


Daten sind unerlässlich für den Erfolg von Unternehmen, jedoch nur, wenn sie auch effektiv genutzt werden.
Um voranzukommen, benötigen Unternehmen eigene Experten, die in der Lage sind, die vorhandenen Datenquellen zu strukturieren, zu analysieren und mithilfe von Analysetools aufzubereiten, um fundierte Entscheidungen für die Zukunft zu treffen. Ohne diese Expertise kann das Potenzial von Daten nicht vollständig ausgeschöpft werden.
Mo, Di, 9.00-17.00, 21./22.09.2023 Do, Fr, 9.00-17.00
Kursdauer: 64 Lehreinheiten
Stundenplan
Julius-Raab-Platz 2
5027 Salzburg
Mo, Di 9.00-17.00
Kursdauer: 64 Lehreinheiten
Stundenplan
Julius-Raab-Platz 2
5027 Salzburg
Mo, Di 9.00-17.00
Kursdauer: 56 Lehreinheiten
Stundenplan
Julius-Raab-Platz 2
5027 Salzburg
Mo, Di 9.00-17.00
Kursdauer: 56 Lehreinheiten
Stundenplan
Julius-Raab-Platz 2
5027 Salzburg
Wir wissen, dass unsere Teilnehmer/-innen enge Terminkalender haben! Wir möchten Sie bzw. Ihre Mitarbeiter/-innen bei der Weiterbildungs-Planung unterstützen und bieten Ihnen daher für ausgewählte Kurse bereits heute eine Durchführungsgarantie!
Business Data Analyst: Einstieg in die Datenanalyse mit Excel und Power BI

Grundlagen zu Daten im Unternehmen
- Datenquellen, Datentypen (strukturiert, unstrukturiert) und -formate
- Datenbanken-Basics
- Wie sind Datenbanken aufgebaut
- Relationale Datenbank-Modelle
- SQL-Grundkenntnisse
- Stammdaten, Bewegungsdaten
- Metadaten und Datenkataloge
- Datenqualität
- Begriffsbestimmung Big Data, Data Science
Excel-Aufbau-Themen
- Datenengineering
- Excel-Umgang mit größeren Daten
- Datenimport (aus .csv, JSON, Access, SQL-Server, Open Data Portal)
- Daten zusammenführen (Listen vergleichen und aggregieren)
- Datenaufbereitung (Ausreißer, fehlende Werte identifizieren, Datentransformation, Doubletten beseitigen, Datenreduktion)
- Abfragen aus anderen Datenbanken erstellen bzw. weiter bearbeiten (z. B. SQL Statements)
- Textfunktionen, Datumsfunktionen, WENN(), UND(), ODER()
- Einfache statistische Datenanalyse (Median, Mittelwert, Standardabweichung, Varianz)
- PivotTable und PivotCharts
Arbeiten mit Power BI
- Konzeption von Datenmodellen
- Datenmodelle erstellen
- Beziehungen zwischen Datenmodellen
- Berechnungen
- Grundlagen zu Visualisierung
- Dashboards erstellen
- Filterfunktionen
- Weitere Visuals
- AppSource
- Externe Tools (DAX Studio, Tabular Editor)
- Überblick Business Intelligence Tools, Ausblick auf weitere Werkzeuge
Rechtliche Rahmenbedingungen
Alle, die in Unternehmen Kennzahlen ermitteln bzw. Analysen aus größeren Datenmengen erzielen, wie zB aus folgenden Bereichen:
- Finanzen
- Marketing
- Personalwesen
- Produktion
- Vertrieb
aber auch Beratungsunternehmen und Agenturen, die Datenanalyse- und Beratungsdienste für Unternehmen anbieten.
Fundierte Excel Kenntnisse wie zum Beispiel beim ECDL
Auch für Sie interessant?
- Diplomlehrgang Data Science und Business Analytics
- Zertifizierte Datenschutzbeauftragte
- Lehrgang Kosten- und Investitionsrechnung
- Diplomlehrgang Controller
- Datenanalyse und Statistik
- Projektmanagement mit Microsoft Project - Einführung
- Senior Agiles Projektmanagement
- SAP Anwendungen
Was macht ein Business Data Analyst?
Zu den Aufgaben eines Business Data Analysten gehören unter anderem:
- Datenbeschaffung und -bereinigung: sammeln und bereinigen von Daten aus verschiedenen Quellen, um sicherzustellen, dass die Daten sauber und nutzbar sind.
- Datenanalyse: analysieren und interpretieren von Daten mithilfe von Statistik, Data Mining und Machine Learning-Techniken, um Trends, Muster und Erkenntnisse zu identifizieren.
- Berichterstattung und Visualisierung: erstellen von Berichten und Visualisierungen, um die Ergebnisse der Datenanalyse zu kommunizieren und dem Management Entscheidungsgrundlagen zu liefern.
- Geschäftsanalyse: Unterstützung das Management bei der Formulierung von Geschäftsstrategien und -zielen, durch Datenanalysen und Berechznung von Geschäftskennzahlen.
- Kontinuierliche Verbesserung: Der Business Data Analyst arbeitet kontinuierlich daran, Prozesse und Analysen zu verbessern, um die Qualität der Daten und die Effektivität der Analysemethoden zu erhöhen.
Letzte Änderung: 30.05.2023