Darum lohnt sich der Kurs
In diesem Training lernen Sie, Daten als strategische Ressource im Unternehmen gezielt zu nutzen. Sie entwickeln ein Verständnis für Datenarchitekturen, Data Governance und datengetriebene Entscheidungsprozesse. Dadurch sind Sie in der Lage, Datenlandschaften nachhaltig zu strukturieren und Mehrwert aus Unternehmensdaten zu generieren.Seminarinhalt
Die Inhalte umfassen:
- Grundlagen des Datenmanagements und der Datenstrategie
- Data Governance und organisatorische Rahmenbedingungen
- Datenarchitekturen und Datenmodelle
- Datenintegration und Datenqualität
- Nutzung von Daten für Analysen und Entscheidungsfindung
- Rollen, Prozesse und Verantwortlichkeiten im Datenmanagement
Programm
- Merkmale "Datengetriebener Organisationen" – Daten als Wertschöpfungsfaktor
- Enterprise Data Management positionieren – Assessment, Anforderungsanalyse und Neu-Ausrichtung (Purpose und Scoping)
- Organisation des Unternehmensdatenmanagements – Aufgaben, Rollen, Verantwortlichkeiten
- Produkte und Tools im Datenmanagement – eine Übersicht
- Master-Datenmanagement (MDM) und Meta-Datenmanagement – Einordnung und Umsetzung
- Kompakt-Workshop – "Datenkatalog und Data Glossary" erstellen
- Change: Datenkultur, Data Lineage, Global Data Governance und Data Products für analytische Use Cases
- Rahmenbedingungen setzen (Vision, Mission, Ziele, Business Value)
- Strategische Handlungsinitiativen definieren (Beispiele)
- Organisation des Unternehmensdatenmanagements vereinbaren
- Datenarchitektur redesignen und Konzeptentwicklungen
- Data Portfolio und Data Lifecycle Management aufbauen
- Datenintegrationen – Schnittstellenmanagement, Plattformen
- Data Analytics – Use Cases identifizieren und Solutions vereinbaren
- Roadmap zur Umsetzung von Datenstrategien entwickeln
- Datengetriebene Initiativen sowie D&A-Projekte priorisieren
- Kompakt-Workshop – mit Playbook "Datenstrategien entwickeln"
- Datenstrategie dokumentieren und kommunizieren
- Basiswissen "Datenarchitekturen": Data Fabric implementieren, konzeptionelle und logische Datenmodelle, Datenplattformen
- Assessment und Review "Data Architecture/Architekturmanagement"
- Datenarchitekturen entwerfen – Building Blocks und Deliverables
- Architekturkonzept "Data Mesh": Was und warum Data Mesh?
- Datenprodukte definieren, Data Mesh-Capabilities und Use Cases
- Ziel-Datenarchitekturen planen und umsetzen – Datenquellen und Schnittstellen identifizieren
- Konzeption von Data Scientist-Lösungen (Plan, Build, Run)
- Projektbegleitung durch Datenarchitekten (Good Practices)
- Kompakt-Workshop "Datenarchitektur weiterentwickeln"
- Rolle und Aufgaben von "Data Architects"
Teil 2:
- Warum Data Governance?
- Handlungsfelder und Bausteine nachhaltiger Data Governance
- Teilaufgaben der Data Governance: Datenschutz, Datenpflege, Data Security, Data Compliance
- Verantwortlichkeiten, Rollen und Gremien zur Data Governance
- Tools zur erfolgreichen Data Governance
- Prozesse und Standards für Data Governance
- Datenquellen und Schnittstellen im Überblick
- Abbildung von Daten- und Informationsflüssen
- Managementmethoden zur Datenintegration: Daten-Transformation, Routing/Vermittlung, Daten-Orchestrierung
- Architekturelle Building Blocks als Integrationsbasis
- Datenintegration via Plattformen (u.a. iPaaS)
- Ursprungsdatenquellen und Formen der Datenbereitstellung
- Aufbereitung bereitgestellter Daten (Datenanalyse, Entscheidungsfindung), Datenmarktplätze
- Organisation der Datenintegration: Teams, Data Citizen
- Trends: Datenplattformen, Datenräume und Daten-Ökosysteme
- Einordnung und Herausforderungen: "Data Analytics-Life Cycle"
- Data Analytics-Konzepte: Embedded Analytics, Guided Analytics, Predictive Planning, Augmented Analytics, Künstliche Intelligenz
- Data Analytics-Lösungen: Unternehmens-Reporting und BI
- IT-Roadmap "Data Analytics und BI" (Workshop kompakt)
- Werkzeuge und Werkzeugauswahl zur Datenanalyse
- Case Study: "Datengetriebene Produkte und Prozesse auf den Kunden (bzw. Data Consumer) ausrichten"
- Case Study: "Stoßrichtung "Customer Experience" und Vertrieb/Sales/Marketing (KI im Kundendialog bzw. Self Service und KI)"
Zielgruppen
Angesprochen werden die folgenden Jobrollen:
- Strategische IT-Leader (CDO, CIO/IT-Leitung, Head of Corporate IT)
- Datenarchitekt*innen bzw. Verantwortliche für Data & Analytics / BI
- Data Experts (Data Scientists, Data Stewards, Data Engineers),
- Enterprise-IT-Architekten (EA-Leader, Solution- & Cloud-Architekten),
- Digital Business Expert*innen bzw. Prozessverantwortliche,
- Product- und Data Owner sowie Data Citizen aus Fachbereichen
Vorkenntnisse
Wichtige Information
Nach erfolgreichem Abschluss erhalten Sie das digitale, blockchain-gesicherte Personen-Zertifikat „Enterprise Data Professional (TÜV)“. Es ist fälschungssicher, international anerkannt (DE/EN) und entspricht den strengen Anforderungen der ISO/IEC 17024 – ein Beleg für nachweislich aktuelle, unabhängige und geprüfte Kompetenz.
Ihr persönliches Zertifikat unterstützt Sie und Ihr Unternehmen dabei, Haftungsrisiken zu reduzieren, stärkt Ihre berufliche Reputation und unterstreicht Ihre Führungskompetenz sowie Ihren persönlichen Qualitätsanspruch.
