Datenanalyse mit Databricks im Finanzwesen Schulung

Einführung in Databricks und finanzielle Anwendungsfälle

• Verständnis des Databricks-Ökosystems
• Übersicht über Workflows der finanziellen Datenanalyse
• Beispiele für Anwendungsfälle: Risikomodelierung, Finanzberichterstattung, Audit-Logs

Erste Schritte mit Databricks-Notebooks

• Erstellen und Navigieren in Notebooks
• Nutzung von Python und SQL in Databricks
• Zusammenarbeit über Kommentare und Versionsverlauf

Datenerfassung und Bereinigung

• Import von finanziellen Daten aus CSV-Dateien, Datenbanken und APIs
• Verwendung von Spark DataFrames zur Bereinigung und Vorbereitung
• Bearbeitung fehlender Werte und Ausreisser

Transformation und Aggregation finanzieller Daten

• Berechnung von KPIs und Finanzkennzahlen
• Filtern, Gruppieren und Pivoting von Datensätzen
• Manipulation und Re-Resampling von Zeitreihen

Visualisierung finanzieller Erkenntnisse

• Erstellung von Dashboards mit den Visualisierungstools von Databricks
• Anpassung von Diagrammen für Finanzberichte
• Export von Visualisierungen für Präsentationen oder behördliche Prüfungen

Optimierung von Abfragen und Nutzung von Delta Lake

• Einführung in die Delta Lake-Architektur
• ACID-Transaktionen und Datensicherheit
• Verbesserung der Leistung durch Datenpartitionierung

Zusammenarbeit, Planung und Freigabe

• Verwaltung von Zugriff und Berechtigungen für Finanzteams
• Zeitplanung von Jobs für automatisierte Berichte
• Sichere Exportierung von Daten und Ergebnissen

Zusammenfassung und weitere Schritte