CAS Big Data Analytics

Academy
Hochschule Luzern HSLU
Kurzbeschreibung
In der Weiterbildung CAS Big Data Analytics setzen sich Teilnehmende mit den aktuellen Themen Big Data und Analytics auseinander. Das CAS ... mehr...
In der Weiterbildung CAS Big Data Analytics setzen sich Teilnehmende mit den aktuellen Themen Big Data und Analytics auseinander. Das CAS vermittelt die benötigten Methoden- und Managementkompetenzen. weniger
Kursort
Rotkreuz
Kursart
Certificate of Advanced Studies
Fachbereiche

Informatik, Data Science, Business Intelligence

Dieser Kurs ist neu hier. 1 User folgen diesem Kurs und erhalten Bescheid, wenn es Neues gibt - Kurs jetzt folgen.

Du hast den Kurs besucht? Kurs jetzt bewerten.

Hier kannst du der Eggheads Community deine Fragen zu diesem Kurs stellen. Auch Kursleiter können mitdiskutieren.


Frage stellen

Du must angemeldet sein um zu antworten

Kursinhalt

Das CAS behandelt die folgenden Themenschwerpunkte: Grundlagen, Technologie, Data Science (Analytik), Anwendungen und Transfer (Business Use Case). Die technologische Entwicklung, kombiniert mit erweiterten bzw. umfassenderen analytischen Fähigkeiten und der Kombination von internen mit externen Daten stellt viele Unternehmen vor grosse Herausforderungen, eröffnet aber auch zahlreiche neue Perspektiven.

Entscheidungsprozesse in der Unternehmensführung müssen zwingend immer stärker auf zukunftsgerichtete Informationen zu Szenarien und Vorhersagen basieren. Dazu müssen bspw. die nahezu Echtzeit (sog. near-time) aus einer Fülle an strukturierten, wie unstrukturierten internen und externen Datenbeständen Erkenntnisse gewonnen und Schlüsse gezogen werden. Fortgeschrittene Methoden der Datenhaltung, beliebig skalierbare Rechenleistungen und die erweiterten Fähigkeiten der Analytik machen dies heute möglich. Diese Entwicklungen stellt viele Unternehmen vor grosse Herausforderungen, eröffnet aber auch zahlreiche neue Perspektiven.

Im CAS Big Data Analytics werden die wesentlichen Aspekte praxisbezogen vermittelt und aus Managementsicht vertieft.

Modul 1: Grundlagen

„Big Data“ ist längst kein Thema mehr, das nur die Informationstechnologie betrifft. Für immer mehr Unternehmen und Organisationen erlangt die Fähigkeit, die ständig wachsenden Datenmengen verarbeiten und analysieren zu können, hohe Priorität. Grund dafür ist die zunehmende Bedeutung dieser Daten und ihre Auswirkungen auf die geschäftlichen Abläufe in einer global integrierten Wirtschaft. Neben wichtigen Erkenntnissen zu bestehenden geschäftlichen Herausforderungen eröffnet Big Data auch neue Wege zur Umgestaltung von Prozessen, Organisationen, ganzen Branchen und sogar zu gesellschaftlichen Fragestellungen

Big Data befasst sich mit den sog. 5 V: Volume (Umgang mit sehr grossen Datenmengen), Velocity (Geschwindigkeit, mit der entscheidungsrelevante Information aus Daten generiert wird), Variety (Vielfalt und Komplexität von Datenquellen und Datenstrukturen), Value (quantifizierbarer Nutzen in Form von Wettbewerbsvorteilen) und Veracity (Unsicherheiten auf Grund von Inkonsistenzen, Fehler und Lücken in den Daten).

Sicherheit und Governance sind zwar schon lange fester Bestandteil von Business Intelligence, durch neue rechtliche, ethische und regulatorische Überlegungen im Kontext von Big Data ergeben sich jedoch neue Risiken mit erhöhtem Risiko für Unternehmen im Bereich Image oder Reputation.

Think big, test small and learn fast: Fähigkeiten zur Innovation, Mut zu neuen Ansätzen und Herangehensweisen gepaart mit agilem Vorgehen, kurzen Sprints und zielgerichteten Korrekturen müssen in Unternehmen aufgebaut, erweitert und etabliert werden.

Modul 2: Technologie

Der Weg hin zu Big Data Analytics erfordert die Bereitstellung von adäquaten technischen Infrastrukturen und Systemen. Die Technologie- und Anbietervielfalt ist sehr breit und beinahe unübersichtlich.

Als Basistechnologie hat sich klar Apache Hadoop etabliert. Hadoop beruht im Kern auf einer verteilten Datenhaltung und –verarbeitung, besitzt nicht-relationale Eigenschaften und ermöglicht deshalb die Speicherung unterschiedlichster (bspw. unstrukturierter) Datentypen. Hadoops spezifische Kombination von Eigenschaften zum Handling, zur Speicherung (HDFS) und zur raschen Verarbeitung (MapReduce) von grossen und komplexen Datenmengen ermöglicht den Unternehmen ganz neue Möglichkeiten in der Datenverarbeitung.

Die Komponenten von Hadoop und wesentliche Teile des Hadoop Ecosystem  - Distributionen wie MapR, Cloudera, Hortonworks; NoSQL Datenbankmanagementsysteme; Analytics wie Pig, Mahout; SQL Abfragesprachen wie Hive, Impala; Workflow wie oozie etc. - werden detailliert behandelt und erläutert. Ergänzungen (bspw. Flume, YARN, sqoop), Alternativen (bspw. Spark, Presto, HPCC) und Weiterentwicklungen runden das Gesamtbild ab.

Big Data spezifische Infrastrukturanforderungen, Integrationstechnologien und Sicherheitsanforderungen, den Reifegrad verschiedener Technologien und Unterschiede zwischen einer cloud basierten und einer on premise Infrastruktur runden das Modul ab.

Modul 3: Data Science (Analytik)

Descriptive, Predictive und Prescriptive Analytics stellen die Etappen dar auf dem Weg hin zu einem wettbewerbsfähige(re)n Unternehmen. Mit dem Schritt weg von der historischen Betrachtung (was war, wieviel, wie oft, wo) hin zur vorausschauenden Simulation und Alarmierung (was könnte passieren, was wäre wenn, was wenn es so weitergeht) bzw. der vorausschauenden Optimierung (wie erzielen wir das beste Ergebnis unter Einbezug der künftigen Veränderungen) nehmen die  Anforderungen an Fähigkeiten umfangreiche Daten zu lagern, zu verarbeiten und zu analysieren substanziell zu.

Im Module Data Science werden zahlreiche Fragestellungen und Techniken zur Analyse von strukturierten, wie unstrukturierten Daten behandelt. Data Mining, wie Clustering und Classification unter Berücksichtigung grosser Datenmengen und verteiltem Computing; Validierung und Visualisierung; Machinelles Lernen. Information Retrieval und Text Mining mittels Classification, Natural Language Processing, Computer Linguistik oder Machine Learning. Analyse von sozialen Netzwerken auf der Basis von Graphen Algorithmen und Natural Language Processing (Sentiment Analysis)

Abgerundet wird das Modul einerseits durch Informationen zur aktuellen technologische Entwicklungen (Open Data, Semantic Web) und frei zugänglichen Datensätzen (Open Data) im Internet. Andererseits zu punktuellen Einblicken in die aktuelle Forschung im Bereich Big Data Analytics

Modul 4: Anwendungen

Müssen Antwortzeiten auf analytische Fragestellungen von Stunden und Tagen auf Sekunden und Minuten reduziert werden, so stellt dies eine fundamentale Veränderung in der Ausgestaltung und Führung der IT Leistungen in einem Unternehmen dar (Stichwort „Digitale Transformation“).

Der zielgerichtete Umgang mit internen wie externen Daten wird für Unternehmen zunehmend zu einer absoluten Notwendigkeit. Dazu sind Fähigkeiten und Techniken zum Stream- und Event-Processing erforderlich: Architekturen zur Unterstützung des Complex Event Processing (CEP) auf der Basis von Big Data Technologien und Frameworks zur Identifikation, Aggregation und Analyse von relevanten Events.

Der Nutzen im Einsatz von Big Data und Analytik wird exemplarisch für verschiedene Branchen und Unternehmen aufgezeigt: Smart Logistics –Verbesserungen und Optimierungen in der Transportlogistik; Smart Factory - echtzeitfähige, intelligente, horizontale und vertikale Vernetzung von Menschen, Maschinen, Objekten und IT Systemen zum dynamischen Management von komplexen Systemen (sog. Industrie 4.0).

Mit der Zunahme an Sensoren, Wearables und Maschinen, welche untereinander und über das Internet miteinander verbunden sind nimmt auch die Erzeugung von grossen Datenmengen rasant zu. Diese gilt es zeitnah auszuwerten, zu analysieren und Folgeaktionen auszulösen. Besonderheiten und Anwendungen im Bereich Internet of Things (IoT), wie Smart Health Care – gesundheitsüberwachung und –monitoring, Schlaf- und Essensverhalten, Sportaktivitäten – und Smart Home – Steuerung, Überwachung, Alarmierung von Wohnungen, Gebäuden und Objekten runden das Modul ab.

Modul 5: Transfer / Business Use Case

Über den ganzen Kurs hinweg werden Impulse und Anregungen zum Transfer des neu erworbenen Wissens in den Unternehmenskontext gesetzt.

Mittels einer Serie an Praxisreferaten, werden Erfahrungen und Erkenntnisse mit Schweizer Unternehmen ausgetauscht, welche nun bereits seit einiger Zeit aktiv im Thema Big Data Analytics unterwegs sind. Die Kursteilnehmenden erhalten so Einblick in aktuelle Vorhaben und Ansätze.

Durch eine Projektarbeit arbeiten die Kursteilnehmenden aktiv am Transfer der Möglichkeiten und Chancen von Big Data Analytics in das reale Geschäftsfeld ihrer Unternehmen. Getreu dem Motto „innovativ und agil“ wird dabei die Projektarbeit nicht klassisch sequentiell, sondern iterativ-agil in Form von mehreren Sprints und als Gruppe erarbeitet. In einem Rhythmus von ca. 6 Wochen informieren die Projektgruppen in einem moderierten Workshop die anderen Kursteilnehmenden über den aktuellen Stand ihrer Arbeiten, holen sich damit aber auch Anregungen zu noch offenen Fragen und Ideen für den nächsten Sprint ab.

Die Schlussresultate werden im Plenum präsentiert und verteidigt.

Zielpublikum
Das CAS BDA richtet sich an mittlere und höhere IT-Führungskräfte, Projektleiter/-innen, Berater/-innen sowie Führungs- und Fachverantwortliche auf der Business-Seite, die ihre Kompetenzen in Advanced Business Analytics optimal ausbauen wollen.
Anforderungen
Tertiärabschluss oder eine gleichwertige Ausbildung
Methodik
Präsenzunterricht
ECTS-Punkte
15
Kursgebühr
Fr. 7'900.00

Sie bieten diesen Kurs an? Klicken Sie auf den Button und bringen Sie Ihre Kurse bei Eggheads ins Gespräch.

Kurs vollständig eintragen.