{"product_id":"powerpoint-komplettpaket-fur-die-ausbildung-zum-data-analyst-m-w-d","title":"PowerPoint-Komplettpaket für die Ausbildung zum Data Analyst (m\/w\/d)","description":"\u003cdiv style=\"width:100%; max-width:none; margin:0; padding:18px 0; box-sizing:border-box; clear:both; font-family:Arial,Helvetica,sans-serif; color:#111;\"\u003e\n\n  \u003c!-- Titelbereich --\u003e\n  \u003cdiv style=\"width:100%; box-sizing:border-box; background:linear-gradient(135deg,#f4f8ff 0%,#ffffff 100%); border-radius:22px; padding:34px 28px; box-shadow:0 8px 28px rgba(10,31,111,0.10); margin-bottom:22px; text-align:center;\"\u003e\n    \u003cdiv style=\"display:inline-block; background:#0a1f6f; color:#ffffff; padding:8px 18px; border-radius:999px; font-size:13px; font-weight:bold; letter-spacing:0.4px; margin-bottom:16px;\"\u003e\n      POWERPOINT-KOMPLETTPAKET · DATA ANALYST · DATENANALYSE · BUSINESS ANALYTICS\n    \u003c\/div\u003e\n\n    \u003ch2 style=\"margin:0 0 14px 0; font-size:30px; line-height:1.25; color:#0a1f6f; font-weight:800;\"\u003e\n      PowerPoint-Komplettpaket für die Ausbildung und Weiterbildung zum Data Analyst \/ zur Data Analystin\n    \u003c\/h2\u003e\n\n    \u003ch3 style=\"margin:0 auto 14px auto; max-width:920px; font-size:17px; line-height:1.7; color:#334155; font-weight:bold;\"\u003e\n      140 Kapitel · ca. 3.500 Folien · editierbare PowerPoint-Unterrichtsmaterialien · datenanalytisch strukturiert · praxisnah · prüfungsnah · BI-orientiert · individuell anpassbar\n    \u003c\/h3\u003e\n\n    \u003cp style=\"margin:0 auto; max-width:900px; font-size:15px; line-height:1.7; color:#475569;\"\u003e\n      Ausgerichtet auf moderne Lerninhalte der Datenanalyse, Business Analytics, Datenbanken, SQL, Python, Statistik, ETL-Prozesse, Datenqualität, Datenvisualisierung, Reporting, Dashboarding, Power BI, Excel, KNIME, Machine Learning, Datenschutz, Datenethik, Projektarbeit und datenbasierte Entscheidungsfindung.\n    \u003c\/p\u003e\n  \u003c\/div\u003e\n\n  \u003c!-- Klarna Hinweisbox --\u003e\n  \u003cdiv style=\"background:linear-gradient(135deg,#fff7ed 0%,#ffffff 55%,#eef7ff 100%); border:3px solid #f97316; border-left:12px solid #0a1f6f; border-radius:22px; padding:24px 26px; box-shadow:0 12px 30px rgba(249,115,22,0.22); margin-bottom:22px; box-sizing:border-box;\"\u003e\n    \u003cdiv style=\"display:flex; flex-wrap:wrap; gap:18px; align-items:center;\"\u003e\n      \u003cdiv style=\"flex:1 1 260px; min-width:0;\"\u003e\n        \u003cdiv style=\"display:inline-block; background:#0a1f6f; color:#ffffff; padding:7px 16px; border-radius:999px; font-size:13px; font-weight:bold; letter-spacing:0.4px; margin-bottom:12px; text-align:center;\"\u003e\n          Neue Zahlungsoption\n        \u003c\/div\u003e\n\n        \u003ch3 style=\"margin:0 0 10px 0; font-size:23px; line-height:1.3; color:#0a1f6f; font-weight:900; text-align:center;\"\u003e\n          Zahlung auf Rechnung oder Ratenzahlung jetzt möglich!\n        \u003c\/h3\u003e\n\n        \u003cp style=\"margin:0; font-size:16px; line-height:1.7; color:#334155;\"\u003e\n          \u003cstrong\u003eÜber unseren Zahlungsanbieter KLARNA\u003c\/strong\u003e können je nach Verfügbarkeit im Bestellvorgang zusätzliche Zahlungsarten wie Rechnungskauf oder Ratenzahlung angeboten werden.\n        \u003c\/p\u003e\n      \u003c\/div\u003e\n\n      \u003cdiv style=\"flex:1 1 300px; min-width:0; background:rgba(255,255,255,0.90); border:1px solid #fed7aa; border-radius:18px; padding:18px; box-shadow:0 6px 18px rgba(15,23,42,0.06); box-sizing:border-box;\"\u003e\n        \u003cp style=\"margin:0 0 10px 0; font-size:15px; line-height:1.7; color:#7c2d12;\"\u003e\n          \u003cstrong\u003eWichtiger Hinweis:\u003c\/strong\u003e Die Nutzung von Rechnungskauf oder Ratenzahlung setzt eine erfolgreiche Prüfung durch Klarna voraus. Bonität, Verfügbarkeit, Laufzeit, Fälligkeit, mögliche Gebühren, Zinsen und Zahlungsbedingungen werden ausschließlich im Checkout bzw. durch Klarna angezeigt und festgelegt.\n        \u003c\/p\u003e\n\n        \u003cp style=\"margin:0; font-size:14px; line-height:1.7; color:#7c2d12;\"\u003e\n          Es besteht kein Anspruch auf eine bestimmte Zahlungsart. Maßgeblich sind die im Bestellprozess angezeigten Zahlungsoptionen sowie die jeweils geltenden Bedingungen des Zahlungsanbieters Klarna.\n        \u003c\/p\u003e\n      \u003c\/div\u003e\n    \u003c\/div\u003e\n  \u003c\/div\u003e\n\n  \u003c!-- Akkordeon: Kurzbeschreibung --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eKurzbeschreibung\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cp style=\"margin:0 0 12px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Dieses PowerPoint-Komplettpaket bietet umfangreiche, didaktisch strukturierte Unterrichts- und Schulungsfolien für die Qualifizierung zum Data Analyst \/ zur Data Analystin. Das Material eignet sich besonders für Berufsschulen, Fachschulen, Bildungsträger, Unternehmensakademien, IT-Abteilungen, kaufmännische Weiterbildungen, Umschulungen, interne Mitarbeiterschulungen sowie für modulare Online- und Hybridkurse im Bereich Datenanalyse und Business Analytics.\n      \u003c\/p\u003e\n\n      \u003cp style=\"margin:0 0 12px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Das Paket umfasst \u003cstrong\u003e140 Kapitel mit ca. 3.500 PowerPoint-Folien\u003c\/strong\u003e. Die Inhalte sind in übersichtliche Unterrichtseinheiten gegliedert und können dadurch gezielt in Grundlagenkursen, beruflicher Weiterbildung, IHK-nahen Zertifikatslehrgängen, betrieblicher Datenkompetenz-Schulung, Projektunterricht oder Prüfungsvorbereitung eingesetzt werden.\n      \u003c\/p\u003e\n\n      \u003cp style=\"margin:0 0 12px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Alle Präsentationen sind editierbar, erweiterbar, druckbereit und können individuell an eigene Unterrichtskonzepte, Softwareumgebungen, Branchendaten, Praxisprojekte, Unternehmensprozesse, Reporting-Standards, Datenschutzvorgaben oder das eigene Corporate Design angepasst werden.\n      \u003c\/p\u003e\n\n      \u003cp style=\"margin:0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Im Mittelpunkt stehen Daten verstehen, Datenquellen erschließen, Daten bereinigen, Datenbanken nutzen, SQL-Abfragen erstellen, Daten mit Excel, Power BI, KNIME oder Python auswerten, statistische Methoden anwenden, Dashboards entwickeln, Analyseergebnisse präsentieren und datenbasierte Entscheidungen sicher begründen.\n      \u003c\/p\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Zielgruppe --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eZielgruppe\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cul style=\"margin:0; padding-left:20px; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        \u003cli\u003eDozentinnen und Dozenten für Data Analytics, Business Analytics, BI und Digitalisierung\u003c\/li\u003e\n        \u003cli\u003eBildungsträger, Akademien, Fachschulen und Einrichtungen der beruflichen Weiterbildung\u003c\/li\u003e\n        \u003cli\u003eUnternehmen mit internen Schulungen für Datenkompetenz, Reporting und Prozessanalyse\u003c\/li\u003e\n        \u003cli\u003eIT-Abteilungen, Controlling, Marketing, Vertrieb, Produktion, Personalwesen und Geschäftsführung\u003c\/li\u003e\n        \u003cli\u003eTeilnehmende an Umschulungen, Weiterbildungen und Zertifikatslehrgängen im Bereich Datenanalyse\u003c\/li\u003e\n        \u003cli\u003eAusbilderinnen und Ausbilder im Umfeld Fachinformatik, Daten- und Prozessanalyse und Digitalisierung\u003c\/li\u003e\n        \u003cli\u003eQuereinsteigerinnen und Quereinsteiger mit Excel-, IT-, kaufmännischem oder betriebswirtschaftlichem Hintergrund\u003c\/li\u003e\n        \u003cli\u003eFachkräfte, die Daten auswerten, Reports erstellen, Dashboards entwickeln oder Geschäftsprozesse datenbasiert verbessern möchten\u003c\/li\u003e\n      \u003c\/ul\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Berufsbild --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eBerufsbild Data Analyst \/ Data Analystin\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cp style=\"margin:0 0 12px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Data Analysts sammeln, prüfen, strukturieren, bereinigen, analysieren und visualisieren Daten. Sie entwickeln aus Rohdaten verständliche Entscheidungsgrundlagen für Unternehmen, Organisationen und Fachabteilungen. Dazu verbinden sie analytisches Denken mit technischem Verständnis, Statistik, Datenbankwissen, BI-Tools, Kommunikationsfähigkeit und einem klaren Blick für wirtschaftliche Fragestellungen.\n      \u003c\/p\u003e\n\n      \u003cp style=\"margin:0 0 12px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Der Beruf ist branchenübergreifend einsetzbar: Marketing, Vertrieb, Finanzen, Controlling, Personalwesen, Logistik, Produktion, Gesundheitswesen, Bildung, öffentlicher Dienst, E-Commerce, Versicherungen, Forschung und Management nutzen Datenanalysen zur Optimierung von Prozessen, Kosten, Qualität, Kundenverhalten und strategischen Entscheidungen.