Weiterbildung Big Data Analyst mit ITIL® 4 Foundation in IT Service Management und PRINCE2® 7 Foundation in Project Management

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 Apache Frameworks (ca. 2 Tage)

Big-Data-Lösungen in der Cloud

Datenzugriffsmuster

Datenspeicherung

MapReduce (ca. 3 Tage)

MapReduce Philosophie

Hadoop Cluster

Verketten von MapReduce Jobs

Künstliche Intelligenz (KI) im Arbeitsprozess

Vorstellung von konkreten KI‐Technologien sowie Anwendungsmöglichkeiten im beruflichen Umfeld

Komponenten (ca. 3 Tage)

Kurzvorstellung von verschiedenen Tools

Datenübertragung

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

Grundlagen Business Intelligence (ca. 2 Tage)

Anwendungsfelder, Dimensionen einer BI Architektur

Grundlagen Business Intelligence, OLAP, OLTP, Aufgaben der 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

Künstliche Intelligenz (KI) im Arbeitsprozess

Vorstellung von konkreten KI‐Technologien sowie Anwendungsmöglichkeiten im beruflichen Umfeld

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.

Data Vault 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

Einführung Datenanalyse (ca. 1 Tag)

CRISP-DM Referenzmodell

Data Analytics Workflows

Begriffsabgrenzung Künstliche Intelligenz, Machine Learning, Deep Learning

Anforderungen und Rolle im Unternehmen der 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

Künstliche Intelligenz (KI) im Arbeitsprozess

Vorstellung von konkreten KI‐Technologien sowie Anwendungsmöglichkeiten im beruflichen Umfeld

Datenvisualisierung (ca. 3 Tage)

Explorative Datenanalyse

Insights

Datenqualität

Nutzenanalyse

Visualisierung mit Python: Matplotlib, Seaborn, Plotly Express

Data Storytelling

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

Text Mining (ca. 1 Tag)

Data Preprocessing

Visualisierung

Bibliothek: SpaCy

Projektarbeit (ca. 5 Tage)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse

Verstehen der Schlüsselkonzepte von IT-Service Management (ca. 2 Tage)

Einführung in den Servicegedanken

Das ITIL®-Qualifizierungsschema

Definition wichtiger Begriffe im IT-Service Management ITSM

Schlüsselkonzepte zur Wertschöpfung durch Dienste

Schlüsselkonzepte des Beziehungsmanagements

Grundlegende konzeptionelle Bausteine von ITIL® (ca. 2 Tage)

Die ITIL® Guiding Principles

Art, Verwendung und Interaktion der Leitprinzipien

Die vier Dimensionen von Service Management

Das ITIL® Service Value Systems (SVS) und seine Komponenten

Die Service Value Chain (Wertschöpfungskette), ihre Aktivitäten und deren Zusammenspiel

Künstliche Intelligenz (KI) im Arbeitsprozess

Vorstellung von konkreten KI‐Technologien sowie Anwendungsmöglichkeiten im beruflichen Umfeld

Die ITIL® Practices (ca. 3 Tage)

Die sieben wichtigsten ITIL® Practices

Der Zweck weiterer acht ITIL® Practices

Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 3 Tage)

ITIL® ist eine eingetragene Marke von AXELOS Limited

Einführung in das Projektmanagement basierend auf PRINCE2® (ca. 1 Tag)

Definition und Charakteristiken eines Projekts

Projektsteuerungskreislauf des Projektmanagements und die sechs Projektdimensionen

Herausforderungen im Projektmanagement – warum scheitern Projekte?

