Business Analytics und Reporting Kurs

Lektion 1 • Datentypen und Datenstrukturen

Behandelt strukturierte, semistrukturierte und unstrukturierte Daten sowie deren Speicherformate. Verknüpft das Bewusstsein für Datenstrukturen mit der Auswahl von Tools und Methoden.

Lektion 2 • Was Geschäftsanalyse bedeutet

Definiert Analyse und unterscheidet deskriptive, diagnostische, prädiktive und präskriptive Typen. Schafft ein gemeinsames Vokabular, das im gesamten Kurs verwendet wird.

Lektion 3 • Grundlagen der Ethik und Data Governance

Führt in Datenschutzgrundsätze, Verzerrungsrisiken und organisatorische Data Governance ein. Stellt ethische Entscheidungsfindung als grundlegende Anforderung für alle Analysearbeiten dar.

Lektion 4 • Schlüsselrollen in einem Analyseteam

Ordnet die Rollen von Analyst, Ingenieur, Data Scientist und Stakeholder den Projektverantwortlichkeiten zu. Hilft den Lernenden, ihre eigene Rolle in funktionsübergreifenden Teams zu verorten.

Lektion 1 • Dokumentation von Datenpipelines

Legt Standards für Metadaten, Datenwörterbücher und die Dokumentation der Datenherkunft fest. Stellt die Reproduzierbarkeit und Prüfbarkeit aller Aufbereitungsschritte sicher.

Lektion 2 • Identifizierung und Beschaffung von Daten

Behandelt interne Systeme, externe Datenbanken, APIs und Erhebungsinstrumente als Datenquellen. Verknüpft die Quellenauswahl mit den im Projekt-Scoping festgelegten Analysezielen.

Lektion 3 • Bewertung der Datenqualität

Vermittelt Vollständigkeit, Genauigkeit, Konsistenz und Aktualität als Qualitätsdimensionen. Bietet diagnostische Prüfungen, die vor jeder Bereinigung oder Transformation durchgeführt werden.

Lektion 4 • Datentransformation und Feature-Engineering

Behandelt Normalisierung, Aggregation, Pivotierung und die Erstellung abgeleiteter Variablen. Bereitet die Datenstrukturen vor, die von analytischen Modellen in späteren Kapiteln benötigt werden.

Lektion 1 • Korrelation und Kovarianz

Erklärt lineare Beziehungen zwischen Variablen mithilfe von Korrelationskoeffizienten und Kovarianz. Bereitet die Lernenden auf die im nächsten Kapitel eingeführte Regressionsanalyse vor.

Lektion 2 • Maße der Variabilität und Streuung

Behandelt Spannweite, Varianz, Standardabweichung und Interquartilsabstand. Verknüpft Streuungsmaße mit Risikobewertung und Leistungsbenchmarking.

Lektion 3 • Maße der zentralen Tendenz

Vermittelt die Berechnung von Mittelwert, Median und Modus sowie deren geeignete Anwendungsfälle. Fundiert statistisches Denken in betriebswirtschaftlichen Kennzahlen wie durchschnittlichem Umsatz und medianer Betriebszugehörigkeit.

Lektion 4 • Grundlagen des Hypothesentests

Behandelt Null- und Alternativhypothesen, p-Werte und Signifikanzniveaus. Ermöglicht datengestützte Entscheidungsfindung durch statistisch fundierte Überprüfung von Geschäftsannahmen.

Lektion 1 • Erstellung effektiver Dashboards

Vermittelt Layouthierarchie, KPI-Platzierung und Interaktivitätsdesign für operative Dashboards. Verknüpft die Dashboard-Struktur mit den Entscheidungsanforderungen bestimmter Zielgruppen.

Lektion 2 • Häufige Fehler bei der Visualisierung

Identifiziert gestutzte Achsen, irreführende Skalen, Missbrauch von Doppelachsen und selektierte Daten. Fördert kritische Bewertungsfähigkeiten sowohl bei der Erstellung als auch bei der Überprüfung analytischer Datenvisualisierungen.

Lektion 3 • Data Storytelling

Wendet narrative Strukturen – Kontext, Konflikt, Lösung – auf analytische Präsentationen an. Überbrückt die Kluft zwischen technischen Ergebnissen und Entscheidungsfindung auf Führungsebene.

Lektion 4 • Grundlagen des visuellen Designs

Behandelt Farbtheorie, Typografie, Weißraum und präattentive Merkmale für Analysevisualisierungen. Stellt sicher, dass Diagramme genau kommunizieren, ohne den Betrachter in die Irre zu führen oder zu überfordern.

Lektion 1 • Drill-down- und Slice-and-Dice-Analyse

Vermittelt die dimensionale Dekomposition, um Leistungstreiber über Segmente hinweg zu isolieren. Baut auf deskriptiver Statistik auf, um von der Frage „Was ist passiert?“ zur Frage „Wo ist es passiert?“ zu gelangen.

