Schulungsübersicht
Tag 1
Grundlagen von Datenprodukten & Strategie
Einführung in moderne Datenprodukte
Datenprodukte im Vergleich zu traditionellen Datensystemen
Daten als strategischer Geschäftsressource
Komponenten eines Datenprodukt-Ökosystems
Identifikation geschäftlicher Probleme, die sich für Datenprodukte eignen
Übersicht über den Lebenszyklus von Datenprodukten (von der Idee bis zum Skalieren)
Case Studies: Erfolgreiche Datenprodukte in der Branche
Tag 2
Design und Architektur von Datenprodukten
Grundprinzipien des Designs von Datenprodukten
Verstehen von Nutzer*innen-Personas und Datenkonsument*innen
Datenarchitekturmodelle (zentralisiert vs. Data Mesh vs. hybrid)
Konzeption skalierbarer Datenpipelines
Datenmodellierung für Analysen und operative Anwendungen
APIs und Schichten zur Datenzugänglichkeit
Cloud-Infrastruktur für Datenprodukte (Überblick über AWS, Azure und GCP)
Tag 3
Data Engineering & Implementierung Aufnahmemethoden für Daten (Batch vs. Streaming) ETL-vs-ELT-Rahmenwerke Aufbau zuverlässiger Datenpipelines Datenspeicherlösungen (Data Lakes, Data Warehouses, Lakehouse) Tools zur Datentransformation und -orchestrierung Einführung in die Echtzeit-Datenverarbeitung Praktisches Labor: Erstellung einer einfachen Datenpipeline
Tag 4
Analysen, KI-Integration & Governance Integration von Analysen in Datenprodukte Dashboards, KPIs und Entscheidungsintelligenz Einführung in KI/ML in Datenprodukten Empfehlungssysteme und prädiktive Modelle Dateng Qualitätsmanagement und Überwachung Datengovernance, Datenschutz und Compliance (Übersicht der DSGVO-Konzepte) Sicherstellung von Vertrauen, Sicherheit und Zuverlässigkeit in Datenprodukten
Tag 5
Bereitstellung, Skalierung & Produktisierung Produktisierung von Datenlösungen für Endnutzer*innen Bereitstellungsstrategien und CI/CD für Datenprodukte Überwachung, Leistungsoptimierung & Skalierung Verwaltung des Lebenszyklus von Datenprodukten in Organisationen Monetarisierungsstrategien für Datenprodukte Zukunftstrends: Generative KI und autonome Datenprodukte Präsentation des Capstone-Projekts und Feedback-Sitzung
Voraussetzungen
- Grundlegendes Verständnis von Datenkonzepten und Geschäftsberichterstellung wird empfohlen.
- Kenntnisse in Excel oder einem grundlegenden Datenanalysewerkzeug sind hilfreich.
- Das Bewusstsein dafür, wie Daten die unternehmerische Entscheidungsfindung unterstützen, ist von Vorteil.
- Keine fortgeschrittenen Programmier- oder technischen Vorkenntnisse sind erforderlich.
- Ein starkes Interesse an Daten, Analysen und der Entwicklung digitaler Produkte ist essenziell.
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