Ausbildung »Data Scientist Specialized in Data Management«

Werden Sie Spezialist für das Datenmanagement

Bauen Sie Daten-Silos mit dem Data Lake ab

Unsere Fraunhofer-Experten vermitteln Ihnen, wie Sie mit dem Konzept des Data Lakes Daten für die Analyse zusammenführen und aufbereiten. Diese praxisorientierte und interaktive Ausbildung befähigt Sie, Entscheidungen zur Einführung und Nutzung von Data Lakes oder NoSQL-Datenbanken zu treffen.

Was Ihnen die Ausbildung bringt

Nach der Ausbildung wissen Sie, wie Sie Daten richtig organisieren, Metadaten nutzen und unterschiedliche Software-Komponenten in den Layern des Data Lakes einsetzen, um Daten in den Data Lake aufzunehmen, zu speichern, zu transformieren und darauf zuzugreifen.

Neben den reinen technischen Fragen spielen auch organisatorische Aspekte eine Rolle. Sie erfahren, wie Sie eine Organisationseinheit strukturell und organisatorisch führen müssen, um gute Datenmanagement-Praxis umzusetzen.

Die Zertifizierung findet durch die Fraunhofer-Personenzertifizierungsstelle statt. Das Zertifikat bescheinigt den Absolventen relevantes innovatives Praxiswissen und nachgewiesene Kompetenz.

Diese konkreten Lerninhalte vermitteln wir Ihnen

Modul 1: Datenmanagement-Systeme

Sie lernen Grundlagen über modernes Datenmanagement, um ein gemeinsames Verständnis darüber zu erlangen. Sie bekommen Grundbegriffe der Datenmodellierung vermittelt, um diese in den Kontext der relationalen und NoSQL-Welt der Datenbanken einordnen zu können. Nach diesem Modul können Sie beantworten, welche Vorteile NoSQL-Datenbanken im Vergleich zu relationalen Datenbanken bieten. Sie wissen, für welche Fragestellungen sich ein Umstieg lohnt und Sie kennen die Unterschiede verschiedener Abfragesprachen.

Modul 2: Metadatenmanagement mit dem Data Lake

Wir vermitteln Ihnen das Konzept des Data Lakes und wie es sich vom klassischen Data Warehouse abgrenzt. Nach diesem Modul haben Sie verstanden, wie Sie Daten in einen Data Lake bekommen und wie Sie mit Metadaten am besten umgehen, um quellenübergreifende Abfragen effizient zu gestalten. Die wesentlichen Schritte können Sie mit verschiedenen Werkzeugen selbst umsetzen.

Modul 3: Data Reconciliation und andere Aufbereitungsmethoden

Die Aufbereitung und Vereinheitlichung von Daten sind die größten Zeitfresser in den Aufgaben eines Data Scientist. Gleichzeitig sind sie die wichtigsten Aufgaben, um Daten quellenübergreifend analysieren zu können. Nach diesem Modul kennen Sie verschiedene Werkzeuge für die Aufbereitung und Integration von Daten und können diese Prozesse effizienter durchführen.

Modul 4: Operationalisierung von Datenmanagement

Wer verstanden hat, wie Daten für eine Analyse richtig vorbereitet werden, will das Gelernte auch in operativ umsetzen. Hierfür vermitteln wir Ihnen einige organisatorische Aspekte des Datenmanagements. Nach diesem Modul kennen Sie praktische Ansätze für die Datenmanagement-Planung und haben einen Überblick über Rollen und Aufgaben in der Data Governance. Zudem planen Sie Ihr erstes kleines Change-Projekt für den Transfer des Gelernten in Ihre Organisation.

Wann ist der Kurs für Sie geeignet – und wann nicht?

Sie sind hier richtig, wenn… Sie sollten eher nicht teilnehmen, wenn…

Sie in einer mittleren bis großen Organisation arbeiten.

Sie glauben, dass man Data Science on-the-job lernen kann.

Sie neue Fachexpertise aufbauen wollen.

Sie die Einführung eines Data Lakes leiten wollen.

Sie von Fraunhofer-Experten innovatives Wissen vermittelt bekommen wollen.

Sie das Datenmanagement in Ihrer Organisation verbessern wollen.

Sie denken, dass Sie ein komplettes Studium in einer Woche absolvieren können.

Sie keinen Bezug zum Management von Daten haben.

für Sie quellenübergreifende Analyse von Daten kein Thema ist.

Sie nur an einer Management-Summary interessiert sind und Sie konkreter Einsatz von Tools und Methoden nicht interessiert.

Das sagen unsere Teilnehmerinnen und Teilnehmer

»Mir haben besonders gut die Gruppenaufgaben gefallen, da man sich hierbei gut austauschen und neue Sichtweisen dazu gewinnen konnte.«

»Gut gefallen hat mir die Gegenüberstellung von Data Warehouse und Data Lake.«

»Alle Dozenten hatten große Erfahrung und Kompetenzen und konnten alle Fragen beantworten.«

»Die praktischen Übungen haben das Verständnis stark unterstützt.«

»Die Dozenten waren gut und versiert.«

»Ich fand den Fokus auf Daten besonders gut und die ganzheitliche Betrachtungsweise.«

»Die Organisation und Themenauswahl hat mir gut gefallen.«