Vorteile der PRINCE2® Projektmanagement-Methode

Kunden-Lieferanten-Umgebungen

Projekte in einem kommerziellen Umfeld

Struktur der PRINCE2®-Methode und ihre fünf integrierten Bausteine

Die PRINCE2® Grundprinzipien (ca. 1 Tag)

Die sieben Grundprinzipien von PRINCE2®

Aussagen und Inhalte der Grundprinzipien

Beziehung zwischen den Grundprinzipien und den Themen von PRINCE2®

Anpassung von PRINCE2® an die Projektumgebung

Künstliche Intelligenz (KI) im Arbeitsprozess

Vorstellung von konkreten KI‐Technologien sowie Anwendungsmöglichkeiten im beruflichen Umfeld

Die Bedeutung von Menschen für PRINCE2® Projekte (ca. 1 Tag)

Änderungsmanagement

Führung und Management

Kommunikation im Projekt

Die sieben Themen von PRINCE2® (ca. 3 Tage)

Business Case (Nutzenmanagement-Ansatz und Nachhaltigkeitsmanagement-Ansatz)

Organisation (Projektstruktur, Rollen und Verantwortlichkeiten)

Erstellung von Plänen

Qualitätsplanung und Qualitätskontrolle

Risikomanagement

Issue-Management

Steuerung des Projektfortschritts

Die sieben Prozesse von PRINCE2® (ca. 2 Tage)

Zusammenspiel der sieben PRINCE2® Prozesse im Projektablauf

Aktivitäten in den jeweiligen PRINCE2® Prozessen

Vorbereiten, Lenken und Initiieren eines Projekts

Steuern einer Phase

Managen der Produktlieferung

Managen der Phasenübergänge

Abschließen eines Projekts

Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 2 Tage)

PRINCE2® ist eine eingetragene Marke von AXELOS Limited

Die Weiterbildung zum Big Data Analyst: Data Engineer umfasst eine umfassende Reihe von Lernzielen, die es den Teilnehmern ermöglichen, fundierte Kenntnisse in verschiedenen Bereichen des Big Data Managements und der Datenverarbeitung zu erwerben.

Zu Beginn werden die Grundlagen der Business Intelligence (BI) behandelt, wobei die Anwendungsfelder und Dimensionen einer BI-Architektur sowie die Unterschiede zwischen OLAP und OLTP vermittelt werden. Die Aufgaben von Data Engineers und der Umgang mit verschiedenen Datentypen im Rahmen des Data Warehousing werden ebenfalls ausführlich behandelt.

Im Bereich des Anforderungsmanagements werden die Ziele und Methoden der Anforderungsanalyse erläutert, einschließlich der Einführung in Datenmodellierung mittels ERM und UML, sowie der praktischen Anwendung von Klassendiagrammen, Use-Case-Analysen und Aktivitätsdiagrammen.

Die Teilnehmer erhalten Einblicke in den Einsatz von Künstlicher Intelligenz (KI) im beruflichen Umfeld, einschließlich der Vorstellung relevanter KI-Technologien und deren Anwendungsmöglichkeiten. In den Datenbankgrundlagen werden die Architektur von Datenbanksystemen und die Anwendung relationaler Datenbanken (RDBMS) sowie deren Grenzen behandelt. Eine praktische Einführung in SQL und die Umsetzung von Datenmodellen in RDBMS werden ebenfalls Teil des Programms sein.

Das Data Warehouse wird detailliert mit verschiedenen Modellen wie dem Star Schema, Snowflake Schema und Galaxy Schema sowie der Modellierung und Erstellung von Faktentabellen und Dimensionstabellen behandelt. Weitere Themen sind die ETL-Prozesse, einschließlich der Datenaufbereitung, -harmonisierung und -validierung sowie die Einführung in Data Vault 2.0 und praktische Anwendungen wie das Hash-Verfahren.

Im Bereich der Datenanalyse werden die zentralen Python-Module wie NumPy und Pandas eingeführt, um den Teilnehmern die nötigen Fähigkeiten zur Datenaufbereitung und Anwendung von Data Mining-Algorithmen zu vermitteln. Die Datenvisualisierung erfolgt mithilfe von Tools wie Matplotlib, Seaborn und Plotly Express, wobei der Fokus auf explorativer Datenanalyse und Data Storytelling liegt.

