Schulungsübersicht
Einleitung
- Überblick über AWS QuickSight
- Was ist AWS und was ist QuickSight?
Einstieg in AWS QuickSight
- Erstellung eines AWS- sowie QuickSight-Kontos
- Verständnis des Workflows in QuickSight
- Navigieren durch die Benutzeroberfläche von QuickSight
Datenvorbereitung in QuickSight
- Grundlagen der Datenvorbereitung mit QuickSight
- SPICE vs. direkte Abfragen
- Hochladen und Importieren von Daten in QuickSight
- Arbeiten mit Spalten und Feldern
- Erfassung berechneter Felder, Funktionen sowie Operatoren
- Einfügen berechneter Textfelder in das Projekt
- Extraktion von Informationen aus Textdateien
- Nutzung bedingter Funktionen
- Erstellung berechneter Felder mit numerischen Werten
- Hinzufügen verschiedener Filter zu einem Projekt
Datenanalyse und -visualisierung
- Unterschied zwischen Datenvorbereitung und Analyse verstehen
- Erstellung von Datensichten sowie Berichten
- Einfügen visueller Darstellungen
- Bedeutung von Dimensionen und Kennwerten erlernen
- Hinzufügen weiterer Datensätze zu einem Projekt
- Formatierung, Aggregation sowie Granularität der Felder festlegen
- Ausgestaltung visueller Elemente
- Erstellung von narrativen Darstellungen und Baumdiagrammen
- Einsatz von Filtern und Tabellen in der Analyse
- Hinzufügen von Kennzahlenvisualisierungen zu Projekten
Export und Weitergabe von Projektdaten
- Aktualisierung sowie geplante Aktualisierung der Daten verstehen
- Exportieren von Projektdaten als CSV-Dateien
- Hinzufügen weiterer Nutzer zu einem Konto
- Freigabe von Datensätzen sowie Analyseergebnissen
- Erstellung und Verteilung interaktiver Dashboards
Einsatz von Datenbanken als Quellen
- Einrichtung einer Datenbank
- Erstellung von Testdaten im Vorfeld
- Verbindung zwischen QuickSight und der Datenbank herstellen
- Importieren der Daten in das SPICE-Speichersystem
- Dateneinlesen mittels Abfragen veranlassen
- Berechnete Felder sowie Abfrageergebnisse einbinden
- Nutzung von NoSQL-Datenbanken für Analysen
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundkenntnisse im Bereich der Datenanalyse
Zielgruppe
- Datenanalysten
- Jeder, der sich für die Analyse und Visualisierung von Daten interessiert
Erfahrungsberichte (4)
Refactoring Übung und Graph Visualisierung
Tiago Kocevar - Lang Energie AG / Osterwalder Zurich AG
Kurs - Business Intelligence and Data Analysis with Metabase
Deepthi war sehr empfänglich für meine Bedürfnisse, sie konnte erkennen, wann sie zusätzliche Komplexität hinzufügen und wann sie zurückhaltend sein und einen strukturierteren Ansatz verfolgen sollte. Deepthi hat wirklich in meinem Tempo gearbeitet und sicher gestellt, dass ich die neuen Funktionen/Tools selbstständig einsetzen kann, indem sie mir zunächst gezeigt hat, wie es geht, und mich dann selbst nachbauen ließ. Dies half enorm bei der Vertiefung des Trainings. Ich bin extrem zufrieden mit den Ergebnissen dieses Trainings und mit Deepthis Fachwissen!
Deepthi - Invest Northern Ireland
Kurs - IBM Cognos Analytics
Maschinelle Übersetzung
Er war gut vorbereitet - und er ist sehr sympathisch.
Oliver - Post CH AG
Kurs - Splunk Fundamentals
Maschinelle Übersetzung
viele praktische Übungen
Marcin - Narodowy Bank Polski
Kurs - Splunk Data Administration
Maschinelle Übersetzung
