Lernpfad

Data-Analyst-Roadmap für Einsteiger

Kostenlose Kurse in der Reihenfolge, in der sich ein Analyst die Werkzeuge tatsächlich aneignet: zuerst Tabellenkalkulation, weil dort die Daten liegen, dann SQL, um sie aus einer Datenbank zu holen, dann Python mit NumPy und Pandas für alles, was eine Tabelle nicht kann. Jede Lektion läuft im Browser, und die Kurse Excel, SQL, Python, Pandas und R enden mit einem kostenlosen Zertifikat.

MIT DEM LERNEN BEGINNEN(kostenlos)

2,347,853+ codders in diesen Kursen eingeschrieben

470 Lektionen440 Aufgaben1,998 Quizfragen

Anfängerfreundlich
KI-gestützte Coding-Hilfe
Praktische, interaktive Lektionen
Audio-Erzählung in jeder Lektion
Quizfragen zum Wissenstest
8 kostenlose Zertifikate entlang des Pfads

Der Data-Analyst-Ausbildungspfad, Schritt für Schritt

9 Kurse7 Abschnitte470 Lektionen440 Aufgaben1,998 Quizfragen

Jeder Schritt ist ein bestehender Coddy-Kurs. Geh sie der Reihe nach durch oder spring direkt zu dem, der dir fehlt - dein Fortschritt wird so oder so pro Kurs gespeichert.

1
Schritt 1
Tabellenkalkulation und ExcelEigene Seite
Diesen Schritt startenStartenZellen, Bereiche, Formeln, Nachschlagefunktionen, Pivot-Tabellen und die Funktionen, die Analysten täglich nutzen. Der Großteil der Daten dieser Welt liegt in Tabellen, und die meisten Analysen werden zuerst in einer geteilt - deshalb beginnt der Pfad hier.Starten Eigene Seite
2 Abschnitte, der Reihe nach
1. Grundlagen42 Lektionen34 Aufgaben235 Fragen
2. Formeln und Datenanalyse28 Lektionen48 Aufgaben100 Fragen
70 Lektionen82 Aufgaben335 Fragen
2
Schritt 2
SQL für DatenanalyseEigene Seite
Diesen Schritt startenStartenEchte Tabellen auswählen, filtern, verknüpfen, gruppieren und aggregieren, danach Fensterfunktionen und Unterabfragen. SQL ist die meistgefragte Fähigkeit in Data-Analyst-Stellenanzeigen und die, in der man am schnellsten brauchbar wird.Starten Eigene Seite
2 Abschnitte, der Reihe nach
1. Grundlagen72 Lektionen72 Aufgaben360 Fragen
2. Über die Grundlagen hinaus27 Lektionen28 Aufgaben167 Fragen
99 Lektionen100 Aufgaben527 Fragen
3
Schritt 3
Python-GrundlagenEigene Seite
Diesen Schritt startenStartenVariablen, Kontrollfluss, Funktionen und Collections - genau die beiden Abschnitte, die ein Analyst braucht, bevor NumPy und Pandas Sinn ergeben. Klassen und Objekte können warten; ein arbeitender Analyst schreibt sie selten.Starten Eigene Seite
2 Abschnitte, der Reihe nach
1. Grundlagen77 Lektionen98 Aufgaben341 Fragen
2. Logik und Ablaufsteuerung78 Lektionen77 Aufgaben329 Fragen
155 Lektionen175 Aufgaben670 Fragen
4
Schritt 4
NumPy: schnelle ZahlenEigene Seite
Diesen Schritt startenStartenArrays, vektorisierte Arithmetik, Indizierung, Aggregation und Broadcasting. NumPy ist der Motor unter Pandas und unter jeder wissenschaftlichen Python-Bibliothek, und es zu verstehen ist der Moment, in dem DataFrame-Operationen aufhören, Magie zu sein.Starten Eigene Seite18 Lektionen34 Fragen
5
Schritt 5
Pandas: Tabellen in PythonEigene Seite
Diesen Schritt startenStartenDataFrames, Bereinigen, Filtern, Gruppieren, Zusammenführen und Umformen echter Datensätze. Das ist der Schritt, an dem Python die Tabelle überholt: alles, was du in Excel gemacht hast, wiederholbar und auf Daten, die zu groß zum Öffnen sind.Starten Eigene Seite19 Lektionen
6
Schritt 6
Daten hereinholen: Dateien, JSON und APIs
Diesen Schritt startenStartenDateien lesen und schreiben, JSON parsen, eine Web-API aufrufen und mit Fehlern umgehen. Echte Daten werden nie als saubere Tabelle übergeben; wer sich seine Daten selbst holen kann, wartet nicht auf eine Entwicklerin.Starten
3 Kurse, der Reihe nach
31 Lektionen8 Aufgaben
7
Schritt 7
R, wenn eine Stelle es verlangtEigene Seite
Diesen Schritt startenStartenOptional. Dieselben Analyseideen in der Sprache der Statistikteams: Vektoren, Data Frames und Datenmanipulation. Überspring diesen Schritt, sofern nicht eine Wunschstelle R nennt - und dann mit dem Wissen, dass sich jedes Konzept aus den Python-Schritten überträgt.Starten Eigene Seite78 Lektionen75 Aufgaben432 Fragen