\n      \u003c\/p\u003e\n\n      \u003ch4 style=\"margin:14px 0 8px 0; font-size:16px; color:#0a1f6f; font-weight:800;\"\u003eTypische berufliche Handlungsfelder sind:\u003c\/h4\u003e\n\n      \u003cul style=\"margin:0; padding-left:20px; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        \u003cli\u003eDatenquellen identifizieren, bewerten und für Analysen nutzbar machen\u003c\/li\u003e\n        \u003cli\u003eDaten aus Tabellen, Datenbanken, Schnittstellen, CRM-, ERP- oder Websystemen zusammenführen\u003c\/li\u003e\n        \u003cli\u003eDatenqualität prüfen, Fehler bereinigen, Dubletten entfernen und Daten standardisieren\u003c\/li\u003e\n        \u003cli\u003eSQL-Abfragen erstellen, Datenmodelle verstehen und Analyse-Datensätze vorbereiten\u003c\/li\u003e\n        \u003cli\u003estatistische Kennzahlen, Trends, Muster, Ausreißer und Zusammenhänge erkennen\u003c\/li\u003e\n        \u003cli\u003eReports, Dashboards und Datenvisualisierungen für Fachabteilungen entwickeln\u003c\/li\u003e\n        \u003cli\u003ePower BI, Excel, KNIME, Python oder vergleichbare Tools im Analyseprozess einsetzen\u003c\/li\u003e\n        \u003cli\u003eAnalyseergebnisse zielgruppengerecht präsentieren und datenbasierte Empfehlungen ableiten\u003c\/li\u003e\n        \u003cli\u003eDatenschutz, Informationssicherheit, Datenethik und Governance-Regeln beachten\u003c\/li\u003e\n        \u003cli\u003eDatenprojekte planen, dokumentieren, auswerten und kontinuierlich verbessern\u003c\/li\u003e\n      \u003c\/ul\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Prüfungs- und Projektorientierung --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003ePrüfungs- und projektorientierte Ausrichtung\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cp style=\"margin:0 0 12px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Da Data Analyst in Deutschland kein einheitlich geregelter dualer Ausbildungsberuf mit eigenem KMK-Lernfeldplan ist, wurde dieses Unterrichtspaket fachlich an bewährten Datenanalyse-Kompetenzen, IHK-nahen Zertifikatsinhalten sowie an den relevanten Inhalten der Fachinformatik-Fachrichtung Daten- und Prozessanalyse ausgerichtet.\n      \u003c\/p\u003e\n\n      \u003cdiv style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; padding:18px; margin-top:14px;\"\u003e\n        \u003ch4 style=\"margin:0 0 10px 0; font-size:17px; color:#0a1f6f; font-weight:800;\"\u003eGrundlagenphase \/ Einstieg in Data Analytics\u003c\/h4\u003e\n\n        \u003cp style=\"margin:0 0 8px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n          Die Grundlagenphase vermittelt ein sicheres Verständnis für Daten, Tabellen, Datenquellen, Datenqualität, Excel, Datenbanken, einfache SQL-Abfragen, deskriptive Statistik, Visualisierung, Reporting und den typischen Analyseprozess von der Fragestellung bis zur Präsentation.\n        \u003c\/p\u003e\n\n        \u003cul style=\"margin:0; padding-left:20px; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n          \u003cli\u003e\n\u003cstrong\u003eSchwerpunkte:\u003c\/strong\u003e Datenkompetenz, Datenarten, Kennzahlen, Tabellen, Datentypen, Datenbereinigung, Excel, Grundlagen SQL, Diagramme und Reporting\u003c\/li\u003e\n          \u003cli\u003e\n\u003cstrong\u003ePraxisbezug:\u003c\/strong\u003e Umsatzdaten, Kundendaten, Prozessdaten, Marketingdaten, Lagerdaten, Webdaten und Controlling-Auswertungen\u003c\/li\u003e\n          \u003cli\u003e\n\u003cstrong\u003eKompetenzbezug:\u003c\/strong\u003e Daten verstehen, Fragen formulieren, Auswertungen vorbereiten, Ergebnisse erklären und Handlungsempfehlungen ableiten\u003c\/li\u003e\n        \u003c\/ul\u003e\n      \u003c\/div\u003e\n\n      \u003cdiv style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; padding:18px; margin-top:14px;\"\u003e\n        \u003ch4 style=\"margin:0 0 10px 0; font-size:17px; color:#0a1f6f; font-weight:800;\"\u003eVertiefungsphase \/ BI, SQL, Python, Machine Learning und Datenprojekte\u003c\/h4\u003e\n\n        \u003cp style=\"margin:0 0 8px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n          Die Vertiefungsphase behandelt praxisnahe Datenprojekte, Power BI, KNIME, Python-Grundlagen für Datenanalyse, fortgeschrittene SQL-Abfragen, ETL-Prozesse, Datenmodellierung, Machine-Learning-Grundlagen, Forecasting, Dashboarding, Datenethik und Projektpräsentation.