Schulungsübersicht
Tag 1
Grundlagen von Datenprodukten & Strategie
Einführung in moderne Datenprodukte
Datenprodukte im Vergleich zu traditionellen Datensystemen
Daten als strategische Geschäftskomponente
Wesentliche Komponenten eines Datenprodukt-Ökosystems
Identifizierung geschäftlicher Probleme, die sich für Datenprodukte eignen
Überblick über den Lebenszyklus von Datenprodukten (von der Idee bis zur Skalierung)
Fallbeispiele: Erfolgreiche Datenprodukte in der Branche
Tag 2
Design & Architektur von Datenprodukten
Prinzipien des Datenprodukt-Designs
Verstehen von User-Personas und Datenkonsumenten
Datenarchitekturmodelle (Zentralisiert vs. Data Mesh vs. Hybrid)
Entwurf skalierbarer Datenpipelines
Datenmodellierung für Analysen und operative Zwecke
APIs und Schichten der Datenzugänglichkeit
Cloud-Infrastruktur für Datenprodukte (AWS / Azure / GCP – Überblick)
Tag 3
Data Engineering & Implementierung
Dateninkontionsmethoden (Batch vs. Streaming)
ETL vs. ELT-Frameworks
Erstellung zuverlässiger Datenpipelines
Datenlösungen für die Speicherung (Data Lakes, Data Warehouses, Lakehouse)
Tools zur Datenumwandlung und -orchestrierung
Einführung in die Echtzeit-Datenverarbeitung
Praxislabor: Aufbau einer einfachen Datenpipeline
Tag 4
Analysen, KI-Integration & Governance
Einbetten von Analysen in Datenprodukte
Dashboards, KPIs und Entscheidungsintelligenz
Einführung in KI / ML in Datenprodukten
Empfehlungssysteme und prädiktive Modelle
Management und Überwachung der Datenqualität
Datengovernance, Datenschutz und Compliance (Übersicht über GDPR-Konzepte)
Sicherstellung von Vertrauen, Sicherheit & Zuverlässigkeit in Datenprodukten
Tag 5
Bereitstellung, Skalierung & Produktierung
Produktierung von Datenlösungen für Endanwender
Strategien zur Bereitstellung und CI/CD für Datenprodukte
Überwachung, Leistungsoptimierung & Skalierung
Verwaltung des Lebenszyklus von Datenprodukten in Organisationen
Monetarisierungsstrategien für Datenprodukte
Zukunftstrends: Generative KI & autonome Datenprodukte
Abschlusspräsentation des Kapstone-Projekts & Feedbacksession
Voraussetzungen
- Grundkenntnisse in Datenkonzepten und Unternehmensberichterstattung werden empfohlen.
- Kenntnisse in Excel oder einem anderen grundlegenden Datenanalyse-Tool sind von Vorteil.
- Das Verständnis dafür, wie Daten die unternehmerische Entscheidungsfindung unterstützen, ist nützlich.
- Keine fortgeschrittenen Programmier- oder technischen Vorkenntnisse sind erforderlich.
- Ein echtes Interesse an Daten, Analysen und der digitalen Produktentwicklung 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