Das bekommst du

Alles, was du zum Programmierenlernen nutzt

Learn by Doing

Write real code, query databases, build websites, and master AI prompts. Our interactive lessons cover every skill modern developers need.

playground.js

Code Editor

1const greeting = "Hello, Coddy!"

2function sayHi(name) {

3 return greeting + " " + name

Test #1

Test #2

Test #3

Input

"Alex"

Output

"Hello, Coddy! Alex"

Build Your Coding Streak

Stay consistent and watch your progress grow! Track your daily coding habit, protect your streak with freeze days, and earn rewards for showing up every day.

12 days streak

Return tomorrow to keep your streak!

January 2026

Double or Nothing

Day 5 of 7

Streak Freeze

2 left

Code Anywhere, Anytime

Take your coding journey on the go! No setup, no downloads - just open and start coding. Available on iOS, Android and Web with 4.9 star ratings.

250

Variables

CONTINUE

4.9

Rating

You're Not Alone in This

Compete on global leaderboards, invite friends to earn rewards, and celebrate each other's wins. Coding is better with friends!

Challenger LeagueTop 7 advance

Alex7+ Days

2840

Jordan7+ Days

2650

Sam7+ Days

2420

Casey

2180

Morgan7+ Days

1950

Promotion zone

Every way to learn

Read, listen, test yourself, ask the AI, or look up anything you've already covered. Every lesson meets you where you are.

Intro to Variables

Audio

A variable is a named container that stores a value you can reference later in your program.

In Python, you create one by writing the name, an equals sign, then the value you want to store.

The value can change over time - reassigning the name simply points it to a new value.

1xSarah

Prove Your Skills

Earn certificates for every course you complete. Add them to your LinkedIn profile and resume to showcase your coding expertise to employers.

Certificate of Completion

This certifies thatJohn Doehas successfully completed

Python Fundamentals

DateJan 2026

Add to LinkedIn

Warum Datenanalyse mit Coddy lernen

Die Reihenfolge des Jobs. Die meisten Data-Analyst-Kurse beginnen mit Python; die meisten Arbeitstage eines Analysten beginnen mit einer Tabelle und einer SQL-Abfrage. Dieser Pfad lehrt die Werkzeuge in der Reihenfolge, in der du nach ihnen greifen wirst, sodass sich jeder Schritt auszahlt, bevor der nächste anfängt.
Echte Daten, echte Abfragen. Du schreibst SQL gegen echte Tabellen, transformierst echte Pandas-DataFrames und baust echte Tabellenformeln im Browser - nichts zu installieren, nichts mit Folien nachgestellt.
KI-Hinweise, die deine Abfrage lesen. Wenn ein Join die falschen Zeilen liefert oder eine DataFrame-Operation abbricht, schaut Bugsy sich an, was du geschrieben hast, und führt dich zur Lösung, ohne sie zu verraten.
Kostenlose Zertifikate, jedes unter seiner eigenen URL verifizierbar, für die Kurse Excel, SQL, Python, Pandas und R. Ein Excel-, ein SQL- und ein Pandas-Zertifikat sind drei Zeilen im Lebenslauf, die eine Personalverantwortliche in zehn Minuten überprüfen kann.

Häufige Fragen zum Einstieg als Data Analyst

Wie werde ich Data Analyst ohne Erfahrung?

