Data Analytics Bootcamp in Berlin

Während der ersten zwei Wochen des Trainings beschäftigen wir uns mit den Grundlagen der Sprache Python: Was ist eigentlich ein Programm? Mit welchen Techniken kannst du effektiv programmieren? Und wie können Fehler erkannt und behoben werden? Wir werden Datenstrukturen, Schleifen, Verzweigungen und gängige Python-Funktionen im Detail behandeln, indem wir grundlegende Statistiken und ein kleines Spiel entwickeln.

In den Wochen 3 und 4 lernst du die wichtigste Python-Bibliothek zur Datenanalyse kennen: Pandas. Du wirst Tabellen in dein Programm einlesen, die Daten analysieren und Plots erstellen. Wir möchten dich damit begeistern, wie viel du mit einer einzigen Zeile erreichen kannst. In diesen zwei Wochen sollen zwei Datensätze im Detail analysiert werden. Effektiv könnte der Pandas-Code von jetzt an viele deiner Excel-Funktionen ersetzen.

Jetzt geht es an die Arbeit: Gemeinsam richten wir deine Arbeitsumgebung ein und bereiten deinen Computer vor, damit du wie ein Profi mit dem Programmieren loslegen kannst. Du lernst, sicher in der Kommandozeile zu navigieren und Python in deiner eigenen Conda-Umgebung zu installieren. Dabei verstehst du das Konzept virtueller Umgebungen, erstellst diese selbst und nutzt Tools zur Paket- und Bibliotheksverwaltung. Anschließend arbeitest du in einer IDE (Integrated Development Environment), machst dich mit der Python-Syntax vertraut und lernst grundlegende Konzepte wie Datentypen, Datenstrukturen, Variablen, Schleifen, Bedingungen und Funktionen. Mit deinen neuen Fähigkeiten, Pseudocode zu lesen und zu schreiben, setzt du deine Kenntnisse gleich in der Praxis um, indem du dein erstes kleines Python-Programm erstellst.

Du bist nun tief in das Thema eingetaucht und bereit, die explorative Datenanalyse (EDA) zu erkunden. Diese Methode hilft dir, Datensätze zu untersuchen, deren Struktur und Zusammenhänge noch nicht gut verstanden sind. Du lernst, wie du Daten mit Pandas DataFrames sammelst, erweiterst und bereinigst. Dabei kombinierst du verschiedene Datensätze, behandelst fehlende Werte und wendest dein Wissen aus der deskriptiven Statistik (Phase II) an, um aussagekräftige Erkenntnisse zu gewinnen. Außerdem entdeckst du, was KPIs (Key Performance Indicators) sind und erstellst eigene Kennzahlen. Abschließend zeigen dir unsere Coaches, wie du deine Ergebnisse visuell präsentierst: Mithilfe der Bibliotheken Matplotlib und Seaborn erstellst du übersichtliche Diagramme und Plots, die deine Analysen leicht verständlich machen.

In dieser Phase entwickelst du dich von der Datenbeschreibung zum Ziehen fundierter, datenbasierter Schlussfolgerungen. Du beginnst mit der Untersuchung von Wahrscheinlichkeitsverteilungen und dem Verständnis des Datenverhaltens in realen Kontexten. Anschließend befassen wir uns mit Konfidenzintervallen und deren Verwendung bei der Schätzung von Populationsparametern. Anschließend führen wir dich durch die Logik und Anwendung von Hypothesentests und den Einsatz von A/B-Tests bei Produkt- und Marketingentscheidungen – eine unverzichtbare Fähigkeit für jeden Datenanalysten in realen Umgebungen. Doch damit nicht genug: du lernst praktische Clustering-Techniken zum Gruppieren und Segmentieren von Daten kennen – ideal zum Aufspüren versteckter Muster. Abschließend lernst du die lineare Regression kennen, eine grundlegende Modellierungstechnik zur Vorhersage und Erklärung von Beziehungen zwischen Variablen. In Coaching-Sitzungen, praktischen Übungen und realen Beispielen lernst du, wie du von der Musterbeobachtung zu fundierten Entscheidungen und Vorhersagen auf der Grundlage von Daten gelangen. Am Ende dieser Phase verstehest du nicht nur das „Was“ und „Warum“, sondern auch das „Wie“ der Anwendung statistischen Denkens auf reale Geschäftsprobleme.

Bevor es auf die Zielgerade geht, tauchst du gemeinsam mit den anderen Teilnehmern in die Welt der Datenbanken ein. Du machst dich mit den grundlegenden Konzepten und Strukturen vertraut und lernst, wie du dich mit DBeaver mit einer bereitgestellten PostgreSQL-Datenbank verbindest. Du verstehst die SQL-Syntax und lernst Schritt für Schritt, wie du eine Abfrage erstellst. Mithilfe von Code-Along-Skripten und zusätzlichen Übungen unserer Coaches setzt du dein Wissen direkt in die Praxis um und vertiefst deine SQL-Ausführungsfähigkeiten. Außerdem erhältst du einen Überblick über die wichtigsten Elemente moderner Dateninfrastrukturen und entwirfst dein erstes Sternschema. Klingt komplex? Keine Sorge – wir führen dich Schritt für Schritt durch.

In Phase 7 arbeitest du mit API-Schlüsseln, um dich mit APIs zu verbinden. Dabei bringen wir dir bei, wie du mehrere Aufrufe mit unterschiedlichen Parametern automatisiert durchführen kannst. Zusätzlich lernst du SQL-Abfragen von Python aus auszuführen und übst das Lesen der Dokumentation, um Limits, sowie Request- und Responseformate zu verstehen. Schon von JSON-Dateien gehört? Wir zeigen dir, wie man auf sie zugreift und Daten daraus extrahiert. Mit all deinen bisher erlernten Fähigkeiten führst du dann ein Projekt durch, um dein Wissen zu festigen. Das machst du mit agilen Tools, um das Projekt so perfekt zu organisieren – wie später im Job!

Ein entscheidender Teil der Arbeit eines Datenanalysten besteht darin, Erkenntnisse klar und ansprechend zu präsentieren. In der letzten Phase vor deiner Abschlussprüfung lernst du, wie du Datenquellen verbindest und erste Explorationen durchführst. Schritt für Schritt machst du dich mit der Tableau-Umgebung vertraut. Du übst das Filtern und Gruppieren von Daten, das Erstellen berechneter Felder und die Verwendung von Parametern. Am Ende des Bootcamps beherrschst du außerdem LOD-Ausdrücke (Level of Detail) und Tabellenberechnungen. Als Highlight erstellst du interaktive Dashboards, die komplexe Analysen leicht verständlich und optisch ansprechend darstellen.

Weil wir zu 100 % davon überzeugt sind, dass Wissen am besten durch praktische Anwendung haften bleibt, steckst du in den letzten vier Wochen deines Data Analytics Bootcamps all deine Fähigkeiten in dein digitales „Meisterwerk“. Ab diesem Zeitpunkt darfst du dich offiziell Data Analyst nennen. Herzlichen Glückwunsch! 🙌🏼

Nach Abschluss des Bootcamps sind unsere Türen für persönliche Career Sessions weiterhin offen (sofern wir Kapazitäten haben). Außerdem bleibt der Zugang zu unserem Slack-Channel ein Leben lang bestehen, über den Du Dich für die Zukunft Deiner gesamten Karriere mit Tausenden von Spicedlings austauschen kannst. Darüber hinaus sind Abschlussfeiern und Spiced-Events immer eine großartige Gelegenheit, zurückzukommen und weiter mit der Community in Verbindung zu bleiben.