\n        \u003c\/p\u003e\n\n        \u003cul style=\"margin:0; padding-left:20px; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n          \u003cli\u003e\n\u003cstrong\u003eBusiness Intelligence:\u003c\/strong\u003e Datenmodelle, Measures, KPIs, Dashboards, Filterlogik, Drilldown und Management-Reporting\u003c\/li\u003e\n          \u003cli\u003e\n\u003cstrong\u003eTechnische Analyse:\u003c\/strong\u003e SQL, Datenbanken, Datenimport, Datenbereinigung, Python, Pandas, Visualisierung und Automatisierung\u003c\/li\u003e\n          \u003cli\u003e\n\u003cstrong\u003eProjektarbeit:\u003c\/strong\u003e Anforderungsklärung, Datenprojekt planen, Analyse durchführen, Ergebnis bewerten, Bericht erstellen und präsentieren\u003c\/li\u003e\n          \u003cli\u003e\n\u003cstrong\u003eCompliance:\u003c\/strong\u003e Datenschutz, Datensicherheit, Datenethik, Bias, Transparenz, Dokumentation und verantwortungsvolle Datennutzung\u003c\/li\u003e\n        \u003c\/ul\u003e\n      \u003c\/div\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Fachliche Schwerpunkte --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eFachliche Schwerpunkte im Bereich Data Analyst\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cul style=\"margin:0; padding-left:20px; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        \u003cli\u003eDatenkompetenz, Datenarten, Datenquellen, Datenformate, Datenlebenszyklus und Datenwertschöpfung\u003c\/li\u003e\n        \u003cli\u003ebetriebliche Fragestellungen, Analyseziele, Kennzahlensysteme, KPIs und Entscheidungsgrundlagen\u003c\/li\u003e\n        \u003cli\u003eExcel, Tabellenkalkulation, Pivot-Tabellen, Power Query, Datenimport und Datenaufbereitung\u003c\/li\u003e\n        \u003cli\u003eDatenbanken, relationale Modelle, Tabellenbeziehungen, Primärschlüssel, Fremdschlüssel und Normalisierung\u003c\/li\u003e\n        \u003cli\u003eSQL-Grundlagen, SELECT-Abfragen, Filter, Sortierungen, Joins, Aggregationen, Gruppierungen und Unterabfragen\u003c\/li\u003e\n        \u003cli\u003eETL-Prozesse, Datenextraktion, Transformation, Datenbereinigung, Datenvalidierung und Datenqualität\u003c\/li\u003e\n        \u003cli\u003edeskriptive Statistik, Lage- und Streuungsmaße, Korrelation, Zeitreihen, Trends, Ausreißer und Verteilungen\u003c\/li\u003e\n        \u003cli\u003eDatenvisualisierung, Diagrammtypen, Visualisierungsregeln, Dashboard-Struktur und Data Storytelling\u003c\/li\u003e\n        \u003cli\u003ePower BI, Datenmodellierung, Measures, Filter, Slicer, Berichtsseiten, Interaktionen und Management-Dashboards\u003c\/li\u003e\n        \u003cli\u003eKNIME, Workflow-Aufbau, Datenknoten, Transformationen, Modellierung und reproduzierbare Analyseprozesse\u003c\/li\u003e\n        \u003cli\u003ePython-Grundlagen für Data Analytics, Pandas, NumPy, Matplotlib, Datenimport, Bereinigung und Visualisierung\u003c\/li\u003e\n        \u003cli\u003eMachine-Learning-Grundlagen, Klassifikation, Regression, Clustering, Modellbewertung und Grenzen automatisierter Auswertung\u003c\/li\u003e\n        \u003cli\u003eDatenschutz, DSGVO-Grundlagen, Informationssicherheit, Rollenrechte, Datenminimierung, Anonymisierung und Pseudonymisierung\u003c\/li\u003e\n        \u003cli\u003eDatenethik, Bias, Transparenz, Nachvollziehbarkeit, Verantwortung und professionelle Kommunikation von Analyseergebnissen\u003c\/li\u003e\n        \u003cli\u003eProjektmanagement, agile Datenprojekte, Anforderungsanalyse, Dokumentation, Ergebnisbericht und Präsentation\u003c\/li\u003e\n      \u003c\/ul\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Lerninhalte --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eLerninhalte nach 14 fachlichen Lernfeldern\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cp style=\"margin:0 0 14px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Die nachfolgenden Lernfelder bilden eine praxisorientierte Struktur für Data-Analyst-Schulungen. Sie verbinden IT-Grundlagen, Datenanalyse, Statistik, BI, SQL, Python, Datenqualität, Machine Learning, Datenschutz, Datenethik, Reporting und Projektarbeit.\n      \u003c\/p\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 1: Rolle, Aufgaben und Einsatzbereiche des Data Analyst verstehen\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003eAufgabenprofil, Arbeitsumfeld und Schnittstellen einordnen\u003c\/li\u003e\n            \u003cli\u003eDatenanalyse als Grundlage betrieblicher Entscheidungen verstehen\u003c\/li\u003e\n            \u003cli\u003eFachabteilungen, IT, Management und Datenschutz als Beteiligte berücksichtigen\u003c\/li\u003e\n            \u003cli\u003eAnalyseziele, Nutzen, Grenzen und Verantwortung erklären\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 2: Datenquellen, Datenarten und Datenstrukturen erschließen\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003estrukturierte, halbstrukturierte und unstrukturierte Daten unterscheiden\u003c\/li\u003e\n            \u003cli\u003einterne und externe Datenquellen bewerten\u003c\/li\u003e\n            \u003cli\u003eTabellen, CSV, Excel, Datenbanken, APIs und Exportdateien einordnen\u003c\/li\u003e\n            \u003cli\u003eDatenbedarf aus einer betrieblichen Fragestellung ableiten\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 3: Excel, Tabellen und Power Query für Datenanalysen nutzen\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003eTabellen sauber strukturieren und Datenformate vereinheitlichen\u003c\/li\u003e\n            \u003cli\u003ePivot-Tabellen, Filter, Sortierungen und Formeln einsetzen\u003c\/li\u003e\n            \u003cli\u003eDaten mit Power Query importieren, transformieren und aktualisieren\u003c\/li\u003e\n            \u003cli\u003eAuswertungen, Kennzahlen und einfache Reports erstellen\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 4: Datenbanken und SQL-Grundlagen anwenden\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003erelationale Datenbanken, Tabellen und Beziehungen verstehen\u003c\/li\u003e\n            \u003cli\u003eSELECT-Abfragen, WHERE, ORDER BY, GROUP BY und HAVING anwenden\u003c\/li\u003e\n            \u003cli\u003eJoins, Aggregationen und einfache Unterabfragen nutzen\u003c\/li\u003e\n            \u003cli\u003eAbfrageergebnisse für Analysezwecke vorbereiten\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 5: ETL-Prozesse und Datenaufbereitung durchführen\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003eDaten extrahieren, transformieren und laden\u003c\/li\u003e\n            \u003cli\u003eDaten bereinigen, standardisieren und zusammenführen\u003c\/li\u003e\n            \u003cli\u003efehlende Werte, Dubletten, Ausreißer und Formatfehler behandeln\u003c\/li\u003e\n            \u003cli\u003ereproduzierbare Datenaufbereitungsprozesse dokumentieren\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 6: Datenqualität sicherstellen und Daten validieren\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003eDatenqualität nach Vollständigkeit, Aktualität und Plausibilität bewerten\u003c\/li\u003e\n            \u003cli\u003eValidierungsregeln, Prüfprotokolle und Qualitätskriterien anwenden\u003c\/li\u003e\n            \u003cli\u003eDatenfehler erkennen und Korrekturmaßnahmen ableiten\u003c\/li\u003e\n            \u003cli\u003eDatenherkunft, Datenstand und Bearbeitungsschritte nachvollziehbar dokumentieren\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 7: Statistik und explorative Datenanalyse einsetzen\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003eMittelwert, Median, Modus, Varianz und Standardabweichung berechnen\u003c\/li\u003e\n            \u003cli\u003eVerteilungen, Korrelationen, Trends und Ausreißer untersuchen\u003c\/li\u003e\n            \u003cli\u003eHypothesen formulieren und statistisch prüfen\u003c\/li\u003e\n            \u003cli\u003eAnalyseergebnisse fachlich richtig interpretieren\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 8: Daten visualisieren und verständlich präsentieren\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003egeeignete Diagrammtypen für Fragestellungen auswählen\u003c\/li\u003e\n            \u003cli\u003eVisualisierungsfehler vermeiden und Aussagen klar herausarbeiten\u003c\/li\u003e\n            \u003cli\u003eManagementberichte und Fachbereichsreports aufbauen\u003c\/li\u003e\n            \u003cli\u003eData Storytelling zur verständlichen Ergebnisvermittlung nutzen\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 9: Power BI und Business-Intelligence-Dashboards entwickeln\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003eDaten in Power BI importieren und modellieren\u003c\/li\u003e\n            \u003cli\u003eBerichte, Dashboards, Filter, Slicer und Drilldowns erstellen\u003c\/li\u003e\n            \u003cli\u003eKennzahlen, KPIs und Management-Sichten entwickeln\u003c\/li\u003e\n            \u003cli\u003eReports aktualisieren, dokumentieren und zielgruppengerecht bereitstellen\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 10: Python-Grundlagen für Datenanalyse anwenden\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003ePython-Grundlagen, Variablen, Datentypen und Kontrollstrukturen nutzen\u003c\/li\u003e\n            \u003cli\u003eDaten mit Pandas importieren, filtern, gruppieren und transformieren\u003c\/li\u003e\n            \u003cli\u003eNumPy und Matplotlib für Berechnungen und Visualisierungen einsetzen\u003c\/li\u003e\n            \u003cli\u003eAnalyse-Skripte nachvollziehbar dokumentieren\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 