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.
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