Statistik: Datenquellen und Datenschnittstellen

Statistik + Datenbanken + REST-API + Webscraping


Diese Weiterbildung vermittelt Kenntnisse über die Nutzung statistischer Methoden und Datenbanksysteme in der Analyse und Auswertung von Datenquellen. Zudem werden REST-APIs und Webscraping als Werkzeuge zur automatisierten Datenverarbeitung behandelt.


Modul 1: Statistik in Datenanalyse und Auswertung
Modul 2: Funktionsweisen von Datenbanksystemen
Modul 3: REST-API für automatisierte Datenverarbeitung
Modul 4: Datenextraktion und Analyse mit Webscraping
Modul 5: Datenimport für analytische Modellprozesse


Statistik in Datenanalyse und Auswertung

• Verfahren und Konzepte: Einsatz statistischer Methoden zur Auswertung von Datenquellen, Datenmengen und Analyseprozessen.


• Datenverteilung verstehen: Nutzung von Histogramm, Boxplot und Scatterplot zur Darstellung statistischer Zusammenhänge und Muster.


• Anwendung im Analyseumfeld: Statistik als Bestandteil von Datenanalyse, Big Data Analyse und Business Analytics.


• Verknüpfung mit Tools: Einsatz von Pivot-Tabellen, Datenquellen und Power BI zur statistischen Datenauswertung und Interpretation.

Funktionsweisen von Datenbanksystemen

• Grundlagen der Datenbanken: Einführung in relationale Datenmodelle, Datenstrukturen, Datenmanagement und Datenbankkonzepte.


• Arbeiten mit SQL & MySQL: SQL-Grundlagen, Datenabfragen, Tabellenstrukturen, Datenaggregation und Datenbankprogrammierung.


• Datenintegration & Analyse: Nutzung von Power BI SQL-Datenquellen, Datenaufbereitung, Datenschnittstellen und Datenverarbeitung.


• Von Daten zu Erkenntnissen: Datenauswertung, Big Data Analyse, Datenmodellierung und strukturierte Informationsgewinnung.

REST-API für automatisierte Datenverarbeitung

• REST API Grundlagen: Aufbau von Schnittstellen, Zugriff auf Datenquellen und Einbindung in datenbasierte Webanwendungen.


• Datenabruf mit Python: Nutzung von REST API Python zur Abfrage externer Daten und Übergabe in automatisierte Prozesse.


• Anbindung externer Quellen: Integration strukturierter Datenquellen und Weiterverarbeitung großer Datenmengen.


• Schnittstellen für KI-Prozesse: Verbindung von REST API, Machine Learning und Webscraping zur Datenanalyse.

Datenextraktion und Analyse mit Webscraping

• Technischer Einstieg: Webscraping Python und REST API Python zur Sammlung großer Datenmengen aus verteilten Quellen.


• Tool-gestützte Abläufe: Auswahl geeigneter Webscraping Software für strukturierte Extraktion und Analyse.


• KI in der Datenverarbeitung: Anwendung von Webscraping AI und Machine Learning zur Mustererkennung in Datensätzen.


• Grenzen der Nutzung: Berücksichtigung rechtlicher Aspekte bei Zugriff und Weiterverwendung externer Datenquellen.

Datenimport für analytische Modellprozesse

• Importprozesse umsetzen: Verarbeitung externer Datenquellen für statistische Datenauswertung und Business Analytics Anwendungen.


• Modellierung im Datenumfeld: Erstellung nutzbarer Datenmodelle zur Integration in Statistik, Data Analysis und Reporting.


• Power BI im Datenfluss: Verbindung von Datenquellen über Power BI Dataflows zur Analyse in Pivot-Tabellen und Dashboards.


• Analyse und Visualisierung: Modellgestützte Datennutzung zur Interpretation großer Datenmengen im Analysekontext.

Nach Abschluss der Weiterbildung sind die Teilnehmenden in der Lage, statistische Methoden sowie Datenbank- und API-Technologien in der Datenanalyse anzuwenden. Webscraping und Datenimporttechniken erweitern ihre analytischen Fähigkeiten im Umgang mit großen Datenmengen.