Lerne die drei Werkzeuge, die in jeder Analysten-Stellenanzeige stehen - Tabellenkalkulation, SQL und Python oder R - in genau dieser Reihenfolge, und erarbeite dann zwei oder drei Analysen echter öffentlicher Datensätze, die eine Frage beantworten, die jemand wirklich stellen würde. Das ist dieser Pfad plus ein kleines Portfolio. Erfahrung mit Daten lässt sich leichter herstellen als in den meisten Berufen: Jeder öffentliche Datensatz ist ein Projekt, das nur darauf wartet, aufgeschrieben zu werden.

Welche Fähigkeiten braucht ein Data Analyst?

Tabellenkalkulation für schnelle Arbeit und zum Teilen, SQL, um Daten aus einer Datenbank zu holen, eine Programmiersprache für alles, was eine Tabelle nicht kann (bereinigen, große Tabellen verknüpfen, wiederholbare Pipelines), genug Statistik, um zu wissen, was ein Mittelwert verbirgt, und genug Schreibvermögen, um ein Diagramm jemandem zu erklären, der die Zahlen nicht lesen wird. Dieser Pfad deckt die ersten drei direkt ab; die letzten beiden übst du in jeder Analyse, die du aufschreibst.

Soll ich für Datenanalyse zuerst Excel, SQL oder Python lernen?

Erst Excel, dann SQL, dann Python - genau die Reihenfolge dieses Pfads. Tabellen bringen dir kostenlos bei, in Tabellen zu denken. SQL ist die meistgefragte Analystenfähigkeit überhaupt und wird in drei Wochen brauchbar. Python zahlt sich erst aus, wenn deine Daten groß oder unsauber genug sind, dass eine Tabelle an ihre Grenzen stößt; es zuerst zu lernen heißt, es ohne Grund zu lernen.

Ist Python oder R besser für Datenanalyse?

Python, für die meisten Analystenstellen, weil es weit häufiger verlangt wird und dieselbe Fähigkeit sich in Automatisierung und Engineering-Arbeit übertragen lässt. R bleibt die Sprache der Statistikinstitute sowie mancher Forschungs- und Pharmateams. Dieser Pfad lehrt Python mit NumPy und Pandas und hält R als optionalen letzten Schritt bereit, damit du es ergänzen kannst, wenn eine Stelle danach fragt.

Wie lange dauert es, Data Analyst zu werden?

Etwa vier bis sechs Monate bei einer Stunde am Tag bis zum Junior-Niveau. Auf diesem Pfad braucht Excel zwei bis drei Wochen, SQL drei bis vier, die Python-Grundlagen sechs, und NumPy und Pandas zusammen zwei bis drei Wochen. Die übrige Zeit ist die entscheidende: Analysen echter Datensätze aufschreiben, bis du ein Ergebnis auch jemandem erklären kannst, der nicht nach der Methode gefragt hat.

Deckt dieser Data-Analyst-Pfad Tableau oder Power BI ab?

Nein, und wir sagen das lieber, als die Seite aufzublähen. Dashboard-Werkzeuge sind eine häufige Stellenanforderung und schnell gelernt, sobald du die Daten darunter schon formen kannst - und genau das lehrt dieser Pfad. Sobald ein Visualisierungskurs auf Coddy erscheint, kommt er als neuer Schritt in diesen Pfad.

Ist ein Data-Analyst-Zertifikat etwas wert?

Für sich genommen wenig; zusammen mit Fähigkeiten, die eine Personalverantwortliche prüfen kann, ziemlich viel. Die Kurse Excel, SQL, Python, Pandas und R stellen hier jeweils ein kostenloses Zertifikat unter einer eigenen, verifizierbaren URL aus, und jedes benennt eine konkrete Fähigkeit. Genau danach sucht ein Bewerbermanagementsystem, und genau diese drei Dinge wirst du im Gespräch belegen müssen.

Weitere Lernpfade

Dieselben Kurse, für eine andere Rolle geordnet. Der Fortschritt bleibt erhalten: Ein auf einem Pfad abgeschlossener Kurs zählt auf jedem Pfad, der ihn enthält.

Alle Lernpfade

Coddy programming languages illustration

Starte den Data Analysis-Pfad kostenlos

Jetzt lernen