Datenanalyse Weiterbildung

Lektion 1 • Kernprinzipien des Logischen Denkens

Stellt deduktives, induktives und abduktives Denken als das Rückgrat der Analyse vor. Die Teilnehmer wenden jede Denkweise auf einfache reale Szenarien an.

Lektion 2 • Strukturieren einer Problemstellung

Vermittelt, wie vage Fragen in präzise, beantwortbare Problemstellungen umgewandelt werden. Eine klare Formulierung vermeidet Verschwendung von Aufwand und lenkt die Datenerhebung.

Lektion 3 • Erkennen Kognitiver Verzerrungen in der Analyse

Untersucht die einflussreichsten kognitiven Verzerrungen, die das analytische Urteilsvermögen verzerren. Die Teilnehmer lernen Strategien zur Erkennung und Abschwächung jeder Verzerrung.

Lektion 1 • Ethische Überlegungen bei der Datenerhebung

Behandelt Einwilligung, Privatsphäre und verantwortungsvollen Umgang mit Daten als nicht verhandelbare analytische Standards. Ethische Verstöße untergraben sowohl die Ergebnisse als auch die berufliche Glaubwürdigkeit.

Lektion 2 • Stichprobenverfahren und Repräsentativität

Behandelt Wahrscheinlichkeits- und Nicht-Wahrscheinlichkeits-Stichprobenverfahren und ihre Zielkonflikte. Eine ordnungsgemäße Stichprobenziehung stellt sicher, dass die Ergebnisse über die erhobene Stichprobe hinaus verallgemeinerbar sind.

Lektion 3 • Arten und Strukturen von Daten

Unterscheidet quantitative, qualitative, strukturierte und unstrukturierte Datentypen. Das Verständnis der Datenstruktur bestimmt, welche analytischen Methoden anwendbar sind.

Lektion 4 • Bewertung der Datenqualität

Stellt Genauigkeit, Vollständigkeit, Konsistenz und Aktualität als Qualitätsdimensionen vor. Die Teilnehmer wenden eine Qualitätscheckliste an, bevor sie mit einer Analyse beginnen.

Lektion 1 • Häufigkeitsverteilungen und Histogramme

Vermittelt die Erstellung und Interpretation von Häufigkeitstabellen und Histogrammen. Diese Werkzeuge offenbaren die Form, Schiefe und Modalität einer Verteilung.

Lektion 2 • Maße der Variabilität und Streuung

Stellt Spannweite, Varianz, Standardabweichung und Interquartilsabstand vor. Variabilitätsmaße zeigen, wie stark einzelne Werte vom Zentrum abweichen.

Lektion 3 • Maße der Zentralen Tendenz

Behandelt Mittelwert, Median und Modus als Werkzeuge zur Zusammenfassung des Zentrums einer Verteilung. Die Stärken und Grenzen jedes Maßes werden mit dem Datentyp und der Verteilungsform in Verbindung gebracht.

Lektion 4 • Kreuztabellierung und Kontingenztabellen

Zeigt, wie Beziehungen zwischen zwei kategorialen Variablen untersucht werden. Die Kreuztabellierung ist ein grundlegender Schritt vor der Anwendung von Inferenztests.

Lektion 1 • Dashboards und Multi-Diagramm-Layouts

Vermittelt, wie mehrere Diagramme in einem kohärenten Analyse-Dashboard angeordnet werden. Effektive Layouts führen den Blick des Betrachters vom Kontext über das Detail zur Schlussfolgerung.

Lektion 2 • Prinzipien der Effektiven Visuellen Kommunikation

Etabliert Gestaltungsprinzipien – Klarheit, Genauigkeit und Effizienz – die gute Diagramme bestimmen. Schlechte Designentscheidungen führen das Publikum in die Irre und schwächen die analytische Glaubwürdigkeit.

Lektion 3 • Auswahl des richtigen Diagrammtyps

Ordnet analytische Fragen geeigneten Diagrammtypen wie Balken-, Linien-, Punkt- und Kreisdiagrammen zu. Die Diagrammauswahl wird durch den Datentyp und die darzustellende Beziehung bestimmt.

Lektion 1 • Der EDA-Workflow

Skizziert eine wiederholbare Abfolge zur Erkundung unbekannter Datensätze vom ersten Blick bis zur Hypothesengenerierung. Ein strukturierter Workflow verhindert voreilige Schlussfolgerungen.

