Zielsetzung des Kurses

Studierende sollen befähigt werden, Rohdaten in saubere Analysen, klare Visualisierungen und belastbare Erkenntnisse umzusetzen, um Annahmen zu prüfen und bessere Entscheidungen zu treffen.

Motivation

Motivation #1

Motivation #2: Unabhängigkeit

  • Aufstiegs-, Wechselchancen, Branchenmobilität
  • Operative Unabhängigkeit innerhalb der Organisation
  • Flexibilität in der Arbeitsweise: Remote/projektbasiertes Arbeiten
  • Möglichkeit zu Nebentätigkeiten/Selbstständigkeit

Motivation #3: Erkenntnis

Dialog

Interaktivität

Gruppenarbeit

Übungsgruppen

  • 10 Gruppen zu 4 Personen
  • Gruppenslots ab morgen in Moodle belegbar

Inhalte

  • Grundlagen der Datenanalyse und Excel
  • Datenbanken und SQL
  • Datenanalyse mit Python
  • Datenvisualisierung
  • Statistische Methoden und AI

Grundlagen der Datenanalyse und Excel

Datenbanken und SQL

Datenanalyse mit Python

Datenvisualisierung

Statistische Methoden und AI

Über mich

  • TU Wien (Informatik), WU Wien (BWL)
  • Columbia University (Machine Learning)
  • Investment Bank, Hedge Fonds (London)
  • Asset Management (Wien)
  • Steuerberatung & Datenanalyse-Agentur (Wien)

Über euch

Skalenniveaus (nach S. Stephens)

  1. Nominal: Kategorien ohne Ordnungsrelation
    • Beispiele: Geschlecht, Nationalität
  2. Ordinal: + Ordnungsrelation
    • Beispiele: Schulnoten, Rangordnung
  3. Intervall: + (konstante) Abstände
    • Beispiele: Temperatur in Celsius, Datum
  4. Verhältnis: + absoluten Nullpunkt
    • Beispiele: Gewicht, Einkommen

Arten von Daten

Tabellarische Daten

  • Definition und Struktur:
    • Eine Zeile = eine Beobachtung
    • Spalten = unterschiedliche Attribute der Beobachtung
  • Typische Operationen:
    • Filtern, Sortieren, Gruppieren, Aggregieren (Summe, Mittelwert)
  • Dateiformate:
    • .csv, .tsv, .txt., .xlsx
  • Tools:
    • Excel/Sheets, Python

Tabellarische Daten (CSV-Datei)

Semi-strukturierte Daten

  • Definition und Struktur:
    • Selbst-beschreibende Dokumente mit Schemadefinition
  • Typische Operationen:
    • Einlesen, Validieren, Bearbeiten (Transformieren, Darstellen)
  • Dateiformate:
    • .json, .xml, .html, .yaml
  • Tools:
    • Formatspezifische Tools

Semi-strukturierte Daten (XML)

Semi-strukturierte Daten (HTML)

Bilddaten

  • Definition und Struktur:
    • Pixelbasiert: 2D-Array von Pixeln (H×B×F)
    • Vektorbasiert: Vektorobjekte (z.B. SVG)
  • Metadaten: (z.B. EXIF-Daten)
  • Dateiformate:
    • .jpg, .png, .gif, .svg
  • Tools:
    • Browser, Photoshop, GIMP, Inkscape

Komponenten einer Datenbank

Entity-Relationship Diagramm

Architektur einer Webapplikation

Fragen?

Nächste Schritte

  • Gruppenslots in Moodle buchen
  • Folien & Materialien auf Moodle (1 Woche vor nächster Einheit)

Danke und schönen Abend!