Sie suchen Ihre bereits erworbenen Lerninhalte? Dann geht es hier entlang: Zum academy Campus

heise academy Logo
Classroom-Sessions

Explorative Datenanalyse (EDA) – Datenquellen identifizieren und Datenqualität sichern

Zuverlässige Datenanalysen stehen und fallen mit der Qualität der zugrundeliegenden Daten. In dieser Session lernst du, wie du systematisch Datenquellen identifizierst, verschiedene Datenformate optimal nutzt und durch professionelle Datenbereinigung sowie Governance-Standards die Grundlage für vertrauenswürdige Analysen schaffst.

Enterprise
Professional

Explorative Datenanalyse (EDA) – Datenquellen identifizieren und Datenqualität sichern

Enthalten im Classroom: KI und Data Science im Unternehmen – von Rohdaten zu verwertbaren Erkenntnissen
Zum Classroom
Überblick

  • Du lernst Daten explorativ zu analysieren und deine Daten mit bewährten Techniken zur Bereinigung und Normalisierung zu transformieren

  • Du verstehst Datenqualität zu sichern, Versionen zu dokumentieren und Standards zur Governance zu etablieren

  • Du reflektierst ethische Fragestellungen und lernst, Bias frühzeitig zu erkennen und zu vermeiden

Inhalt

Die Vielfalt moderner Datenlandschaften erfordert einen strukturierten Ansatz: Du lernst, interne und externe Datenquellen systematisch zu erfassen und deren Relevanz für deine Analyseziele zu bewerten. Unser Experte zeigt dir, wie du strukturierte, unstrukturierte und semistrukturierte Datenformate unterscheidest sowie die jeweils geeigneten Tools und Methoden auswählst.

Die explorative Datenanalyse (EDA) bildet das Herzstück jeder fundierten Datenanalyse. Du entwickelst die Fähigkeit, Verteilungen zu erkennen, Korrelationen aufzudecken und aussagekräftige Datenmuster zu identifizieren. Dabei wendest du bewährte Techniken zur Datenbereinigung und Normalisierung an, um aus rohen Datenbeständen analysefähige Datensätze zu erstellen.

Besondere Aufmerksamkeit gilt der Etablierung von Datenqualitätsstandards und Governance-Strukturen. Du lernst, Versionierungssysteme einzuführen, welche die Wiederholbarkeit und Nachvollziehbarkeit deiner Analysen gewährleisten. Abschließend sensibilisiert dich unser Experte für ethische Fragestellungen in der Datenanalyse und vermittelt dir Strategien, um verschiedene Formen von Bias frühzeitig zu erkennen und minimieren.

Zielgruppe

(Projekt-)Manager, Business-Analysten sowie Fach- und Führungskräfte, die datengetriebene Initiativen starten oder ausbauen möchten.

Voraussetzungen

Grundkenntnisse in Datenverarbeitung und Statistik sowie erste Erfahrungen mit Python sind hilfreich, aber nicht zwingend erforderlich.

Agenda

  • Systematische Erfassung interner und externer Datenquellen

  • Klassifikation in strukturierte, unstrukturierte und semistrukturierte Daten

  • Grundlagen Explorativer Datenanalyse (EDA)

  • Datenbereinigung, Normalisierung und Datensplitting

  • Datenqualität, Governance und Versionierung

  • Ethik in der Datenanalyse und Umgang mit Bias

Foto von Benedikt Backhaus

Benedikt Backhaus

KI-Dozent und Unternehmensberater | Selbstständig

Zum Profil