und erstellen einfache Vorhersagen mit der linearen und logistischen Regression.

Kapitel 4 – Internal Data (SQL):
Teilnehmende lernen, Datenbanken am Beispiel einer Personaldatenbank auszulesen und Standard-SQL-Abfragen zu formulieren.

Kapitel 5 – External Data (API):
Teilnehmende greifen mit Hilfe von Python auf Informationen wie Webseiten und von StackFuel konzipierte APIs im Internet zu.

Kapitel 6 – Advanced Jupyter:
Teilnehmende lernen Jupyter-Funktionalitäten kennen und lösen fortgeschrittene Visualisierungsprobleme wie Live-Updates und Interaktivität im Kontext eines Aktienmarktszenarios.

Kapitel 7 – Exercise Project:
Teilnehmende analysieren ein New-Yorker-Taxidatenset mit über einer Million Fahrten und setzen ihre Python-Fähigkeiten möglichst eigenständig ein, um vorgegebene Fragestellungen zu beantworten.

Kapitel 8 – Final Project:
Teilnehmende analysieren die Kundenabwanderungen eines Telekommunikationsunternehmens. Sie durchlaufen die gesamte Daten-Pipeline selbstständig und beantworten typische Fragestellungen. In einem 1-on1- Feedbackgespräch mit dem Mentorenteam von StackFuel präsentieren sie ihr Projekt

FAQ

Der Bedarf an Data Expert:innen ist hoch. Bis 2025 werden rund 4 Millionen Datenexpert:innen in Europa benötigt. Allein in Deutschland sind derzeit 149.000 IT-Jobs unbesetzt. Vor allem die Nachfrage nach Daten- und KI-Experten nimmt weiterhin enorm zu.

Aber eine Entscheidung für eine Daten-Karriere ist noch so viel mehr als nur eine sichere Zukunftsentscheidung! Als Datenexpert:in beschäftigst Du Dich mit starken, gesellschaftlich relevanten Themen, bist gleichzeitig Tech-Profi und kommunikativ und kreativ. Der Beruf ist abwechslungsreich, lässt sich mit den meisten anderen Berufen kombinieren und bietet ein attraktives Gehalt. Und das Wichtigste: Er ist mit uns zielsicher erlernbar!

Ja, nach erfolgreichem Abschluss der Weiterbildung erhältst Du ein Abschlusszertifikat von uns, dass Du bei Deinen Bewerbungen vorzeigen kannst. Data Analysts und Data Scientists werden in vielen Wirtschaftsbereichen händeringend gesucht. Selbst ohne einschlägige Berufserfahrungen stehen Deine Chancen auf einen Einstiegsjob also gut. Dazu kommt, dass es in fast jeder Branche Analysten gibt, diese haben dann zwar unterschiedliche Jobtitel, aber die Fähigkeiten, die Du dazu brauchst, sind dieselben, wie die des Data Analyst oder Data Scientist.
Ja, unsere Online-Weiterbildungen sollen Dir die größtmögliche Flexibilität bieten. Grundsätzlich empfehlen wir sechs bis acht Stunden pro Woche zum Lernen einzuplanen. Wann Du diese Zeit einplanen willst, liegt bei Dir und wird von uns nicht vorgeschrieben. In unseren Karrierepfaden, dem Data Analyst und Data Scientist Kurs, bieten wir Dir Live-Webinare, in denen Du unseren Mentor:innen Fragen stellen kannst, an denen Du aber nicht teilnehmen musst, wenn es nicht in Deinen Zeitplan passt.
quotation_marks
testemonial_picture_
Das Data Lab von StackFuel bietet für mich einen echten Mehrwert. Hier spürt man den Praxisbezug besonders gut. Die Aufgaben waren immer klar beschrieben und anschaulich dargestellt. So wusste ich immer, was ich machen muss. Das Training an sich war eine großartige Erfahrung!
Alexander Gross
Data Analyst bei AIC Portaltechnik
quotation_marks_flipped
quotation_marks
testemonial_picture_
Den größten Mehrwert bietet für mich der Praxisbezug. Dank StackFuel kann ich das Erlernte schnell umsetzen und für mich adaptieren. Das ist der echte Lernerfolg hinter den Online-Trainings.
Lutz Schneider
Strategischer IT-Einkäufer bei Axel Springer SE
quotation_marks_flipped
quotation_marks
testemonial_picture_
Die Inhalte des Online-Trainings von StackFuel waren sehr praxisorientiert. Es gab viele gute Beispiele und Projekte. Das fand ich sehr interessant und lehrreich. Seit dem Training hat sich mein Berufsalltag maßgeblich verändert: Ich bin jetzt Fachreferent für Datenanalysen in meiner Abteilung.
Jaroslaw Wojciech Sulak
Fachreferent für Datenanalysen bei IAV GmbH
quotation_marks_flipped
quotation_marks
testemonial_picture_
Die anwendungsfreundliche und flexible Weiterbildung Python-Programmierung hat meinen Blick auf komplexe Datenstrukturen komplett verändert. Dank des nachhaltigen und gut durchdachten Lernkonzepts sowie der nahtlosen Anwendung der Lerninhalte in der Entwicklungsumgebung kann ich das neu erlernte Wissen jetzt in meinem Joballtag vertieft in der Testautomation umsetzen und Daten seitdem leichter und effizienter verarbeiten.
Jenny Lindenau
Fachliche Leitung Testmanagement bei Bank Deutsches Kraftfahrzeuggewerbe GmbH
quotation_marks_flipped

Lass uns starten mit einer Beratung.

Unsere Beraterinnen und Berater helfen Dir gerne weiter und beantworten Dir alle offenen Fragen. Kostenlos und unverbindlich. Wir freuen uns auf Dich.
4.990*
(inkl. MwSt.)
0 € mit Bildungsgutschein