Kursplan
Dag 1
Grunnleggende om dataprodukter og strategi
Innføring i moderne dataprodukter
Dataprodukter vs. tradisjonelle datasystemer
Data som et strategisk forretningsaktivum
Nøkkelskomponenter i et dataprodukt-økosystem
Identifisering av forretningsproblemer egnet for dataprodukter
Oversikt over livssyklusen til dataprodukter (ideering til skalering)
Studier: Svært vellykkede dataprodukter i industrien
Dag 2
Design og arkitektur for dataprodukter
Prinsipper for design av dataprodukter
Forstå brukerpersontyper og dataforbrukere
Dataarkitekturmønstre (sentralisert vs. datamengde vs. hybrid)
Designe skalérbare data-rørledninger
Data-modellering for analyse og operativ bruk
API-er og tilgjengelighetslag for data
Skype infrastruktur for dataprodukter (AWS / Azure / GCP oversikt)
Dag 3
Datatingeniørarbeid og implementering Data-inngangsmetoder (batch vs. streaming) ETL vs. ELT-rammeverk Bygge pålitelige data-rørledninger Lagringsløsninger for data (datamaler, lagere, lakehouse) Data-transformasjon og orkestreringsverktøy Innføring i sanntidsdatabehandling Praktisk lab: Bygge en enkel datarørledning
Dag 4
Analyse, AI-integrasjon og governans Integrere analyse i dataprodukter Plassbord, nøkkeltall og beslutningsintelligens Innføring av AI/ML i dataprodukter Anbefalingssystemer og predictive modeller Håndtering og overvåking av datakvalitet Datagovernance, personvern og compliance (GDPR-prinsipper oversikt) Sikre tillit, sikkerhet og pålitelighet i dataprodukter
Dag 5
Implementering, skalering og produktisering Produktisere dataløsninger for sluttbrukerne Deployeringsstrategier og CI/CD for dataprodukter Overvåking, ytelsesoptimalisering og skalering Livssyklusledelse av dataprodukter i organisasjoner Monetiseringsstrategier for dataprodukter Fremtidige trender: Generativ AI og autonome dataprodukter Presentasjon og tilbakemelding på capstone-prosjekt
Krav
- Det anbefales grunnleggende forståelse av datakonsepter og forretningsrapportering.
- Kunnskap om Excel eller et annet enkelt dataverktøy er nyttig.
- Innsikt i hvordan data støtter forretningsbeslutninger vil være en fordel.
- Ingen avansert programmerings- eller teknisk bakgrunn kreves.
- Interesse for data, analyse og utvikling av digitale produkter er avgjørende.
Referanser (2)
Mangfoldigheten av den delte informasjonen og tylsenheten i å forklare begreper på enkel engelsk.
Arisbe Mendoza - Fairtrade International
Kurs - GDPR Workshop
Maskinoversatt
Det er et praktisk økt.
Vorraluck Sarechuer - Total Access Communication Public Company Limited (dtac)
Kurs - Talend Open Studio for ESB
Maskinoversatt