Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einrichtung der Geschäftsautomatisierungsumgebung
- Konfiguration von Python 3.12+ für Geschäftsautomatisierungs-Workflows
- Verwalten von Abhängigkeiten mit pip und virtuellen Umgebungen
- Installation und Überblick über die wichtigsten Bibliotheken: pandas, openpyxl, xlwings, requests, schedule
- Strukturierung von Python-Projekten für wartbare Geschäftsskripte
Excel-Integration und Arbeitsmappen-Automatisierung
- Lese- und Schreibzugriff auf Excel-Dateien mit openpyxl
- Programmatische Formatierung von Zellen, Hinzufügen von Formeln und Erstellen von Diagrammen
- Einsatz von xlwings für die Echtzeit-Interaktion mit Excel und den Ersatz von Makros
- Integration von pandas mit Excel für den Import und Export großer Datenmengen
- Automatisierte Generierung von Berichten mit mehreren Blättern und das Ausfüllen von Vorlagen
Erstellung automatisierter Quoten- und Zielsysteme
- Modellierung von Vertriebsgebieten, Quoten und Leistungszielen in Python
- Berechnung der Erfüllung, der Abweichungen und der Prognosen mittels pandas
- Generierung von Quoten-Zuweisungs-Matrizen und deren Verteilung über Excel
- Erstellung von Dashboards und Zusammenfassungsberichten für die Vertriebsleitung
- Validierung der Datenintegrität der Quoten und Umgang mit Randfällen
Optimierung der Datenanalyse
- Effizientes Laden von Daten und Speicheradministration mit pandas
- Vektorisierte Operationen und Vermeidung iterativer zeilenweiser Verarbeitung
- Einsatz von NumPy zur numerischen Optimierung und Aggregation
- Aggregierung und Pivotierung von Betriebsdaten für umsetzbare Erkenntnisse
- Verbindung zu Datenbanken und APIs zur Live-Datenabfrage
Fortgeschrittene Textverarbeitung und reguläre Ausdrücke für Geschäftsdaten
- Mustererkennung und Datenerfassung mit regulären Ausdrücken
- Bereinigung und Standardisierung von Geschäftstextdaten (Namen, Adressen, Bezeichner)
- Validierung von Formaten wie E-Mail-Adressen, Telefonnummern und Rechnungsnummern
- Anwendung regulärer Ausdrücke auf Logdateien und unstrukturierte Geschäftsdokumente
Datei- und Dokumentenautomatisierung
- Verarbeitung von CSV- und JSON-Daten für ETL- und Berichtspipelines
- Lesezugriff und Datenextraktion aus PDFs zur Rechnungs- und Kontostatenverarbeitung
- Automatisierte Generierung von Word-Dokumenten für Verträge und Angebotsunterlagen
- Organisation, Umbenennung und Archivierung von Dateien basierend auf Geschäftsregeln
Extrahieren von Webdaten für die Geschäftsinformation
- Herunterladen und Parsen von HTML-Inhalten mit requests und BeautifulSoup
- Extrahieren von Preisen, Wettbewerbs- und Marktdaten aus öffentlichen Quellen
- Umgang mit Paginierung, Authentifizierung und API-Ratenbegrenzungen
- Speicherung der gescrapten Daten in strukturierten Formaten für die nachgelagerte Analyse
Automatisierung von Berichten und Kommunikation
- Generierung formatierter HTML- und Excel-Berichte aus Analyseergebnissen
- Automatisches Versenden von E-Mails mit Anhängen über SMTP
- Erstellung von geplanten Zusammenfassungsberichten für Stakeholder
- Vorlagen für dynamische Inhalte basierend auf Geschäftslogik und Schwellenwerten
Planung und Orchestrierung von Geschäftsprozessen
- Automatisierung der Skriptausführung mit schedule und cron
- Kettenschaltung abhängiger Aufgaben zu End-to-End-Workflows
- Verwaltung von Ausführungs-Logs und Ausgabeordnern
- Fehlerbehandlung und Wiederholungsstrategien für die Produktionsautomatisierung
Debugging, Tests und Leistungsoptimierung
- Nutzung von Python-Debugging-Tools zur Verfolgung von Automatisierungsfehlern
- Verfassen von Assertions und Unit-Tests für Komponenten der Geschäftslogik
- Profiling der Skriptleistung und Identifizieren von Engpässen
- Bewährte Praktiken zum Schreiben zuverlässigen und wartbaren Automatisierungscode
Praxisprojekt: End-to-End-Geschäftsautomatisierungs-Workflow
- Entwurf eines vollständigen Automatisierungspipelines von den Rohdaten bis zum Endbericht
- Integration von Excel, pandas, E-Mail und Planung in ein einzelnes Projekt
- Anwendung von Quotenlogik, Datenanalyse und Berichterstellung auf ein reales Szenario
- Bewertung, Feedback und nächste Schritte für die weitere Entwicklung der Automatisierung
Voraussetzungen
- Verständnis der Python-Grundlagen, einschließlich Variablen, Schleifen, Funktionen und grundlegender Datenstrukturen.
- Erfahrung im Umgang mit Dateiverarbeitung und grundlegender Datenmanipulation in Python.
- Vertrautheit mit Kalkulationstabellenkonzepten und grundlegenden Workflows der Betriebsberichterstellung.
Zielgruppe
- Betriebsdatenanalysten und Operations-Professionals mit fortgeschrittenen Python-Kenntnissen.
- Datenanalysten, die ihre Workflows für die Berichterstellung und die Excel-Integration automatisieren möchten.
- Vertriebsoperations-Teams, die Quotensysteme programmatisch aufbauen und verwalten möchten.
- Professionals, die für die Optimierung wiederkehrender Datenanalyse- und Berichtsaufgaben zuständig sind.
21 Stunden
Erfahrungsberichte (2)
Praktische Übungen zum Inhalt helfen wirklich, jedes Thema besser zu verstehen. Außerdem ist es gut und hilfreich, die Kurse mit einer Vorlesung zu beginnen und dann mit praktischen Übungen fortzusetzen, um den vorgestellten Stoff besser einordnen zu können.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Kurs - Introduction to Data Science and AI using Python
Maschinelle Übersetzung
Beispiele/Übungen, die perfekt auf unser Fachgebiet abgestimmt sind
Luc - CS Group
Kurs - Scaling Data Analysis with Python and Dask
Maschinelle Übersetzung