azena data
Du kannst Daten abfragen, transformieren und sichtbar machen — von SQL über eine kleine Pipeline bis zum Dashboard, das eine echte Entscheidung stützt — und nutzt KI, um schneller die richtigen Fragen an deine Daten zu stellen.
Was du danach kannst
- Daten mit SQL abfragen, filtern und aggregieren
- Eine einfache Pipeline denken: Quelle → Transformation → Insight
- Kennzahlen sauber definieren (was misst du wirklich?)
- Daten ehrlich visualisieren (richtiger Chart, keine Irreführung)
- KI als Co-Pilot für Abfragen und Auswertung einsetzen
Das Curriculum
19 Lektionen · Schritt für Schritt
- 01
Die Datenpipeline — Rohdaten → Transformation → Insight
9′Analytics ist kein Zaubertrick, sondern ein Fluss: roh rein, nützlich raus.
- 02
SQL — die Sprache, um Daten zu fragen
12′Mit fünf Bausteinen fragst du fast alles aus deinen Daten heraus.
- 03
Kennzahlen & ehrliche Visualisierung
11′Die richtige Kennzahl, der richtige Chart — und wie man sich nicht selbst belügt.
- 04
Vom Insight zum Dashboard — mit Claude bauen
10′Eine wiederkehrende Auswertung wird zum lebendigen Dashboard — KI-gestützt gebaut.
- 05
Sprich mit deinen Daten — Text-to-SQL und seine stillen Tücken
10′Eine Frage in normaler Sprache, das LLM schreibt die SQL: bequem — aber die gefährlichste Abfrage läuft sauber und liefert trotzdem eine falsche Zahl.
- 06
Statistik-Grundlagen — Zahlen richtig lesen
11′Durchschnitt, Streuung, Stichprobe — und die Fallen, die selbst Profis übersehen.
- 07
A/B-Tests — Entscheidungen statt Meinungen
11′Zwei Varianten, echte Nutzer, ein sauberes Experiment — so beweist man, was wirkt.
- 08
Daten-Cleaning — Garbage in, Garbage out
10′Der unspektakulärste Teil der Analyse entscheidet über ihre Richtigkeit.
- 09
Datenquellen & Sammeln — CSV, API und Tracking sauber zusammenführen
11′Bevor du auswertest, musst du die Daten erst einmal sauber an einen Ort bringen.
- 10
Joins richtig nutzen — Tabellen verbinden, ohne Zeilen zu vervielfachen
12′Ein JOIN verbindet Tabellen — und kann dir unbemerkt die Zahlen aufblähen.
- 11
Aggregation & GROUP BY — von Rohzeilen zu Kennzahlen
11′GROUP BY verdichtet tausende Einzelzeilen zu der einen Zahl, die du eigentlich willst.
- 12
Zeitreihen & Trends — Saisonalität und gleitende Durchschnitte lesen
11′Geht es wirklich bergauf — oder ist es nur Montag? Trends von Rauschen trennen.
- 13
Segmentierung & Kohorten — wer verhält sich wie, über die Zeit
11′Ein Durchschnitt über alle Nutzer versteckt mehr, als er zeigt. Teile, um zu verstehen.
- 14
Mit Daten überzeugen — Storytelling für Stakeholder
10′Die beste Analyse nützt nichts, wenn niemand sie versteht. Eine Botschaft pro Chart.
- 15
Datenschutz & Ethik bei Daten — DSGVO, Anonymisierung, Grenzen
11′Nur weil du Daten auswerten KANNST, heißt das nicht, dass du es DARFST oder solltest.
- 16
Window-Funktionen — laufende Summen, Rang und Vergleich zur Vorperiode
12′Rechnen über eine Zeile hinaus, ohne die Zeilen zu verdichten — der nächste Schritt nach GROUP BY.
- 17
Explorative Datenanalyse (EDA) — der erste strukturierte Blick auf neue Daten
11′Bevor du eine Frage beantwortest, lernst du die Daten kennen — Form, Verteilung, Lücken, Ausreißer.
- 18
Anomalie-Erkennung — auffällige Werte finden, bevor sie die Analyse verfälschen
11′Ein einziger Ausreißer kann jede Kennzahl kippen. So findest du sie systematisch statt zufällig.
- 19
Metrik-Design — die richtige Zahl statt vieler Zahlen
10′Vanity-Metriken fühlen sich gut an und steuern nichts. Gute Metriken verändern Entscheidungen.
Was du baust
Echte Artefakte, keine Theorie
Eine Frage in SQL beantworten
Ergebnis: Die Query + deine Erklärung in eigenen Worten, was sie tut, und wie du gegengeprüft hast.
Eine Kennzahl sauber definieren & visualisieren
Ergebnis: Die Kennzahl-Definition + Query + Chart-Komponente, mit Begründung des Chart-Typs und der ehrlichen Achse.
Ein Mini-Dashboard bauen
Ergebnis: Das Dashboard (Live-URL oder Screenshot) + die drei Kennzahl-Definitionen, die du im UI sichtbar gemacht hast.
Capstone: Von Rohdaten zum entscheidungsreifen Dashboard
Ergebnis: Das Dashboard (Live/Screenshot) + die 3 Kennzahl-Definitionen + dein Cleaning-Protokoll + das A/B-Test-Design + welche Metrik deine North-Star ist und warum.
Belege & Quellen
Jede Aussage ist belegt — echte, geprüfte Quellen statt Behauptungen.
Reinschnuppern
Gratis-VorschauGO vs. NO-GO — ein echtes Beispiel aus dem Track.
Wie der Track läuft
Mit Nova als Mentor
Dein KI-Mentor erklärt jedes Konzept, gibt dir fertige Claude-Code-Prompts und hilft bei jeder Frage.
Erwische den Fehler
Kein Erklären: Nova hat echten Code mit einer eingebauten Schwachstelle produziert — du reviewst ihn wie in einem Pull Request, findest den Fehler und nennst den Fix. Erst wenn du den echten Fehler erwischst, verdienst du dein Siegel.
In deinem Tempo
Rund 209 Minuten Kerninhalt — plus deine eigenen Projekte. Jederzeit pausierbar.
Fehler, die du vermeidest
- Zu früh visualisieren, bevor die Frage und die Transformation klar sind.
- Kennzahlen nicht definieren ('aktiv' = ?) — Streit und Fehlentscheidungen.
- Generierter SQL blind vertrauen (falsche JOIN/WHERE = plausibel falsch).
- Alles in Tortendiagramme pressen statt den passenden Chart zu wählen.
- Y-Achse abschneiden / Stichprobe verstecken — unabsichtliche Irreführung.
- Dashboards jede Rohzeile abfragen lassen statt Aggregate.
Bereit für azena data?
250 Token · 19 Lektionen · von der KI geprüft.