Kurs derzeit nicht verfügbar
BI and Big-Data in der Praxis anwenden
Seminar
Blended learning in Stuttgart ()
Beschreibung
-
Kursart
Seminar berufsbegleitend
-
Niveau
Fortgeschritten
-
Methodik
Blended
-
Unterrichtsstunden
180h
-
Dauer
6 Monate
-
Online Campus
Ja
-
Virtueller Unterricht
Ja
Lernen Sie, wie Sie Ihre Daten sinnvoll extrahieren und sortieren um daraus neues Wissen über Geschäftsfelder, Kunden oder Produkte zu gewinnen.
Das Weiterbildungspaket besteht aus insgesamt drei Modulen und wendet sich an Teilnehmende, die bereits Erfahrung mit der Modellierung multidimensionaler Strukturen und der Nutzung von Data-Warehouse-Systemen haben. Zudem sind sie in der Lage, BI-Werkzeuge zu nutzen. In diesem Modulpaket wird eine klassische Data-Warehouse-Architektur am Beispiel von SAP Business Warehouse on HANA aufgebaut. Danach wird die klassische Architektur mit den Konzepten und Komponenten aus dem Big-Data-Fachgebiet erweitert. Zudem lernen die Teilnehmenden das Programmieren mit den Sprachen R und Python.
Hinweise zu diesem Kurs
Nach der Weiterbildung sollten die Teilnehmenden:
- die Phasen des Data Warehousing und die Referenzarchitektur eines Data Warehouses kennen und beurteilen können
- interne Datenstrukturkonzepte von Data Warehouses kennen, mit der multidimensionalen Anfrageverarbeitung vertraut sein und diese anwenden können
- wissen, wie Big-Data-Projekte entstehen, entworfen und gemanaged werden
- wissen, wie BI- und Big-Data-Competence-Center geführt werden
- wissen, wie ein Big-Data-Projekt konzipiert und implementiert wird
- Grundkonzepte der Programmiersprache Python verstehen
- Python-Programme implementieren
- Funktionen aus frei zugänglichen Python-Paketen in eigene Programme einbinden und damit komplexe Aufgaben effizient umsetzen
Fach- und Führungskräfte, die bereits Erfahrung mit der Modellierung multidimensionaler Strukturen und der Nutzung von Data-Warehouse-Systemen haben. Zudem können Sie bereits BI-Werkzeuge zu nutzen.
Erstes Hochschulstudium sowie ein Jahr relevante Berufserfahrung.
Zusätzlich sollten die Teilnehmenden bereits Erfahrung mit der Modellierung multidimensionaler Strukturen und der Nutzung von Data-Warehouse-Systemen haben.
Meinungen
Themen
- Programmieren
- Python
- Business
- Architektur
- Business Intelligence
- Datenbank
- Datenbanken
- Datawarehouse
- Data Warehousing (OLAP)
- Datamining
Dozenten
Peter Lehmann
Data Science and Business Analytics
Inhalte
Diese Weiterbildung eignet sich für Business Analysten, die Geschäftsmodelle und Big Data verbinden möchten.
Das erste der drei Module beginnt am 20. September und jedes Modul beinhaltet insgesamt drei Präsenztage an der Hochschule der Medien in Stuttgart und eine 2-monatige Online-Phase, in der man selbstständig an Projekten arbeitet. So beträgt die Dauer der Weiterbildung insgesamt sechs Monate.
Folgende Module sind in der Weiterbildung enthalten:
- Data-Warehouse-Workshop
- BI-and-Big-Data-Design-Workshop
- Programming for Data Science
Data-Warehouse-Workshop:
- unternehmensweite Data-Warehouse-Architekturen
- Data-Warehouse-Life-Cyle-Modell
- Datenbanktechniken für Aufbau und Implementierung von Data Warehouses
- Anwendung eines Werkzeuges zur Multidimensionale Datenmodellierung
- Anwendung eines konkreten Werkzeuges zur Extraktion, Transformation und Laden von Daten
- Interne Speicherstrukturen für Data Warehouses (Relational / Multidimensional)
- Anfragen, Anfrageverarbeitung und Anfrageoptimierung in Data Warehouses
- Bedeutung von Enterprise-Data-Warehouse Layers
BI-and-Big-Data-Design-Workshop:
- Evaluation und Selektion von Software für BI- und Big-Data-Szenarien
- Entwurf und Implementierungsansätze für BI- und Big-Data-Projekte
- Kategorisierung und Vorstellung von betrieblichen Anwendungsszenarien
- Vorgehensmodelle und Methodologien für BI- und Big-Data-Projekte
- Management von BI und Big-Data-Projekten und Teams
- Neue IT-Prozesse für den Betrieb von BI- und Big-Data-Lösungen
Programming for Data Science:
Für die Programmiersprache Python:
- die wichtigsten Datentypen und –strukturen
- Kontrollstrukturen für bedingte Ausführungen, Schleifen usw.
- Funktionen benutzen und selbst programmieren
- Klassen benutzen und selbst programmieren
- Datenvisualisierung
- Zugriff auf Daten aus lokalen Dateien
- Zugriff auf Daten aus Webquellen
- Zugriff auf Daten aus Datenbanken
Wichtige Python Pakete für Datenanalyse:
- Numpy/Scipy
- Matplotlib, Bokeh
- Pandas
BI and Big-Data in der Praxis anwenden