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

Welche Ziele werden in diesem Kurs verfolgt?

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

An wen richtet sich dieser Kurs?

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.

Voraussetzungen

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.

Fragen & Antworten

Ihre Frage hinzufügen

Unsere Berater und andere Nutzer werden Ihnen antworten können

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

Verwandte Kategorien

Kontakt

BI and Big-Data in der Praxis anwenden

Fragen & Antworten

Meinungen

Themen

Inhalte

Fügen Sie ähnliche Kurse hinzu und vergleichen Sie sie, um eine bessere Auswahl zu treffen.