Zusätzlich wird das Datenmanagement behandelt, wobei die Teilnehmer mit Big Data Architekturen, der Nutzung von SQL- und NoSQL-Datenbanken sowie den Konzepten des Datenschutzes und der Datensicherheit vertraut gemacht werden. Die Anwendung von Big Data im Kontext von MapReduce und Spark sowie die Erstellung und Nutzung von Dashboards mit der Dash-Bibliothek runden die Ausbildung ab.

Im Bereich Big Data Specialist werden umfassende Kenntnisse über Big Data-Technologien und -Frameworks vermittelt, darunter MapReduce, Hadoop, Apache Spark und NoSQL-Datenbanken. Auch die Visualisierung von Big Data und deren theoretische Grundlagen werden behandelt.

Ein weiteres wichtiges Element der Weiterbildung ist die praxisorientierte Projektarbeit, die zur Vertiefung des Erlernten dient und mit einer Präsentation der Ergebnisse abschließt.

Abschließend wird ein grundlegendes Verständnis von ITIL® 4 Foundation in IT Service Management und PRINCE2® 7 Foundation in Project Management vermittelt, mit Fokus auf die jeweiligen Schlüsselkonzepte, Praktiken und Methoden zur Optimierung von Service-Management-Prozessen und Projektmanagement. Hierbei wird auch die Integration von Künstlicher Intelligenz (KI) in den Arbeitsprozess thematisiert, um die Effizienz in Unternehmen weiter zu steigern.

Der Kurs richtet sich an Absolventen eines Studiums in Informatik, Wirtschaftsinformatik, Betriebswirtschaftslehre, Mathematik oder einer gleichwertigen Fachrichtung.

Als Big Data Analyst im Berufsalltag analysierst du große und komplexe Datensätze, um wertvolle Erkenntnisse zu gewinnen, die für die Entscheidungsfindung und die Optimierung von Geschäftsprozessen genutzt werden können. Dabei verwendest du fortschrittliche Datenanalysetools und -techniken wie Data Mining, Machine Learning und Predictive Analytics. Dein Fokus liegt auf der Verarbeitung und Analyse von structured und unstructured data, häufig unter Nutzung von Big Data-Technologien wie Hadoop, Spark und NoSQL-Datenbanken. Du bist verantwortlich für die Entwicklung und Implementierung von Data Warehousing-Lösungen, einschließlich der Gestaltung von ETL-Prozessen (Extract, Transform, Load) und der Anwendung von Data Vault-Modellen.

Zusätzlich kannst du als Big Data Analyst deine Kenntnisse in ITIL 4 und PRINCE2 effektiv einsetzen. ITIL 4 gibt dir das notwendige Know-how, um Service Management-Prozesse zu optimieren und sicherzustellen, dass IT-Dienste effizient und kundenorientiert bereitgestellt werden. Du kannst durch Change Management, Incident Management und Problem Management zur Stabilität und kontinuierlichen Verbesserung von IT-Systemen beitragen.

Mit PRINCE2-Methoden verwaltest du Projekte strukturiert und zielorientiert, indem du Projektphasen definierst, Risikomanagement anwendest und Meilensteine setzt. Die Integration von Big Data-Initiativen in ein Projektmanagement-Framework wie PRINCE2 ermöglicht es dir, die Projekte effizient zu leiten und den ROI (Return on Investment) durch die Implementierung datengestützter Lösungen zu maximieren. Beide Ansätze, ITIL 4 und PRINCE2, helfen dir dabei, im Berufsalltag sowohl die Datenarchitektur zu optimieren als auch die Projektplanung und Teamführung auf eine skalierbare und prozessorientierte Weise durchzuführen.

Durch deine Expertise in Big Data Analytics, kombiniert mit ITIL 4 und PRINCE2, kannst du nicht nur tiefgehende Datenanalysen durchführen, sondern auch Projekte erfolgreich implementieren und den Betrieb von IT-Diensten nachhaltig verbessern.

