Zu Beginn dieses Kurses zur explorativen Datenanalyse (EDA) lernst du, wie du deskriptive Statistiken verwendest, fehlende Daten identifizierst und Imputationsverfahren anwendest, um die Lücken in deinen Daten zu schließen.

Was ist eine explorative Datenanalyse?

Schritte der EDA

Erste EDA von AirBnB-Angeboten

Fehlende Daten identifizieren

Deskriptive Statistiken für eine Variable

Imputation bei fehlenden Daten

Erste explorative Datenanalyse in Power BI

Im zweiten Kapitel dieses Kurses lernst du, wie du Ausreißer im Datensatz identifizieren und behandeln kannst.  Du erstellst Histogramme, um Verteilungen zu analysieren, und verwendest die Winsorisierung, um Ausreißer zu entfernen.

Verteilungen und Ausreißer

Mögliche Methoden zum Auffinden von Ausreißern

Histogramme und Ausreißer in AirBnB-Angeboten

Dein erstes Histogramm

Ausreißer identifizieren

Umgang mit Ausreißern in den Daten

Jetzt ist es an der Zeit, die Beziehungen zwischen kategorialen Variablen mithilfe von Proportionen zu untersuchen. Mit Kastendiagrammen und deskriptiven Statistiken kannst du dann feststellen, wie eine kontinuierliche Variable von einer kategorialen Variable beeinflusst wird. 

EDA mit kategorialen Variablen

Histogramme vs. Kastendiagramme

Analyse kategorialer Variablen mit AirBnB-Daten

Analyse einer kategorialen Variable

Proportionen mit kategorialen Variablen

Analyse mehrerer kategorialer Variablen

Erstellen eines Kastendiagramms

Im letzten Kapitel beschäftigst du dich mit Streudiagrammen, um die Beziehung zwischen zwei kontinuierlichen Variablen zu analysieren und den Korrelationskoeffizienten zu berechnen.

Beziehungen zwischen kontinuierlichen Variablen

Interpretation eines Streudiagramms

Analyse von AirBnB-Angeboten mit Streudiagrammen

Analyse von Beziehungen mit Streudiagrammen

Hinzufügen von Kontext zu Streudiagrammen

Korrelationskoeffizient

Herzlichen Glückwunsch!

Exercises and Datasets

DataCamp vs. Local Experience

Verbessere deine Berichte mit der explorativen Datenanalyse (EDA) in Power BI. Du beginnst mit deskriptiven Statistiken, um Ausreißer zu erkennen, fehlende Daten zu identifizieren und Imputationsverfahren anzuwenden, um Lücken in deinem Datensatz zu schließen. Dann erfährst du, wie die EDA in Power BI dir dabei helfen kann, die Beziehungen zwischen Variablen – sowohl kategorialen als auch kontinuierlichen – zu erkennen, indem du grundlegende statistische Maße sowie Kasten- und Streudiagramme verwendest.

<h2>Einführung in die explorative Datenanalyse in Power BI</h2>
Erstelle bessere Berichte dank der explorativen Datenanalyse (EDA) in Power BI! 

Dieser Einsteigerkurs für Data Analysts behandelt grundlegende Aspekte der EDA, zum Beispiel die deskriptive Statistik, den Umgang mit fehlenden Daten, die Analyse von Datenverteilungen sowie die Erkennung von Ausreißern. Du lernst, wie du mithilfe von Histogrammen, Kastendiagrammen und Streudiagrammen Daten visualisierst, Verteilungen  interpretierst und Beziehungen zwischen Variablen verstehst.
<br><br>
<h2>Anwendung statistischer Methoden</h2>
Im Kurs erfährst du außerdem, wie du kategoriale und kontinuierliche Variablen verwaltest, fortgeschrittene Visualisierungsmethoden nutzt und Korrelationskoeffizienten berechnest. Interaktive Übungen und praxisnahe Beispiele helfen dir, deine neu erlernten Fähigkeiten zu festigen, damit du künftig deine Daten effektiv analysieren und interpretieren kannst. 


Introduction to DAX in Power BI

Erstellen Sie mit Power BI und EDA wirkungsvolle Berichte, die schneller Einblicke liefern.

Explorative Datenanalyse in Power BI

Erstelle dank explorativer Datenanalyse (EDA) in Power BI aussagekräftige Berichte für wertvolle Erkenntnisse und neue Geschäftschancen.

Datenanalyst in Power BI

Content Developer at DataCamp

Relationships between continuous variables

What are scatter plots?

Interpreting a scatter plot

Correlation coefficient

Correlation coefficient and scatter plots

Adding context to a scatter plot

Let's practice!

Beziehungen zwischen kontinuierlichen Variablen - Beziehungen zwischen kontinuierlichen Variablen