Big Data - Anwendungs-Szenarien und Implementierungs-Strategien

Classroom Schulung | deutsch | Anspruch

Schulungsdauer: 1 Tag

Ziele

In diesem Kurs lernen Sie die verschiedenen Implementierungs-Strategien für „Big Data“ kennen und erhalten einen Einblick in mögliche Einsatzszenarien. Außerdem werden Ihnen praktische Erfahrungen für die Durchführung von „Big Data“-Projekten vermittelt.

Zielgruppe

  • Entscheider
  • (Daten-)Analyst
  • (Fach-)Anwender
  • IT-Architekt
  • Projektmanager

Voraussetzungen

Agenda

Überblick und was ist anders mit "Big Data"

Personen, die im Umgang mit Datenbanken und strukturierten Daten vertraut sind, tun sich schwer mit dem Ansatz für "Big Data", denn Hadoop "tickt" gänzlich anders als die vertraute relationale Welt. In diesem Abschnitt erfahren Sie was Hadoop von dem klassischen Ansatz unterscheidet.

Hadoop-Ökosysteme – Die Große Datenfreiheit

Von der Sandbox auf dem Notebook bis zu einem global aufgespannten Hadoop-Cluster über mehrere Rechenzentren – alles ist möglich. In diesem Abschnitt erfahren Sie Wichtiges über Hardware-Anforderungen, Sizing und Betriebsaspekte von Hadoop.

Anwendungs-Szenario 1: Data Analytics mit Hadoop

Hadoop spielt seine Vorteile aus, wenn große und/oder unterschiedliche Datenmengen mit vertretbarem Aufwand analysiert werden sollen. In diesem Abschnitt lernen Sie verschiedene Fragestellungen und die Ansätze, die mit Hadoop beantwortet werden können, kennen.

Anwendungs-Szenario 2: Predictive Analytics mit Hadoop

Vorhersagen aus unterschiedlichsten Daten schnell und zeitnah zu treffen ist eine der wichtigsten Einsatzmöglichkeiten von Hadoop. In diesem Abschnitt lernen Sie diese kennen.

Anwendungs-Szenario 3: Sentiment Analytics mit Hadoop

In diesem Abschnitt lernen Sie die grundsätzlichen Techniken kennen, um die in Texten zum Ausdruck gebrachte Stimmung zu bewerten und wie man Hadoop dafür nutzen kann.

Anwendungs-Szenario 4: Social Media Analytics mit Hadoop

Ein fast schon klassisches Anwendungs-Szenario für Hadoop ist die Analyse von Inhalten aus sozialen Netzwerken. Hier erfahren Sie die praktische Umzusetzung.

Anwendungs-Szenario 5: DWH-Integration für Hadoop

Die Integration von klassischen Datenbanksystemen und Hadoop ist einfach und schwierig zugleich. Hier erfahren Sie die Gründe dafür.

Anwendungs-Szenario 6: RealTime Analytics mit Hadoop

Geht es um die schnelle Analyse von großen Datenmengen, ist Hadoop erste Wahl. Ist die Frage geklärt, wie "echt" Echtzeit ist, ist die Wahl der technologischen Mittel (fast) vorherbestimmt. In diesem Abschnitt lernen Sie die grundsätzlichen Lösungsansätze kennen.

Ein Proof Of Concept (PoC) für und mit "Big Data"

"Big Data" stellt für die meisten Anwender Neuland dar, weshalb es immer eine gute Idee ist, diese Technologie zu evaluieren, um praktische Erfahrungen zu sammeln und die richtigen Entscheidungen zu treffen.
In diesem Abschnitt lernen Sie als Anwender die Herausforderungen für einen PoC für und mit "Big Data" kennen und diskutieren einen Leitfaden für die praktische Umsetzung.

Besonderheiten von "Big Data"-Projekten

Nicht nur die Technologie ist grundverschieden im Vergleich zu bisherigen Datenbank-Lösungen, auch die Umsetzung im Projekt stellt neue Herausforderungen. Schwerpunkt dieses Abschnittes ist, die Besonderheiten und Unterschiede zu "klassischen" BI-Projekten herauszuarbeiten und die Teilnehmer für die relevanten Erfolgskriterien zu sensibilisieren.

