Data Analyst

Kompetenzziele

• Daten mit SQL aus Datenbanken abfragen, verknüpfen und verwalten
• Datensätze mit Python für Data Analytics aufbereiten und auswerten
• Statistische Verfahren anwenden und Ergebnisse für das Controlling interpretieren
• Machine-Learning-Methoden für Data Analysts einordnen und einsetzen
• Daten aus Datenbanken, Cloud und Tabellen in Power BI integrieren und mit DAX berechnen
• Echtzeit-Analysen, Berichte und Dashboards für Entscheidungen erstellen
• Grundlagen von GitHub für die Prüfung GH-900 erarbeiten

Themen und Zusammenhänge

Die Arbeit eines Datenanalysten beginnt bei Data Literacy und Datenmanagement: SQL erschließt Datenbanken, Python bereitet Daten auf, Statistik und Controlling machen Kennzahlen deutbar, und Machine Learning erweitert die Auswertung um Modelle. Ein Data-Analytics-Projekt verbindet diese Schritte zu einer durchgängigen Analyse. Die Vorbereitung auf GitHub Foundations rundet den Analyseteil ab. Auf der Reporting-Seite integriert Power BI Daten in Modelle und Visualisierungen, vom einfachen Report bis zum mehrseitigen Dashboard. Power Apps und Power Automate aus der Power Platform sowie BPMN 2.0 zeigen, wie Analyseergebnisse in Geschäftsprozesse und automatisierte Abläufe zurückfließen.

Abschluss

Vorbereitet werden die Zertifizierungen PL-300 Microsoft Power BI Data Analyst, GH-900 GitHub Foundations und PL-900 Microsoft Power Platform Fundamentals.

Berufliche Perspektiven

Einsatzfelder liegen überall dort, wo große Datenmengen gesammelt, ausgewertet und als Entscheidungsgrundlage aufbereitet werden.

• Data Analyst bzw. Datenanalystin oder Datenanalyst für Auswertung und Interpretation von Unternehmensdaten
• Business Intelligence Analyst:in mit Berichten und Dashboards
• Datenanalyse mit SQL und Python in Arbeitsbereichen und im Controlling