Agile Data Analyst (m/w/d) - mit Scrum - Qualifizierung in Datenbankentwicklung, -programmierung

Sie lernen in dieser Weiterbildung, wie Sie große Datenmengen erfassen, analysieren, verarbeiten und die Ergebnisse anschaulich und leicht verständlich visualisieren können. Weiterhin sind Sie in der Lage, aufgrund dieser Daten Konzepte und Handlungsempfehlungen zu entwickeln und wiederkehrende Abläufe mittels Machine Learning und NLP zu automatisieren. Aufgrund Ihrer Qualifizierungen zum Scrum Master PSM I und Scrum Product Owner PSPO I können Sie die beispielsweise die agile Vorgehensweise in einem Unternehmen etablieren bzw. eine Führungstätigkeit übernehmen.

Grundlagen und Statistik

• Grundlagen der Statistik
• Mittelwert, Varianz und Standardabweichung
• Stichproben und Konfidenzintervalle

Datenschutz und DSGVO

• Verarbeitungsgrundsätze
• Rechtsgrundlagen für die Datenverarbeitung
• Eingeschränktes "Konzernprivileg"
• Löschung und Datenübertragbarkeit
• Verarbeitungssituation und Umsetzung der DSGVO

Programmierung und Python

• Datenstrukturen
• Python-Skripte
• Installation und Einrichtung von Python
• Testen und Tuning
• Python im interaktiven Modus
• Grundlegende Programmierkonzepte

Webentwicklung und Data Handling

• Dynamische Websites-CGI und WSGI
• Modellieren mit Kellern, Schlangen und Graphen
• Einführung in Pandas und Dataframes
• Datenreinigung
• Datenvisualisierung

Machine Learning und Data Science

• Lineare Regression
• Multiple Regression
• Logistische Regression
• Einführung in Unsupervised Machine Learning
• K-Means Clustering
• Einführung in Neuronale Netze
• Praxisarbeit: Programmierung Neuronales Netzwerk
• Einführung in PyTorch

BI-Tools und Datenvisualisierung

• Datenvisualisierung geographischer Daten
• Datenmodellierung in Power BI Desktop
• Einführung in Power BI
• Anpassen von Tabellenstrukturen mit Power Query
• Fallbeispiele für das Erstellen von Power BI Reports
• Gestaltungsregeln für Reports und Dashboards
• Einführung in Tableau und Verstehen von Datenmodellierung
• Erstellen von interaktiven Dashboards

Data Analytics mit R

• Grundlagen der Arbeit mit R
• Datenmanagement und diskriptive Statistiken in R
• Umgang und Untersuchung von Datensätzen sowie Skalenbildung
• Deskriptive Statistik: Analysen und Untersuchungen
• Diagramme in ggplot2
• Streudiagramme, Korrelationsdiagramme und analytische Tests
• Regressionsanalysen
• Anwendung von R in der Forschung
• Lineare Regression, Moderation und Mediation

Datenbankentwicklung

• Einführung in relationale Datenbanken
• Datenbankmodellierung und Namenskonventionen
• Normalisierung und Normalformen
• Datentypen und Keys
• SELECT, JOIN und GROUP BY
• Ändern von Daten über INSERT, UPDATE und DELETE

DevOps und Containerisierung

• Theoretische Grundlagen von Softwarecontainern
• Grundlagen und Verwendung von Docker
• Grundlagen und Verwendung von Kubernetes
• Kombination von DevOps und Cloud Computing
• Einrichtung von Cloud Computing mit Ansible

Agile Methodik

• Agile Standards
• Agiles Projektmanagement
• Vorteile der agilen Arbeitsweise
• Hybrides Projektmanagement
• Projekt-Steuerung

Scrum Framework

• Einführung in Scrum
• Agiles vs. traditionelles Projektmanagement
• Scrum Master
• Sprint Planning
• Product Owner
• User Stories

Unternehmenskommunikation

• Kommunikationsmodelle
• Arten virtueller Kommunikation und Tools
• Virtuelle Kommunikation in Unternehmen
• Praktische Tipps für das digitale Arbeiten

Präsentationstechniken

• Einleitung und Vorbereitung von eigenen oder fremden Präsentationen
• Visualisierung und Medien

Datenmodelle und -architekturen

• Datenmodelle mit logischer und physischer Ebene

Interaktive Berichterstattung

• Erstellen von Reporten inklusive Dashboard mit Interaktivität

Datenanalytische Verfahren

• Aggregationen, Berechnungen und Parameter

Statistische Methoden und Analyse

• Regressionsanalysen