Datenarchitektur Management 1. Einführung in Datenarchitektur und deren Bedeutung: Definition und Grundkonzepte der Datenarchitektur, Überblick über verschiedene Architekturmodelle, Bedeutung der Datenarchitektur für Unternehmen 2. Datenmodellierung: Methoden und Werkzeuge: Techniken der Datenmodellierung (ER-Diagramme, UML), Auswahl geeigneter Werkzeuge für die Modellierung, Best Practices zur Datenmodellierung 3. Integration von Datenquellen: Strategien und Tools: Methoden zur Datenintegrationsstrategie, Tools für die Datenintegration (ETL, ELT), Herausforderungen bei der Integration von Daten 4. Datenqualität und -management in der Architektur: Kriterien für hohe Datenqualität, Techniken zur Sicherstellung der Datenintegrität, Monitoring und Management der Datenqualität 5. Cloud-basierte Datenarchitektur: Vor- und Nachteile: Unterschiede zwischen On-Premise und Cloud-Lösungen, Vorteile der Nutzung von Cloud-Diensten, Risiken und Sicherheitsaspekte der Cloud-Nutzung 6. Analyse und Visualisierung von Daten: Tools und Techniken: Überblick über gängige Analysetools (Tableau, Power BI), Techniken der Datenvisualisierung, Interpretation von Analyseergebnissen 7. Zukunft der Datenarchitektur: Trends und Technologien: Aktuelle Trends in der Datenarchitektur, Auswirkungen von KI und Machine Learning, Vorbereitung auf zukünftige Entwicklungen 8. Praxisprojekt: Entwicklung einer eigenen Datenarchitektur: Entwicklung eines Datenmodells für ein fiktives Unternehmen, Präsentation und Diskussion der Ergebnisse, Feedback zur Umsetzung und Verbesserungsvorschläge