Big Data Analyst

Zielgruppe: Der Lehrgang richtet sich an Personen mit abgeschlossenem Studium in der Informatik, Wirtschaftsinformatik, BWL, Mathematik oder vergleichbarer Qualifikation.

Big Data Analysts werten Unternehmensdaten aus und veranschaulichen diese in einem ansprechenden Rahmen. Der Lehrgang erläutert zunächst die Anforderungen von Daten und Datenbanken, sowie die Data Warehouse Modellierung und den ETL-Prozess. Ein weiterer Schwerpunkt liegt auf der Datenanalyse sowie deren Programmierung, Visualisierung und Management im Big Data Kontext. Abschließend wird das Framework Hadoop zur Verarbeitung umfangreicher Datenmengen erklärt.

Lehrgangsinhalte:

Data Engineer

Grundlagen Business Intelligence (ca. 2 Tage)

• Anwendungsfelder, Dimensionen einer BI Architektur
• Grundlagen Business Intelligence, OLAP, OLTP, Aufgaben eines Data Engineers
• Data Warehousing (DWH): Umgang und Verarbeitung von strukturierten, semi-strukturierten und unstrukturierten Daten

Anforderungsmanagement (ca. 2 Tage)

• Aufgaben, Ziele und Vorgehensweise in der Anforderungsanalyse
• Datenmodellierung, Einführung / Modellierung mit ERM
• Einführung/Modellierung in der UML
• Klassendiagramme
• Use-Case Analyse
• Aktivitätsdiagramme

Datenbanken (ca. 3 Tage)

• Grundlagen von Datenbanksystemen
• Architektur von Datenbankmanagementsystemen
• Anwendung RDBMS,
• Umsetzung Datenmodell in RDBMS, Normalformen
• Praktische und theoretische Einführung in SQL
• Grenzen von Relationalen Datenbanken, csv, json

Data Warehouse (ca. 4 Tage)

• Star Schema
• Datenmodellierung
• Erstellung Star Schema in RDBMS
• Snowflake Schema, Grundlagen, Datenmodellierung
• Erstellung Snowflake Schema in RDBMS
• Galaxy Schema: Grundlagen, Datenmodellierung
• Slowly Changing Dimension Tables Typ 1 bis 5 - Restating, Stacking, Reorganizing, mini Dimension und Typ 5
• Einführung in normal, causal, mini und monster, heterogeneous und sub Dimensions
• Vergleich von state und transaction oriented Faktentabellen, Density und Storage vom DWH

ETL (ca. 4 Tage)

• Data Cleansing
• Null Values
• Aufbereitung von Daten
• Harmonisierung von Daten
• Anwendung von Regular Expressions
• Data Understanding
• Datenvalidierung
• Statistische Datenanalyse
• Datenschutz, Datensicherheit
• Praktischer Aufbau von ETL-Strecken
• Data Vault 2.0, Grundlagen, Hubs, Links, Satellites, Hash Key, Hash Diff.
• Datavault Datenmodellierung
• Praktischer Aufbau eines Data Vault Modells - Raw Vault, Praktische Umsetzung von Hash-Verfahren

Projektarbeit (ca. 5 Tage)

• Zur Vertiefung der gelernten Inhalte
• Präsentation der Projektergebnisse

Data Analytics
Einführung Datenanalyse (ca. 1 Tag)

• CRISP-DM Referenzmodell
• Data Analytics Workflows
• Begriffsabgrenzung Künstliche Intelligenz, Machine Learning, Deep Learning
• Anforderungen und Rolle im Unternehmen des Data Engineers, Data Scientists und Data Analysts

Wiederholung Grundlagen Python (ca. 1 Tag)

• Datentypen
• Funktionen

Datenanalyse (ca. 3 Tage)

• Zentrale Python-Module im Kontext Data Analytics (NumPy, Pandas)
• Prozess der Datenaufbereitung
• Data Mining Algorithmen in Python

Datenvisualisierung (ca. 3 Tage)

• Explorative Datenanalyse
• Insights
• Datenqualität
• Nutzenanalyse
• Visualisierung mit Python: Matplotlib, Seaborn, Plotly Express

Datenmanagement (ca. 2 Tage)

• Big Data Architekturen
• Relationale Datenbanken mit SQL
• Vergleich von SQL- und NoSQL-Datenbanken
• Business Intelligence
• Datenschutz im Kontext der Datenanalyse

Datenanalyse im Big Data Kontext (ca. 1 Tag)

• MapReduce-Ansatz
• Spark
• NoSQL

Dashboards (ca. 3 Tage)

• Bibliothek: Dash
• Aufbau von Dashboards – Dash Components
• Customizing von Dashboards
• Callbacks

TextMining (ca. 1 Tag)

• Data Preprocessing
• Visualisierung
• Bibliothek: SpaCy

Projektarbeit (ca. 5 Tage)

• Zur Vertiefung der gelernten Inhalte
• Präsentation der Projektergebnisse

Big Data Specialist mit Hadoop
Was ist Big Data? (ca. 1 Tag)

• Volume, Velocity, Variety, Value, Veracity
• Chancen und Risiken großer Datenmengen
• Abgrenzung: Business Intelligence, Data Analytics, Data Science
• Was ist Data Mining?

Einführung in Hadoop (ca. 2 Tage)

• Grundlagen Hadoop
• HDFS – dass Hadoop Distributed File System
• Big-Data-Lösungen in der Cloud
• Datenzugriffsmuster für HDFS
• Daten-Speicherung in einem HDFS-Cluster

MapReduce (ca. 3 Tage)

• Map Reduce Philosophie
• Hadoop Cluster
• Verketten von Map Reduce Jobs

Hadoop-Komponenten (ca. 3 Tage)

• Kurzvorstellung anderer Tools wie bspw. Pig, und Hive
• Datenübertragung nach Hadoop
• YARN-Anwendungen
• Hadoop JAVA-API
• Apache Spark

NoSQL und HBase (ca. 3 Tage)

• CAP-Theorem
• ACID und BASE
• Typen von Datenbanken
• HBase

Big Data Visualisierung (ca. 3 Tage)

• Theorien der Visualisierung
• Diagrammauswahl
• Neue Diagrammarten
• Werkzeuge zur Datenvisualisierung

Projektarbeit (ca. 5 Tage)

• Zur Vertiefung der gelernten Inhalte
• Präsentation der Projektergebnisse

Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.

Präsenzlehrgänge mit Videotechnik der neuesten Generation
Der Einsatz von Videokonferenzsystemen gehört zum Lehrgangskonzept von alfatraining. Diese Form von Unterricht trainiert das Arbeiten in einer vernetzten Arbeitsumgebung, wie sie in Industrie und Wirtschaft existiert. In der globalisierten Arbeitswelt arbeiten Firmen heutzutage sowohl firmenintern als auch mit anderen Unternehmen deutschlandweit, europaweit oder weltweit über moderne Kommunikationstechniken und Netzwerke zusammen. Sie lernen im Unterricht den Umgang und Einsatz dieser modernen Techniken kennen.

Wie funktioniert der Unterricht bei alfatraining?
Bei alfatraining findet der Unterricht via alfaview®, einer Videokonferenzsoftware, statt. Die Dozierenden und die Teilnehmenden können sich gegenseitig sehen, hören und miteinander sprechen – live, lippensynchron und in Fernsehqualität! Über den virtuellen Klassenraum alfaview® ist es möglich, dass Sie sowohl mit Dozierenden als auch mit allen Teilnehmerinnen und Teilnehmern Ihres Kurses sprechen und im Team standortübergreifend gemeinsam an Projekten arbeiten. Zusätzliche separate Online-Besprechungsräume eignen sich zur vertraulichen Kommunikation in Kleingruppen.

Sie beherrschen Prozesse rund um die Zusammenführung, Aufbereitung, Anreicherung und Weitergabe von Daten und verstehen Big Data Analysen mit Hilfe grundlegender Python-Programmierungen, SQL und NoSQL-Datenbankkonzepten. Kenntnisse in Hadoop zur Verarbeitung und Strukturierung von großen, unstrukturierten Daten sowie deren Visualisierung runden Ihr Wissen ab.

Programmierkenntnisse (idealerweise Python) und Erfahrungen mit Datenbanken (SQL) werden vorausgesetzt.

keine Einschränkungen

keine Einschränkungen

• Berufsförderung der Bundeswehr
• Bildungsgutschein (auch für Weiterbildung während Kurzarbeit)
• Leistungen zur Teilhabe am Arbeitsleben (berufliche Rehabilitation)
• auf Anfrage

• auf der Internetseite des Bildungsanbieters