Ziele

In diesem Kurs lernen Sie die verschiedenen Implementierungs-Strategien für „Big Data“ kennen und erhalten einen Einblick in mögliche Einsatzszenarien. Außerdem werden Ihnen praktische Erfahrungen für die Durchführung von „Big Data“-Projekten vermittelt.

Zielgruppe

  • Entscheider
  • (Daten-)Analyst
  • (Fach-)Anwender
  • IT-Architekt
  • Projektmanager

Voraussetzungen

Agenda

Überblick und was ist anders mit "Big Data"

Personen, die im Umgang mit Datenbanken und strukturierten Daten vertraut sind, tun sich schwer mit dem Ansatz für "Big Data", denn Hadoop "tickt" gänzlich anders als die vertraute relationale Welt. In diesem Abschnitt erfahren Sie was Hadoop von dem klassischen Ansatz unterscheidet.

Hadoop-Ökosysteme – Die Große Datenfreiheit

Von der Sandbox auf dem Notebook bis zu einem global aufgespannten Hadoop-Cluster über mehrere Rechenzentren – alles ist möglich. In diesem Abschnitt erfahren Sie Wichtiges über Hardware-Anforderungen, Sizing und Betriebsaspekte von Hadoop.

Anwendungs-Szenario 1: Data Analytics mit Hadoop

Hadoop spielt seine Vorteile aus, wenn große und/oder unterschiedliche Datenmengen mit vertretbarem Aufwand analysiert werden sollen. In diesem Abschnitt lernen Sie verschiedene Fragestellungen und die Ansätze, die mit Hadoop beantwortet werden können, kennen.

Anwendungs-Szenario 2: Predictive Analytics mit Hadoop

Vorhersagen aus unterschiedlichsten Daten schnell und zeitnah zu treffen ist eine der wichtigsten Einsatzmöglichkeiten von Hadoop. In diesem Abschnitt lernen Sie diese kennen.

Anwendungs-Szenario 3: Sentiment Analytics mit Hadoop

In diesem Abschnitt lernen Sie die grundsätzlichen Techniken kennen, um die in Texten zum Ausdruck gebrachte Stimmung zu bewerten und wie man Hadoop dafür nutzen kann.

Anwendungs-Szenario 4: Social Media Analytics mit Hadoop

Ein fast schon klassisches Anwendungs-Szenario für Hadoop ist die Analyse von Inhalten aus sozialen Netzwerken. Hier erfahren Sie die praktische Umzusetzung.

Anwendungs-Szenario 5: DWH-Integration für Hadoop

Die Integration von klassischen Datenbanksystemen und Hadoop ist einfach und schwierig zugleich. Hier erfahren Sie die Gründe dafür.

Anwendungs-Szenario 6: RealTime Analytics mit Hadoop

Geht es um die schnelle Analyse von großen Datenmengen, ist Hadoop erste Wahl. Ist die Frage geklärt, wie "echt" Echtzeit ist, ist die Wahl der technologischen Mittel (fast) vorherbestimmt. In diesem Abschnitt lernen Sie die grundsätzlichen Lösungsansätze kennen.

Ein Proof Of Concept (PoC) für und mit "Big Data"

"Big Data" stellt für die meisten Anwender Neuland dar, weshalb es immer eine gute Idee ist, diese Technologie zu evaluieren, um praktische Erfahrungen zu sammeln und die richtigen Entscheidungen zu treffen.
In diesem Abschnitt lernen Sie als Anwender die Herausforderungen für einen PoC für und mit "Big Data" kennen und diskutieren einen Leitfaden für die praktische Umsetzung.

Besonderheiten von "Big Data"-Projekten

Nicht nur die Technologie ist grundverschieden im Vergleich zu bisherigen Datenbank-Lösungen, auch die Umsetzung im Projekt stellt neue Herausforderungen. Schwerpunkt dieses Abschnittes ist, die Besonderheiten und Unterschiede zu "klassischen" BI-Projekten herauszuarbeiten und die Teilnehmer für die relevanten Erfolgskriterien zu sensibilisieren.

Tags

Diese Seite weiterempfehlen