Statistik

Kompetenzziele

• Mittelwert, Median, Varianz und Standardabweichung berechnen und vergleichen
• Häufigkeitsverteilungen und Normalverteilung als Grundlage der deskriptiven Statistik beschreiben
• Korrelation zwischen Merkmalen messen und von Ursache-Wirkungs-Beziehungen abgrenzen
• Trends in Datenbeständen mit SQL-Abfragen auf realen Datensätzen erkennen
• Statistische Modelle wie die lineare Regression in Python umsetzen und Prognosen erstellen
• Auswertungen in Power BI visualisieren und Handlungsempfehlungen ableiten

Themen und Zusammenhänge

Die Grundlagen der Statistik beginnen bei Lage- und Streuungsmaßen und den Eigenschaften von Verteilungen. Darauf aufbauend wird die Korrelation als Maß für den Zusammenhang zweier Merkmale behandelt, bevor Regressionsmodelle Schätzungen und Prognosen ermöglichen. Die Datenauswertung mit SQL schafft den Zugang zu Datenbanken und realen Datensätzen, in denen Trends sichtbar werden.

Statistische Modelle werden in Python umgesetzt und in Power BI visualisiert; anschließend fließen die Ergebnisse in Reports ein, die Statistik mit Konzepten der Business Intelligence und Data Analytics verknüpfen. Den Abschluss bildet ein eigenes Auswertungsmodell, das mehrere Datenquellen zusammenführt, Ergebnisse darstellt und daraus Handlungsempfehlungen begründet.

Berufliche Perspektiven

Einsatzfelder liegen überall dort, wo Entscheidungen durch Zahlen und mathematische Modelle abgesichert werden:

• Statistikerin oder Statistiker in Fachabteilungen – Aufbereitung und Prüfung von Datenreihen
• Data Analyst – Einordnung von Analyseergebnissen über statistische Kennzahlen
• Sachbearbeitung Statistik und Planung – Auswertung von Kennzahlenreihen und Prognosen
• Business-Intelligence-Analystin oder -Analyst – Verbindung statistischer Verfahren mit dem Berichtswesen