Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
In Finanzprognosen mit Python schlüpfst du in die Rolle der CFO und lernst, wie du einen Aufsichtsrat zu wichtigen Kennzahlen berätst, während du eine Finanzprognose erstellst, die Grundlagen von Gewinn- und Verlustrechnung sowie Bilanz kennenlernst und unordentliche Finanzdaten bereinigst. Im Kurs arbeitest du mit realen Datensätzen von Netflix, Tesla und Ford und nutzt dabei das Paket pandas. Nach dem Kurs kannst du Finanzkennzahlen berechnen, mit Annahmen und Abweichungen arbeiten und deine eigene Prognose in Python aufsetzen!
Voraussetzungen
Lernprogramm
Kursübersicht
1
Gewinn- und Verlustrechnung
In diesem Kapitel lernst du die Grundlagen von Finanzberichten kennen, mit besonderem Fokus auf die Gewinn- und Verlustrechnung, die unsere Umsätze, Kosten und Gewinne ausweist. Wir berechnen Profitabilitätskennzahlen und schließen das Gelernte ab, indem wir unsere Gewinnprognose für Tesla erstellen!
- Einführung in Finanzberichte50 XP
- Bruttogewinn berechnen100 XP
- Nettogewinn berechnen100 XP
- Bestandteile von Nettogewinn & Bruttogewinn50 XP
- Umsatz und Cost of Goods Sold (COGS) berechnen50 XP
- Umsätze berechnen100 XP
- Umsatzprognose mit Rabatt100 XP
- COGS berechnen100 XP
- Den Break-even-Point berechnen100 XP
- Arbeiten mit Rohdaten für Prognosen50 XP
- Tesla-Gewinn- und Verlustrechnung100 XP
- Gewinnprognose für Tesla100 XP
2
Bilanz und Prognosekennzahlen
In diesem Kapitel vertiefen wir die Bilanz, behandeln Vermögenswerte und Verbindlichkeiten sowie spezifische Kennzahlen, die helfen, die finanzielle Gesundheit und Effizienz eines Unternehmens zu bewerten, und wie diese Kennzahlen uns beim Erstellen einer überzeugenden Prognose unterstützen können.
3
Rohdaten formatieren, Daten und Finanzperioden verwalten
Wir haben ein Grundverständnis von Gewinn- und Verlustrechnungen sowie Bilanzen. Die Konsolidierung von Daten für Prognosen ist jedoch komplex. Daher sehen wir uns in diesem Kapitel einige grundlegende Werkzeuge an, die helfen, typische Herausforderungen in der Finanzwelt zu lösen – etwa den Umgang mit Datumsangaben und unterschiedlichen Finanzperioden sowie das Formatieren unserer Rohdaten in das richtige Format für Finanzprognosen.
4
Annahmen und Abweichungen in Prognosen
In diesem Kapitel betrachten wir zwei weitere Aspekte, die eine gute Prognose ausmachen. Zuerst sehen wir uns Annahmen an: Was treibt sie, und was passiert, wenn sich eine Annahme ändert? Anschließend beschäftigen wir uns mit Abweichungen, denn eine Prognose wird zu einem bestimmten Zeitpunkt erstellt – aber was, wenn die tatsächlichen Ergebnisse nicht zu unserer Prognose passen? Wir brauchen eine belastbare Prognose, die sowohl auf Änderungen in den Annahmen reagieren kann als auch Abweichungen berücksichtigt. Genau das erkunden wir in diesem Kapitel.
Finanzprognosen mit Python
Kurs
abgeschlossen
