Kursplan
Dag 1
† Grunderna i dataprodukter och strategi
† Introduktion till moderna dataprodukter
† Dataprodukter jämfört med traditionella datasystem
† Data som en strategisk tillgång för affären
† Nyckelkomponenter i en dataproduktsekosystem
† Att identifiera affärsproblem som passar för dataprodukter
† Översikt över dataproduktens livscykel (idé till skalning)
† Fallstudier: Framgångsrika dataprodukter i branschen
Dag 2
† Dataproduktens design och arkitektur
† Principer för dataproduktens design
† Att förstå användarperspektiv och datakonsumenter
† Datamodeller (Centraliserat vs. Data Mesh vs. Hybrid)
† Designa skalbara datapipelines
† Datamodellering för analys och drift
† API:er och lager för datatillgänglighet
† Molninfrastruktur för dataprodukter (AWS, Azure, GCP - översikt)
Dag 3
Dataengineering och genomförande
† Datainsamlingsmetoder (Batch vs. Strömmande)
† Ramverk för ETL vs. ELT
† Bygga pålitliga datapipelines
† LAGRINGSALTERNATIV (Datasmågor, Datawarehouse, Lakehouse)
† Verktyg för datatransformering och orchestrieringsverktyg
† Introduktion till verklig tids data processing
† Hands-on-labb: Att bygga en enkel datapipeline
Dag 4
Analys, AI-integration och styrning
† Att integrera analys i dataprodukter
† Dashboards, KPI:er och beslutsintelligens
† Introduktion till AI/ML i dataprodukter
† Rekommendationssystem och prediktiva modeller
† Hantering och övervakning av datakvalitet
† Datastyrning, integritet och efterlevnad (översikt över GDPR-koncept)
† Säkerställa tillit, säkerhet och tillförlitlighet i dataprodukter
Dag 5
Lansering, skalning och produktisering
† Att producera datalösningar för slutanvändare
† Lanseringsstrategier och CI/CD för dataprodukter
† Övervakning, prestandaoptimering och skalning
† Hantering av dataproduktens livscykel inom organisationer
† Monetiseringsstrategier för dataprodukter
† Framtida trender: Generativ AI och autonoma dataprodukter
† Presentation av slutprojekt och återkopplingssession
Krav
- Grundläggande förståelse för databegrepp och affärsrapportering rekommenderas.
- Kunskaper i Excel eller något annat grundläggande verktyg för dataanalys är ett plus.
- Förståelse för hur data stödjer affärsbeslut är fördelaktigt.
- Ingen avancerad programmerings- eller teknisk bakgrund krävs.
- Ett genuint intresse för data, analys och digital produktutveckling är ett krav.
Vittnesmål (2)
Mångfalden av den delade informationen och tydligheten i att förklara termer på enkelsvenska.
Arisbe Mendoza - Fairtrade International
Kurs - GDPR Workshop
Maskintolkat
Det är en praktiskt inriktad session.
Vorraluck Sarechuer - Total Access Communication Public Company Limited (dtac)
Kurs - Talend Open Studio for ESB
Maskintolkat