Lektion 2 • Frameworks für die Ursachenanalyse

Führt Fischgrätendiagramme, die Fünf-Warum-Methode und die Fehlerbaumanalyse für strukturierte Untersuchungen ein. Bietet wiederholbare diagnostische Frameworks, die auf verschiedene Geschäftsfunktionen anwendbar sind.

Lektion 3 • Trend- und Abweichungsanalyse

Behandelt Periodenvergleiche, Soll-Ist-Abweichungen und Trendzerlegung. Verbindet die statistische Erkennung von Veränderungen mit dem Leistungsmanagement im Unternehmen.

Lektion 4 • Kommunikation diagnostischer Ergebnisse

Strukturiert diagnostische Berichte mit Evidenzketten, die Symptome mit Ursachen verknüpfen. Bereitet die Lernenden darauf vor, Ergebnisse zu präsentieren, die direkt zu Korrekturmaßnahmen führen.

Lektion 1 • Modellevaluierung und -validierung

Vermittelt R-Quadrat, RMSE, MAE und Kreuzvalidierung zur Bewertung der Modellleistung. Stellt sicher, dass Modelle zuverlässig sind, bevor sie in Geschäftsentscheidungsprozessen eingesetzt werden.

Lektion 2 • Kommunikation prädiktiver Modellergebnisse

Übersetzt technische Modellausgaben in geschäftsrelevante Prognosen und Konfidenzbereiche. Behandelt, wie man Modellunsicherheiten gegenüber nicht-technischen Stakeholdern ehrlich darstellt.

Lektion 3 • Logistische Regression für Klassifikation

Erweitert die Regression auf binäre Ergebnisse wie Abwanderungs-, Ausfall- und Konversionsprognosen. Führt Wahrscheinlichkeitsausgaben, Konfusionsmatrizen und Klassifikationsschwellenwerte ein.

Lektion 4 • Einführung in die prädiktive Modellierung

Rahmt Vorhersage als Schätzung zukünftiger Werte aus Mustern in historischen Daten. Unterscheidet Regression von Klassifikation und ordnet beide im Analyselebenszyklus ein.

Lektion 1 • Qualitätssicherung von Berichten

Etabliert Peer-Review, Datenvalidierung und Versionskontrollpraktiken für die Berichtsgenauigkeit. Schafft Vertrauen in Analyseergebnisse durch systematische Qualitätsprüfungen.

Lektion 2 • Berichtsarten und -zwecke

Unterscheidet operative, taktische und strategische Berichte nach Zielgruppe und Entscheidungshorizont. Stimmt Berichtsformat und -tiefe auf den spezifischen Informationsbedarf ab.

Lektion 3 • Schreiben für analytische Zielgruppen

Wendet Prinzipien einfacher Sprache an, um statistische Ergebnisse in klare geschäftliche Prosa zu übersetzen. Reduziert Fachjargon und verbessert das Verständnis für gemischte Leserschaften, die aus Fachleuten und Nicht-Fachleuten bestehen.

Lektion 4 • Strukturierung analytischer Berichte

Behandelt Zusammenfassung, Ergebnisse, Methodik und Empfehlungsteile. Lehrt einen logischen Ablauf, der den Leser effizient vom Kontext zur Schlussfolgerung führt.

Lektion 1 • Zeitreihenprognose

Behandelt gleitende Durchschnitte, exponentielle Glättung und Trend-Saisonalitätszerlegung für Prognosen. Erweitert Regressionsfähigkeiten auf Zeitdaten mit Autokorrelation und Verzögerungsstrukturen.

Lektion 2 • Analysestrategie- und Reifegradmodelle

Bewertet die organisatorische Analysereife und zeichnet einen Fahrplan von der reaktiven zur prädiktiven Fähigkeit. Positioniert die Lernenden, um die Analysetransformation in ihren Organisationen zu führen.

Lektion 3 • Optimierungskonzepte für Unternehmen

Führt in die lineare Programmierung und constraintsbasierte Optimierung für Ressourcenzuteilungsprobleme ein. Verbindet mathematische Optimierung mit Preis-, Personal- und Bestandsentscheidungen.

Lektion 4 • Erstellung des Business Case für Analysen

Rahmt Analyseinvestitionen mithilfe von ROI, Kosten-Nutzen-Analyse und Metriken zur Wertrealisierung. Bereitet die Lernenden darauf vor, sich auf Führungsebene für Analyseinitiativen einzusetzen.

Lektion 5 • Segmentierung und Clustering

Wendet k-Means und hierarchisches Clustering an, um Kunden, Produkte und Märkte zu segmentieren. Ermöglicht gezielte Strategien, indem natürliche Gruppierungen in Geschäftsdaten aufgedeckt werden.