Lektion 2 • Identifizierung von Trends und Saisonalität

Vermittelt die Zerlegung von zeitlich geordneten Daten in Trend-, Saison- und Restkomponenten. Das Erkennen dieser Muster ist vor der Anwendung von Zeitreihenmodellen unerlässlich.

Lektion 3 • Korrelations- und Assoziationsanalyse

Stellt Korrelationskoeffizienten und Assoziationsmaße für kontinuierliche und kategoriale Variablen vor. Die Teilnehmer interpretieren Stärke und Richtung, ohne Korrelation mit Kausalität gleichzusetzen.

Lektion 4 • Hypothesengenerierung aus EDA

Wandelt explorative Beobachtungen in testbare Hypothesen für die bestätigende Analyse um. Die Teilnehmer üben die Formulierung von Null- und Alternativhypothesen, die in Datenmustern begründet sind.

Lektion 1 • Gängige Parametrische Tests

Behandelt t-Tests, ANOVA und Chi-Quadrat-Tests als die am weitesten verbreiteten Inferenzwerkzeuge. Die Testauswahl hängt vom Datentyp, der Anzahl der Gruppen und den Verteilungsannahmen ab.

Lektion 2 • Wahrscheinlichkeits- und Stichprobenverteilungen

Baut eine Intuition für Wahrscheinlichkeit als Grundlage der Inferenz auf und führt wichtige Stichprobenverteilungen ein. Das Verständnis dieser Verteilungen ist eine Voraussetzung für alle Signifikanztests.

Lektion 3 • Nichtparametrische Alternativen

Stellt rangbasierte Tests für Daten vor, die parametrische Annahmen verletzen. Die Teilnehmer identifizieren, wann nichtparametrische Methoden angemessener sind, und wenden sie korrekt an.

Lektion 4 • Framework für Signifikanztests

Stellt p-Werte, Signifikanzniveaus und die Entscheidungslogik des Hypothesentests vor. Die Teilnehmer wenden das Framework an, ohne sich übermäßig auf willkürliche Schwellenwerte zu verlassen.

Lektion 1 • Kommunikation von Ergebnissen Prognosemodelle

Übersetzt technische Modellausgaben in umsetzbare Erkenntnisse für nicht-technische Stakeholder. Die Teilnehmer üben, Vorhersagen mit angemessener Unsicherheit und Vorbehalten zu formulieren.

Lektion 2 • Einfache Lineare Regression

Stellt das lineare Modell als Werkzeug zur Vorhersage eines kontinuierlichen Ergebnisses aus einem Prädiktor vor. Die Teilnehmer passen eine einfache Regressionsgerade an, interpretieren sie und bewerten ihre Qualität.

Lektion 3 • Modellvalidierung und Überanpassung

Vermittelt die Aufteilung in Trainings- und Testdatensätze sowie die Kreuzvalidierung, um sicherzustellen, dass Modelle über die Trainingsdaten hinaus verallgemeinern. Überanpassung ist die häufigste Fehlerquelle bei der Prognosemodellierung.

Lektion 4 • Multiple Lineare Regression

Erweitert das Modell auf mehrere Prädiktoren und behandelt Multikollinearität und Variablenauswahl. Die Teilnehmer interpretieren Koeffizienten unter Kontrolle anderer Variablen.

Lektion 1 • Sensitivitäts- und Szenarioanalyse

Testet, wie sich Schlussfolgerungen ändern, wenn Schlüsselannahmen über plausible Bereiche hinweg variiert werden. Die Sensitivitätsanalyse zeigt, welche Variablen das Ergebnis am stärksten beeinflussen.

Lektion 2 • Präsentation der Analyse vor Entscheidungsträgern

Behandelt Formate für Executive Briefings, Foliendesign und mündlichen Vortrag für analytische Präsentationen. Effektive Kommunikation entscheidet darüber, ob eine rigorose Analyse tatsächliche Entscheidungen vorantreibt.

Lektion 3 • Analytische Frameworks für die Entscheidungsfindung

Stellt strukturierte Frameworks wie die Kosten-Nutzen-Analyse und Entscheidungsbäume zur Bewertung von Optionen vor. Frameworks erzwingen Disziplin bei komplexen, multikriteriellen Entscheidungen.

Lektion 4 • Synthese von Ergebnissen zu Empfehlungen

Wandelt analytische Schlussfolgerungen in priorisierte, umsetzbare Empfehlungen mit unterstützenden Beweisen um. Die Teilnehmer üben das Pyramidenprinzip zur Strukturierung analytischer Narrative.