Live-Online: KI und Datenanalyse im Unternehmen

Von Rohdaten zur datenbasierten Entscheidung mit KI, Python und modernen Analysewerkzeugen

1. Grundlagen datengetriebener Entscheidungen
2. Die vier Analyse-Stufen: deskriptiv, diagnostisch, prädiktiv und präskriptiv.
3. Data Science, KI, Machine Learning und Large Language Models einordnen.
4. CRISP-DM als Vorgehensmodell für Datenprojekte.
5. Von der Geschäftsfrage zur analysierbaren Fragestellung. 
6. Data Literacy und Datenverständnis
7. Datenquellen, Datenqualität und typische Herausforderungen.
8. Datensätze verstehen und bewerten.
9. Data Profiling und erste Analysen.
10. Datenqualität als Grundlage belastbarer Ergebnisse. 
11. Datenanalyse mit Google Colab, Gemini und Python
12. Arbeiten mit Google Colab als Analyseumgebung.
13. Grundlagen von Python für Datenanalysen.
14. Arbeiten mit Pandas zur Datenaufbereitung und Auswertung.
15. KI-Unterstützung durch Gemini bei Analyse, Code und Interpretation. 
16. Explorative Datenanalyse (EDA)
17. Kennzahlen, Verteilungen und Zusammenhänge analysieren.
18. Daten filtern, gruppieren und aggregieren.
19. Korrelationen und Auffälligkeiten erkennen.
20. Analyseergebnisse kritisch bewerten. 
21. KI-gestützte Datenanalyse und Machine Learning
22. Einsatzmöglichkeiten von KI in Analyseprozessen.
23. Prompts für Datenanalyse und Datenverständnis.
24. Chancen und Grenzen KI-generierter Analysen.
25. Grundlagen des Machine Learning anhand praxisnaher Beispiele. 
26. Datenvisualisierung und Dashboarding
27. Grundlagen guter Datenvisualisierung.
28. Geeignete Diagrammtypen auswählen.
29. Dashboards mit Tableau und/oder Power BI erstellen.
30. Kennzahlen verständlich präsentieren. 
31. Data Storytelling und Ergebniskommunikation
32. Analyseergebnisse zielgruppengerecht aufbereiten.
33. Von Erkenntnissen zu Handlungsempfehlungen.
34. Unsicherheiten und Risiken transparent kommunizieren.
35. Storytelling für Management- und Fachbereichsentscheidungen. 
36. Transfer in die Unternehmenspraxis
37. Daten- und KI-Use-Cases identifizieren.
38. Business Value datengetriebener Projekte bewerten.
39. Priorisierung von Analyse- und KI-Initiativen.
40. Roadmap für die Umsetzung im eigenen Unternehmen entwickeln.

Python wird bewusst nicht als eigenständiges Programmierlernziel behandelt, sondern als Analysevehikel. Ein kurzes erstes Notebook macht zentrale Syntaxelemente verständlich, damit Code nicht wie schwarze Magie wirkt. CRISP-DM dient während des gesamten Seminars als methodischer Kompass und wird in einer abschließenden Transferübung mit praxisnahen Daten- und KI-Use-Cases angewendet.

Lerndauer: 3 Tage

Mit dieser Veranstaltung sind sie flexibel: Diese Veranstaltung wird vollständig online ausgeliefert!

Wichtige Information: Bitte beachten Sie, dass einige unserer Webinare auch aus mehreren Online-Modulen bestehen können. Erkennbar ist dies, wenn die Dauer länger als ein Tag ist.

Eine Übersicht der einzelnen Termine zu den Online-Modulen erhalten Sie nach der Buchung in Ihrer persönlichen Online-Lernumgebung.

Lernziele

• Du verstehst den gesamten Prozess moderner Datenanalyse – von der Businessfrage bis zur Entscheidungsempfehlung.
• Du lernst, Daten kritisch zu bewerten und belastbare Erkenntnisse aus Analysen abzuleiten.
• Du erhältst einen praxisnahen Einstieg in Google Colab, Gemini, Python sowie moderne Dashboard- und BI-Werkzeuge wie Tableau und Power BI.
• Du kannst KI gezielt zur Unterstützung von Analyse- und Auswertungsaufgaben einsetzen. 
• Du lernst, Analyseergebnisse verständlich zu visualisieren und überzeugend zu kommunizieren.

Zielgruppen

• Fach- und Führungskräfte
• Business Analyst:innen
• Projektmanager:innen
• Consultants
• Mitarbeitende aus Fachbereichen mit Daten- oder KI-Bezug

Für die Teilnahme sind keine Programmierkenntnisse erforderlich. Interesse an datenbasierten Entscheidungen und grundlegendes Verständnis für Geschäftsprozesse sind von Vorteil.