Business-Analyse – Data Analytics und Reporting

Überblick Data Analytics, Business Intelligence und Co.

• Begriffe und Konzepte einordnen wie Descriptive Analytics, Prescriptive Analytics, Data Science, Business Analytics
• Das richtige Vorgehensmodell für die eigene Praxis
• Zusammenhänge zwischen Geschäftsprozessen und Daten verstehen

Auswertungen mit Datenbanken

• Datenbankabfragen mit SQL und NoSQL
• Umgang mit fehlenden und fehlerhaften Daten (Data Cleansing)
• Daten miteinander verknüpfen (Joins)
• Sortieren und Gruppieren von Abfrageergebnissen (Grouping)
• Kennzahlen aus Daten ableiten
• Abfrageergebnisse aufbereiten

Entscheidungsbäume und Random Forests

• Geschäftslogik aus Daten ableiten (Decision Trees)
• Machine-Learning-Algorithmus verstehen
• Lernziele festlegen (Labeling)
• Vor- und Nachteile der Entscheidungsbäume in der Praxis
• Zuverlässigkeit der Entscheidung verbessern (Random Forests)

Textklassifikation

• Analyse unstrukturierter Textdaten
• Klassifikation anhand von Schlüsselwörtern
• Vorbereitung von Daten für die Klassifikation (Pre-Processing, Word Embeddings)
• Automatische Klassifizierung von Texten mit Machine Learning

Data Mining

• Zusammengehörige Daten finden (Clusteranalyse)
• Beziehungen in Datensätzen erkennen (Assoziationsanalyse)
• Auffälligkeiten in Daten (Ausreißer erkennen)
• Auswertungen mithilfe von Tools

Predictive Analytics

• Die Zukunft vorhersagen: Zeitreihen-Prognose
• Qualität von Prognosen messen (Accuracy und Loss)
• Regressionsanalyse (Anwendungsbeispiel: Betrugsfallerkennung)
• Umgang mit sehr kleinen Datenmengen (Imbalanced Dataset)
• Fortgeschrittene Methoden wie neuronale Netze

Analyseergebnisse präsentieren

• Analyseergebnisse verständlich aufbereiten und darstellen
• Reports erstellen und designen
• Gelungene und adressatengerechte Kommunikation
• Data Storytelling
• Visual Analytics, Datenvisualisierung

Übungen, Praxisfälle und Anwendungen zu jedem Thema

• Fallbeispiele
• Praxisübungen am Rechner

• Du analysierst systematisch Daten und bereitest diese auf
• Du beherrschst praxisgerechte Werkzeuge und Tools
• Du wendest ein systematisches Vorgehen an, um alle Aspekte einer Datenanalyse zu berücksichtigen
• Du kennst die aktuellen Trends und Möglichkeiten von KI und kannst diese für Dein Data Analytics nutzen
• Du visualisierst Analyseergebnisse professionell, intuitiv verständlich und empfängergerecht
• Du begleitest den gesamten Datenlebenszyklus von „raw to ready“
• Du wendest die Inhalte direkt an Praxisfällen an