Datenbanken & Data Analytics – Daten strukturiert speichern und nutzbar machen

Diese Seite vertieft den Bereich Datenbanken & Data Analytics der zentralen IT-Wiki. Sie richtet sich an Administrator.innen, Entwickler.innen, Analyst.innen und Fachanwender.innen, die Datenbanken professionell nutzen und aus Daten belastbare Analysen und Reports erzeugen möchten.

Grundlagen relationaler Datenbanken

Relationale Datenbanken bilden das Rückgrat vieler Geschäftsanwendungen.

• Aufbau relationaler Datenbanksysteme (Tabellen, Zeilen, Spalten, Primär- und Fremdschlüssel).
• Normalisierung, Datenintegrität und Vermeidung redundanter Daten.
• Entity-Relationship-Modelle (ERM) als Basis für saubere Datenmodelle.
• Überblick über gängige Systeme wie SQL Server, PostgreSQL, Oracle, MySQL/MariaDB.

SQL-Grundlagen: Daten abfragen und ändern

SQL ist die Standardsprache für relationale Datenbanken.

• SELECT-Abfragen mit Filterung, Sortierung und Joins über mehrere Tabellen.
• Aggregationen mit GROUP BY, HAVING und typischen Funktionen (z. B. SUM, COUNT, AVG).
• Datenmanipulation mit INSERT, UPDATE und DELETE.
• Arbeiten mit Views, einfachen Funktionen und grundlegenden Berechtigungen.

Datenmodellierung & Performance-Basics

Ein gutes Datenmodell ist Voraussetzung für schnelle und verständliche Abfragen.

• Ableitung von Tabellenstrukturen aus Geschäftsprozessen und Anforderungen.
• Wahl passender Datentypen und Indizes für typische Abfrage-Szenarien.
• Umgang mit Beziehungen (1:1, 1:n, n:m) und deren Umsetzung in Tabellen.
• Grundlagen der Performance-Optimierung wie Indexnutzung und einfache Query-Analyse.

Administration von Datenbanken (Basis)

Für den stabilen Betrieb sind administrative Aufgaben notwendig.

• Anlegen und Verwalten von Datenbanken, Tabellen und Benutzerkonten.
• Backup- und Restore-Konzepte auf Datenbankebene.
• Überwachung von Speicher, Verbindungen und grundlegenden Performance-Kennzahlen.
• Einspielen von Updates und Umgang mit Schema-Änderungen.

Einstieg in Data Analytics & BI

Data Analytics baut auf soliden Datenquellen und klaren Fragestellungen auf.

• Unterschied zwischen operativen Datenbanken und analytischen Systemen (OLTP vs. OLAP).
• Grundlagen datengetriebener Entscheidungen und Kennzahlen (KPIs).
• Typische Analytics-Anwendungsfälle wie Vertriebs-, Finanz- und Prozessanalysen.
• Rolle von BI-Tools, Skriptsprachen und Dashboards im Analyseprozess.

ETL-Prozesse: Daten laden, bereinigen, transformieren

Saubere Daten sind die Basis guter Analysen.

• Extract, Transform, Load (ETL) als Prozesskette vom Quellsystem zum Bericht.
• Anbindung unterschiedlicher Quellen (Datenbanken, Dateien, APIs).
• Datenbereinigung, Dublettenprüfung und Vereinheitlichung von Formaten.
• Aufbau einfacher Datenmodelle für Reporting und Self-Service-Analytics.

Reporting & Dashboards mit BI-Tools

Moderne BI-Tools machen Analysen für Fachbereiche zugänglich.

• Anbindung von Datenquellen und Aufbau von Datenmodellen in Tools wie Power BI.
• Gestaltung aussagekräftiger Visualisierungen (Diagramme, Tabellen, Karten, KPIs).
• Erstellung interaktiver Reports mit Filtern, Drilldowns und Navigation.
• Aufbau von Dashboards für Management, Fachbereiche und operative Teams.

Kennzahlen, DAX & analytische Berechnungen

Für tiefergehende Analysen werden berechnete Kennzahlen benötigt.

• Definition betriebswirtschaftlicher Kennzahlen (z. B. Umsatz, Deckungsbeitrag, Conversion Rate).
• Einsatz von Formelsprache wie DAX oder vergleichbaren Mechanismen in BI-Tools.
• Berechnungen über Zeiträume (Year-over-Year, Rolling 12 Months) und Segmentvergleiche.
• Umgang mit Filterkontexten und typischen Stolperfallen in Berechnungen.

Data Literacy & Zusammenarbeit mit Fachbereichen

Erfolgreiche Analytics-Projekte benötigen gemeinsame Sprache und Verständnis.

• Grundlagen der Data Literacy für Fachanwender.innen (Lesen und Interpretieren von Daten).
• Abstimmung von Begriffen, Kennzahlen und Datenquellen zwischen IT und Fachbereich.
• Dokumentation von Datenmodellen, Berechnungen und Reporting-Standards.
• Aufbau einer Kultur, in der Daten bei Entscheidungen systematisch einbezogen werden.