11: KNIME und visuelle Analyse-Workflows erstellen\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003eWorkflow-Strukturen und Knotenlogik verstehen\u003c\/li\u003e\n            \u003cli\u003eDaten importieren, verbinden, transformieren und ausgeben\u003c\/li\u003e\n            \u003cli\u003eAnalyseprozesse modular und wiederholbar aufbauen\u003c\/li\u003e\n            \u003cli\u003eWorkflow-Ergebnisse bewerten und dokumentieren\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 12: Machine-Learning-Grundlagen einordnen\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003eüberwachtes und unüberwachtes Lernen unterscheiden\u003c\/li\u003e\n            \u003cli\u003eKlassifikation, Regression, Clustering und Forecasting erklären\u003c\/li\u003e\n            \u003cli\u003eTrainingsdaten, Testdaten und Modellgüte verstehen\u003c\/li\u003e\n            \u003cli\u003eChancen, Grenzen, Bias und Risiken automatisierter Modelle bewerten\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:10px; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 13: Datenschutz, Datensicherheit und Datenethik beachten\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003epersonenbezogene Daten und sensible Daten erkennen\u003c\/li\u003e\n            \u003cli\u003eDSGVO-Grundlagen, Zweckbindung und Datenminimierung beachten\u003c\/li\u003e\n            \u003cli\u003eAnonymisierung, Pseudonymisierung und Rollenrechte einordnen\u003c\/li\u003e\n            \u003cli\u003eethische Risiken, Verzerrungen und Transparenzanforderungen berücksichtigen\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n\n      \u003cdetails style=\"background:#f8fafc; border:1px solid #dbeafe; border-radius:14px; margin-bottom:0; padding:0; overflow:hidden;\"\u003e\n        \u003csummary style=\"cursor:pointer; list-style:none; padding:10px 13px; font-size:13px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n          \u003cspan style=\"display:inline-block; margin-right:6px; color:#f97316; font-size:11px;\"\u003e►\u003c\/span\u003eLernfeld 14: Datenprojekte planen, durchführen und präsentieren\n        \u003c\/summary\u003e\n        \u003cdiv style=\"padding:0 16px 16px 16px;\"\u003e\n          \u003cul style=\"margin:0; padding-left:18px; font-size:14px; line-height:1.65; color:#334155;\"\u003e\n            \u003cli\u003eAnalyseauftrag, Zielgruppe, Datenbedarf und Projektziel definieren\u003c\/li\u003e\n            \u003cli\u003eDatenprojekt nach agilen oder klassischen Methoden planen\u003c\/li\u003e\n            \u003cli\u003eAnalyse durchführen, Ergebnisse bewerten und Empfehlungen ableiten\u003c\/li\u003e\n            \u003cli\u003eProjektbericht, Dashboard und Abschlusspräsentation erstellen\u003c\/li\u003e\n          \u003c\/ul\u003e\n        \u003c\/div\u003e\n      \u003c\/details\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Das erwartet Sie --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eDas erwartet Sie im Komplettpaket\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px; overflow-x:auto;\"\u003e\n      \u003ctable style=\"width:100%; border-collapse:collapse; font-size:15px; line-height:1.6; color:#334155;\"\u003e\n        \u003ctbody\u003e\n          \u003ctr\u003e\n            \u003ctd style=\"width:28%; padding:10px; border-bottom:1px solid #e2e8f0; font-weight:bold; color:#0a1f6f;\"\u003eUmfang\u003c\/td\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0;\"\u003e140 Kapitel mit ca. 3.500 PowerPoint-Folien für Data Analyst, Datenanalyse, Business Analytics und BI-Unterricht\u003c\/td\u003e\n          \u003c\/tr\u003e\n          \u003ctr\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0; font-weight:bold; color:#0a1f6f;\"\u003eDateiformat\u003c\/td\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0;\"\u003ePowerPoint-Dateien im Format .pptx, editierbar, erweiterbar und druckbereit\u003c\/td\u003e\n          \u003c\/tr\u003e\n          \u003ctr\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0; font-weight:bold; color:#0a1f6f;\"\u003eStruktur\u003c\/td\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0;\"\u003e14 fachliche Lernfelder mit Grundlagen, Vertiefung, Praxisfällen, BI, SQL, Python, Statistik, Datenqualität, Machine Learning und Datenprojekt\u003c\/td\u003e\n          \u003c\/tr\u003e\n          \u003ctr\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0; font-weight:bold; color:#0a1f6f;\"\u003eDidaktik\u003c\/td\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0;\"\u003eLernziele, Grundlagen, Praxisfälle, Datenbeispiele, Merksätze, Kontrollfragen, Projektaufgaben, Analyseübungen, Präsentationsaufgaben