Datenanalyse mit Databricks für die Finanzbranche Schulung

Einführung in Databricks und Finanzanwendungsfälle

• Verständnis des Databricks-Ökosystems
• Übersicht über Workflows der Finanzdatenanalyse
• Beispiele für Anwendungsfälle: Risikomodellierung, Finanzreporting, Audit-Logs

Erste Schritte mit Databricks-Notebooks

• Erstellen und Navigation in Notebooks
• Nutzung von Python und SQL in Databricks
• Kollaboration über Kommentare und Versionsverlauf

Datenimport und -bereinigung

• Import von Finanzdaten aus CSVs, Datenbanken und APIs
• Nutzung von Spark DataFrames für Bereinigung und Vorbereitung
• Behandlung fehlender Werte und Ausreißer

Transformation und Aggregation von Finanzdaten

• Berechnung von KPIs und Finanzkennzahlen
• Filterung, Gruppierung und Pivotierung von Datensätzen
• Manipulation und Neuabstufung von Zeitreihen

Visualisierung finanzieller Erkenntnisse

• Erstellung von Dashboards mit den Visualisierungswerkzeugen von Databricks
• Anpassung von Diagrammen für das Finanzreporting
• Export von Visualisierungen für Präsentationen oder Prüfungen durch Regulierungsbehörden

Optimierung von Abfragen und Nutzung von Delta Lake

• Einführung in die Delta-Lake-Architektur
• ACID-Transaktionen und Datenzuverlässigkeit
• Leistungsverbesserung durch Datenaufteilung (Partitionierung)

Kollaboration, Planung und Freigabe

• Verwaltung des Zugriffs und von Berechtigungen für Finanzteams
• Zeitplanung von Jobs für automatisiertes Reporting
• Sichere Export von Daten und Ergebnissen

Zusammenfassung und nächste Schritte