Schulungsübersicht
Tag 1
Grundlagen von Datenprodukten und deren Strategie
Einführung in moderne Datenprodukte
Datenprodukte im Vergleich zu herkömmlichen Datensystemen
Daten als strategischer Geschäftswert
Kernkomponenten eines Datenprodukt-Ökosystems
Identifizierung geschäftlicher Probleme, für die sich Datenprodukte eignen
Überblick über den Lebenszyklus von Datenprodukten (von der Idee bis zur Skalierung)
Fallstudien: Erfolgreiche Beispiele aus der Praxis
Tag 2
Design und Architektur von Datenprodukten
Grundsätze beim Design von Datenprodukten
Verständnis von Nutzertypen und Datennutzern
Datenarchitekturmodelle (zentrale Verwaltung, Data Mesh oder hybride Varianten)
Entwurf skalierbarer Datenpipelines
Datenmodellierung für analytische sowie betriebliche Zwecke
APIs und Mechanismen zur Datennutzbarkeit
Cloud-Infrastrukturen für Datenprodukte (Übersicht über AWS, Azure und GCP)
Tag 3
Data Engineering und Implementierung
Methoden der Datenerfassung (Batch- vs. Echtzeitverarbeitung)
ETL im Vergleich zu ELT-Frameworks
Erstellung stabiler Datenpipelines
Lösungen zum Speichern von Daten (Datenseen, Data Warehouses und Lakehouse-Architekturen)
Werkzeuge zur Transformation sowie Steuerung von Datenflüssen
Einblick in die Echtzeitverarbeitung von Daten
Praktische Übung: Erstellung einer einfachen Datenpipeline
Tag 4
Analysen, Einbindung künstlicher Intelligenz sowie Governance
Integration analytischer Funktionen in Datenprodukte
Erstellung von Dashboards, Bestimmung relevanter Kennzahlen und Förderung datengestützter Entscheidungen
Einführung in den Einsatz von KI/ML bei Datenprodukten
Rekommendationssysteme und Vorhersagemodelle
Steuerung der Datenqualität sowie Überwachungsmechanismen
Datenschutz, Compliance und Governance (z.B. Aspekte des GDPR)
Sicherstellung von Vertrauenswürdigkeit, Sicherheit und Stabilität bei Datenprodukten
Tag 5
Einführung, Skalierung und Vermarktung von Produkten
Vorbereitung der Nutzervermarktung von Datenlösungen
Einsatz geeigneter Implementierungsstrategien sowie CI/CD-Prozesse für Datenprodukte
Überwachung, Optimierung der Leistungsfähigkeit und Skalierung
Verwaltung des Lebenszyklus von Datenprodukten innerhalb eines Unternehmens
Möglichkeiten zur Monetarisierung von Datenprodukten
Aktuelle Entwicklungen: Generative KI sowie autonome Datenprodukte
Präsentation und Feedbackrunde zum Abschlussprojekt
Voraussetzungen
- Grundkenntnisse in Datenthemen und Geschäftsberichterstattung sind hilfreich.
- Kenntnisse von Excel oder einem ähnlichen Werkzeug zur Datenanalyse erleichtern das Verständnis.
- Ein Bewusstsein dafür, wie Daten geschäftliche Entscheidungen unterstützen, ist vorteilhaft.
- Erweiterte Programmierkenntnisse oder technisches Vorwissen sind nicht erforderlich.
- Interesse an Datenanalyse und der Entwicklung digitaler Produkte ist zwingend notwendig.
Erfahrungsberichte (2)
Die Vielfalt der geteilten Informationen und die Klarheit, Begriffe auf einfache Weise zu erklären.
Arisbe Mendoza - Fairtrade International
Kurs - GDPR Workshop
Maschinelle Übersetzung
Es ist eine praktische Sitzung.
Vorraluck Sarechuer - Total Access Communication Public Company Limited (dtac)
Kurs - Talend Open Studio for ESB
Maschinelle Übersetzung