und prüfungsnahe Handlungssituationen\u003c\/td\u003e\n          \u003c\/tr\u003e\n          \u003ctr\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0; font-weight:bold; color:#0a1f6f;\"\u003eSchwerpunkte\u003c\/td\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0;\"\u003eDatenquellen, Datenqualität, ETL, Excel, SQL, Datenbanken, Statistik, Power BI, KNIME, Python, Visualisierung, Reporting, Machine Learning, Datenschutz und Projektarbeit\u003c\/td\u003e\n          \u003c\/tr\u003e\n          \u003ctr\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0; font-weight:bold; color:#0a1f6f;\"\u003eNutzung\u003c\/td\u003e\n            \u003ctd style=\"padding:10px; border-bottom:1px solid #e2e8f0;\"\u003eWeiterbildung, Umschulung, Akademie, Berufsschule, Fachschule, Unternehmensschulung, Online-Unterricht, Hybrid-Schulung, Projektunterricht und Prüfungsvorbereitung\u003c\/td\u003e\n          \u003c\/tr\u003e\n          \u003ctr\u003e\n            \u003ctd style=\"padding:10px; font-weight:bold; color:#0a1f6f;\"\u003eAnpassbar\u003c\/td\u003e\n            \u003ctd style=\"padding:10px;\"\u003eTexte, Logos, Farben, Schriftarten, Folienreihenfolge, Fallbeispiele, Datenquellen, Software-Screenshots, Analyseaufgaben, Projektaufträge und Prüfungsfragen können frei bearbeitet oder ergänzt werden\u003c\/td\u003e\n          \u003c\/tr\u003e\n        \u003c\/tbody\u003e\n      \u003c\/table\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Anpassbarkeit --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eIndividuell anpassbar und erweiterbar\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cp style=\"margin:0 0 12px 0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Alle PowerPoint-Dateien werden als editierbare Präsentationen bereitgestellt. Dadurch können die Inhalte flexibel an eigene Schulungspläne, eingesetzte Software, Unternehmensdaten, Branchenbeispiele, interne Kennzahlen, Reporting-Standards, Datenschutzvorgaben, Prüfungsschwerpunkte oder besondere Zielgruppen angepasst werden.\n      \u003c\/p\u003e\n\n      \u003cul style=\"margin:0; padding-left:20px; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        \u003cli\u003eeditierbare PowerPoint-Dateien im Format .pptx\u003c\/li\u003e\n        \u003cli\u003eAnpassung an Corporate Design \/ Corporate Identity möglich\u003c\/li\u003e\n        \u003cli\u003eeigene Datensätze, Praxisfälle und Projektaufgaben integrierbar\u003c\/li\u003e\n        \u003cli\u003eKapitel können gekürzt, erweitert oder neu angeordnet werden\u003c\/li\u003e\n        \u003cli\u003egeeignet für Präsenzunterricht, Online-Schulung und Hybrid-Unterricht\u003c\/li\u003e\n        \u003cli\u003enutzbar als Grundlage für eigene Schulungsunterlagen, Datenworkshops und Zertifikatskurse\u003c\/li\u003e\n      \u003c\/ul\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Vorteile --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eIhre Vorteile\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cul style=\"margin:0; padding-left:20px; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        \u003cli\u003e\n\u003cstrong\u003eFür Dozentinnen und Dozenten:\u003c\/strong\u003e deutliche Zeitersparnis durch fertig strukturierte, fachlich aufgebaute Folien.\u003c\/li\u003e\n        \u003cli\u003e\n\u003cstrong\u003eFür Bildungsträger:\u003c\/strong\u003e ideal als Grundlage für Data-Analyst-Weiterbildungen, BI-Kurse, Unternehmensschulungen und digitale Lernprogramme.\u003c\/li\u003e\n        \u003cli\u003e\n\u003cstrong\u003eFür Unternehmen:\u003c\/strong\u003e praxisnahe Schulungsgrundlage für Datenkompetenz, Reporting, Power BI, SQL, Datenqualität und datenbasierte Entscheidungen.\u003c\/li\u003e\n        \u003cli\u003e\n\u003cstrong\u003eFür Projektunterricht:\u003c\/strong\u003e klare Struktur von der Fragestellung über Datenaufbereitung bis zur Ergebnispräsentation.\u003c\/li\u003e\n        \u003cli\u003e\n\u003cstrong\u003eFür Prüfungsvorbereitung:\u003c\/strong\u003e Unterstützung bei Themen wie Datenanalyseprojekt, Prozessanalyse, Datenqualität, Datenschutz und Präsentation.\u003c\/li\u003e\n        \u003cli\u003e\n\u003cstrong\u003eFür professionelle Schulungskonzepte:\u003c\/strong\u003e Anpassung an eigene Daten, Softwareumgebungen, Branchenbeispiele, Layouts und Lernziele möglich.\u003c\/li\u003e\n        \u003cli\u003e\n\u003cstrong\u003eQualitätsgeprüfte Auslieferung:\u003c\/strong\u003e Die Inhalte werden vor Bereitstellung nochmals fachlich und strukturell geprüft.\u003c\/li\u003e\n      \u003c\/ul\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Ideal für Unterricht --\u003e\n  \u003cdetails style=\"background:#ffffff; border:1px solid #e2e8f0; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:14px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#f8fafc; padding:12px 16px; font-size:14px; line-height:1.35; color:#0a1f6f; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eIdeal für Unterricht, Weiterbildung und betriebliche Datenkompetenz\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cp style=\"margin:0; font-size:15px; line-height:1.7; color:#334155;\"\u003e\n        Das PowerPoint-Komplettpaket ist für den direkten Einsatz in Data-Analytics-Kursen, BI-Schulungen, betrieblichen Trainings, Umschulungen, Fachinformatik-nahen Unterrichtseinheiten und projektorientierten Weiterbildungen vorbereitet. Die editierbaren Dateien können individuell angepasst, erweitert und an eigene Unterrichtskonzepte, Softwareumgebungen, Unternehmensdaten, Branchenbeispiele oder Prüfungsvorbereitungsformate angepasst werden.\n      \u003c\/p\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Akkordeon: Lieferzeit --\u003e\n  \u003cdetails style=\"background:#fff7ed; border:1px solid #fed7aa; border-radius:18px; padding:0; box-shadow:0 6px 18px rgba(15,23,42,0.05); margin-bottom:18px; overflow:hidden;\"\u003e\n    \u003csummary style=\"cursor:pointer; list-style:none; background:#ffedd5; padding:12px 16px; font-size:14px; line-height:1.35; color:#9a3412; font-weight:800;\"\u003e\n      \u003cspan style=\"display:inline-block; margin-right:7px; color:#f97316; font-size:12px;\"\u003e►\u003c\/span\u003eWichtiger Hinweis zur Lieferzeit\n    \u003c\/summary\u003e\n\n    \u003cdiv style=\"padding:22px;\"\u003e\n      \u003cp style=\"margin:0 0 12px 0; font-size:15px; line-height:1.7; color:#7c2d12;\"\u003e\n        Die Lieferzeit beträgt in der Regel zwischen 10 und 14 Tagen. Der Grund dafür ist, dass die Inhalte vor der Auslieferung nochmals sorgfältig mit aktuellen Lerninhalten, Softwareanforderungen, Datenanalyse-Standards, Datenschutzaspekten und prüfungsrelevanten Anforderungen abgeglichen werden.\n      \u003c\/p\u003e\n\n      \u003cp style=\"margin:0 0 12px 0; font-size:15px; line-height:1.7; color:#7c2d12;\"\u003e\n        Falls erforderlich, werden einzelne Inhalte vor der Bereitstellung zusätzlich angepasst, aktualisiert oder erweitert. Dadurch erhalten Sie ein möglichst aktuelles, fachlich stimmiges und sofort einsetzbares Unterrichtsmaterial.\n      \u003c\/p\u003e\n\n      \u003cp style=\"margin:0; font-size:15px; line-height:1.7; color:#7c2d12; text-align:center;\"\u003e\n        Bei Rückfragen wenden Sie sich bitte an unseren Support unter:\u003cbr\u003e\n        \u003cstrong\u003e08073-8073129\u003c\/strong\u003e\n      \u003c\/p\u003e\n    \u003c\/div\u003e\n  \u003c\/details\u003e\n\n  \u003c!-- Fazit --\u003e\n  \u003cdiv style=\"background:linear-gradient(135deg,#0a1f6f 0%,#0f3f91 100%); border-radius:18px; padding:24px; box-shadow:0 8px 24px rgba(10,31,111,0.22); text-align:center;\"\u003e\n    \u003ch3 style=\"margin:0 0 12px 0; font-size:22px; color:#ffffff; font-weight:800;\"\u003e\n      140 Kapitel · ca. 3.500 Folien · Data Analyst · BI · SQL · Python · Statistik · Power BI · Datenqualität · Projektorientiert · Editierbar\n    \u003c\/h3\u003e\n\n    \u003cp style=\"margin:0 auto 16px auto; max-width:900px; font-size:15px; line-height:1.7; color:#eaf3ff;\"\u003e\n      Starten Sie mit professionell aufbereitetem Unterrichtsmaterial für Data Analyst, Datenanalyse und Business Analytics – mit 140 Kapiteln, ca. 3.500 Folien, strukturiert nach 14 fachlichen Lernfeldern, praxisnah ausgearbeitet und optimal geeignet für Weiterbildung, Bildungsträger, Unternehmensschulung, Online-Unterricht, BI-Training, Projektunterricht und Prüfungsvorbereitung.\n    \u003c\/p\u003e\n\n    \u003cdiv style=\"display:inline-block; background:#ffffff; color:#0a1f6f; padding:10px 22px; border-radius:999px; font-size:15px; font-weight:800;\"\u003e\n      Jetzt einsetzen, individuell anpassen und Datenkompetenz professionell vermitteln\n    \u003c\/div\u003e\n  \u003c\/div\u003e\n\n\u003c\/div\u003e","brand":"TPM-Media Verlag","offers":[{"title":"Default Title","offer_id":54137244483923,"sku":"Power1042","price":4990.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1069\/4030\/1651\/files\/Data_Analyst.png?v=1782736301","url":"https:\/\/tpm-mediashop.com\/products\/powerpoint-komplettpaket-fur-die-ausbildung-zum-data-analyst-m-w-d","provider":"TPM-Media Verlag","version":"1.0","type":"link"}