Ein Fernstudium zum Big Data Analyst mit ITIL® 4 Foundation in IT Service Management und PRINCE2® 7 Foundation in Projektmanagement bietet Dir zahlreiche Vorteile für Deine berufliche Zukunft. Du wirst mit den neuesten Technologien und Methoden der Big Data Analyse vertraut gemacht, was Dir hilft, komplexe Daten zu verarbeiten und wertvolle Insights zu gewinnen. Dies öffnet Dir Türen zu Karrierechancen in Bereichen wie Data Science, Data Engineering und Business Intelligence. Du lernst, Data Warehousing-Lösungen zu entwickeln, ETL-Prozesse zu gestalten und fortschrittliche Analysetools wie Hadoop und Spark zu nutzen, um datengetriebene Entscheidungen in Unternehmen zu unterstützen.

Durch die Ausbildung in ITIL® 4 Foundation wirst Du in der Lage sein, IT-Service-Management-Prozesse zu optimieren und dafür zu sorgen, dass IT-Dienste effizient und serviceorientiert bereitgestellt werden. Deine Kenntnisse in Change Management, Incident Management und Problem Management ermöglichen es Dir, zur Stabilität und kontinuierlichen Verbesserung von IT-Systemen beizutragen. Das macht Dich für Unternehmen wertvoll, die auf zuverlässige und agile IT-Services angewiesen sind.

Mit der PRINCE2® 7 Foundation-Zertifizierung kannst Du Projekte effizient leiten und den Erfolg von Big Data-Projekten sicherstellen. Du wirst in der Lage sein, Projektphasen zu definieren, Risikomanagement zu betreiben und den ROI durch strukturierte Projektplanung und -durchführung zu maximieren. Die PRINCE2®-Methode unterstützt Dich dabei, Projekte im Bereich Big Data und IT-Service-Management zielgerichtet und erfolgreich umzusetzen.

Die Kombination aus Big Data Analytics, ITIL® 4 und PRINCE2® 7 Foundation bereitet Dich optimal auf die Herausforderungen der digitalen Zukunft vor. Du wirst nicht nur in der Lage sein, komplexe Daten zu analysieren und innovative Lösungen zu entwickeln, sondern auch sicherstellen, dass diese Lösungen in Projekten effizient umgesetzt werden. So wirst Du zu einem gefragten Experten in der Welt der Daten und IT.

Als Big Data Analyst mit ITIL®- und PRINCE2®-Kenntnissen kannst Du mit einem attraktiven Gehalt rechnen, das je nach Berufserfahrung, Unternehmensgröße und Region variiert. Im Allgemeinen liegt das durchschnittliche Jahresgehalt für einen Big Data Analyst in Deutschland zwischen 50.000 und 75.000 Euro. Mit fortgeschrittenen Kenntnissen in ITIL® und PRINCE2® und zusätzlicher Erfahrung in der Projektleitung und im Service-Management kann dieses Gehalt sogar 80.000 Euro und mehr erreichen.

Die ITIL®-Kenntnisse ermöglichen es Dir, in Bereichen wie IT-Service-Management und Change Management tätig zu werden, was Deine Attraktivität für Unternehmen, die auf effiziente IT-Prozesse angewiesen sind, weiter steigert. Die PRINCE2®-Zertifizierung zeigt Deine Fähigkeit zur strukturierten Projektleitung, was in großen Organisationen, die komplexe Big Data-Projekte durchführen, sehr gefragt ist.

Zusätzlich spielen Faktoren wie die Größe des Unternehmens, Deine Spezialisierung im Bereich Data Engineering, Business Intelligence oder Data Science, sowie die Branche eine Rolle. In spezialisierten Positionen, zum Beispiel als Senior Big Data Analyst oder Big Data Architect, kannst Du durchaus Gehälter von über 90.000 Euro pro Jahr erzielen.