Sie suchen Ihre bereits erworbenen Lerninhalte? Dann geht es hier entlang: Zum academy Campus
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.
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
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.
(Projekt-)Manager, Business-Analysten sowie Fach- und Führungskräfte, die datengetriebene Initiativen starten oder ausbauen möchten.
Grundkenntnisse in Datenverarbeitung und Statistik sowie erste Erfahrungen mit Python sind hilfreich, aber nicht zwingend erforderlich.
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
Benedikt Backhaus ist selbstständiger KI-Berater und Keynote Speaker. Er unterstützt mittelständische Unternehmen und Global Player dabei, Künstliche Intelligenz strategisch und praxisnah im Arbeitsalltag zu verankern. Er hat über 35 Videokurse zur KI-Anwendung in Unternehmen entwickelt und umgesetzt. Darüber hinaus schult er in Workshops, Online-Trainings und Live-Webinaren Mitarbeitende in der berufsbezogenen Anwendung von KI-Tools wie ChatGPT. Auf LinkedIn teilt er regelmäßig Impulse, Use Cases und Tipps zum produktiven KI-Einsatz.