Kontakt aufnehmen

Schulungsübersicht

Tag 1:

​Grundlagen der Datenprodukte & Strategie
Einführung in moderne Datenprodukte
Datenprodukte im Vergleich zu traditionellen Datensystemen
Daten als strategischer Geschäftswert
Schlüsselelemente eines Datenprodukt-Ökosystems
Identifizierung geschäftlicher Probleme, die sich für Datenprodukte eignen Übersicht über den Lebenszyklus von Datenprodukten (von der Idee bis zum Skalieren) Fallstudien: Erfolgreiche Datenprodukte in der Branche

Tag 2:

​Design & Architektur von Datenprodukten
Prinzipien des Datenprodukt-Designs
Verstehen von Benutzer-Personas und Datenkonsumenten
Datenarchitekturmodelle (Zentralisiert vs. Data Mesh vs. Hybrid)
Entwurf skalierbarer Datenpipelines
Datamodellierung für Analysen und operative Zwecke
APIs und Schichten der Datenzugänglichkeit Cloud-Infrastruktur für Datenprodukte (Übersicht über AWS / Azure / GCP)

Tag 3:

Data Engineering & Implementierung
Datenerfassungsmethoden (Batch vs. Streaming)
ETL vs. ELT-Frameworks
Aufbau zuverlässiger Datenpipelines
Datenspeicherlösungen (Data Lakes, Data Warehouses, Lakehouse)
Tools zur Datentransformation und Orchestrierung
Einführung in die Echtzeit-Datenverarbeitung Praktisches Labor: Aufbau einer einfachen Datenpipeline

Tag 4:

Analysen, KI-Integration & Governance
Anbindung von Analysen an Datenprodukte
Dashboards, KPIs und Decision Intelligence
Einführung in KI/ML in Datenprodukten
Recommendation Systems und prädiktive Modelle Datenqualitätsmanagement und -überwachung
Daten-Governance, Datenschutz und Compliance (Übersicht der GDPR-Konzepte)
Sicherstellung von Vertrauen, Sicherheit & Zuverlässigkeit in Datenprodukten

Tag 5:

Bereitstellung, Skalierung & Produktisierung
Produktisierung datenbasierter Lösungen für Endnutzer
Bereitstellungsstrategien und CI/CD für Datenprodukte Überwachung, Leistungsoptimierung & Skalierung Lebenszyklusmanagement von Datenprodukten in Organisationen
Monetarisierungsstrategien für Datenprodukte
Zukunftstrends: Generative KI & autonome Datenprodukte
Präsentation des Abschlussprojekts (Capstone Project) & Feedback-Sitzung

Voraussetzungen

  • Grundlegendes Verständnis von Datenkonzepten und geschäftlichen Berichterstattungsprozessen wird empfohlen.
  • Kenntnisse in Excel oder anderen grundlegenden Datenanalyse-Tools sind hilfreich.
  • Ein Bewusstsein dafür, wie Daten die Entscheidungsfindung im Unternehmen unterstützen, ist von Vorteil.
  • Keine fortgeschrittenen Programmierkenntnisse oder technischen Vorkenntnisse sind erforderlich.
  • Ein starkes Interesse an Daten, Analysen und der Entwicklung digitaler Produkte ist unerlässlich.
 35 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien