Grundlagen Business Intelligence (ca. 3 Tage)

CRISP-DM Referenzmodell
Umgang mit Big Data - Volume, Variety, Velocity, Validity, Value
Abgrenzungen und Aufgaben vom Data Engineer im Kontext zu den andern BI-Berufen
Umgang und Verarbeitung von strukturierten, semi-strukturierten und unstrukturierten Daten im DWH
OLAP
OLTP

Anforderung von Daten (ca. 2 Tage)

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

Datenbanken (ca. 2 Tage)

Grundlagen von Datenbanksystemen
ANSI/SPARC Referenzmodell
Normalformen
Architektur von Datenbankmanagementsystemen
Praktische und theoretische Einführung in SQL
·         DDL
·         DML
·         DSDL

Data Warehouse Modellierung (ca. 4 Tage)

Star Schema
Snowflake Schema
Galaxy Schema
Data Vault 2.0 - Hubs, Satelites, Links im Raw- und Business Vault, Hash Key, Hash Diff
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 subdimensions
Vergleich von state und transaction oriented Faktentabellen
Density und Storage vom DWH

ETL (ca. 6 Tage)

Data Cleansing
·         Null Values
·         Aufbereitung von Daten
·         Harmonisierung von Daten
·         Anwendung von Regular Expressions
Data Understanding
·         Datenvalidierung
·         Statistische Datenanalyse
Praktischer Aufbau von ETL-Strecken
Praktischer Aufbau eines Data Vault Modells - Business und Raw Vault
Praktische Umsetzung von Hash-Verfahren
Verwendung von verschiedenen Datenbankensqlite, postgressql, json, csv

Projektarbeit (ca. 3 Tage)

Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse