Der Kurs vermittelt fundierte Kenntnisse über die Planung und Umsetzung von ETL-Prozessen im Bereich Data Science. Teilnehmer lernen die systematische Extraktion, Transformation und das Laden von Daten aus verschiedenen Quellen kennen. Die Vermittlung technischer Abläufe zur Sicherstellung der Datenqualität steht dabei im Mittelpunkt.
Kursinhalt1. Grundlagen der ETL-Architektur
- Definition und Bedeutung von ETL im Datenmanagement
- Übersicht der Phasen Extraktion Transformation und Laden
- Identifikation und Anbindung verschiedener Datenquellen
2. Datenextraktion und Datenvorbereitung
- Techniken zur Gewinnung strukturierter und unstrukturierter Daten
- Bereinigung von Datensätzen und Behandlung fehlender Werte
- Methoden zur Normalisierung und Standardisierung von Daten
3. Datentransformation und Laden
- Anwendung von Geschäftsregeln und Logiken zur Datenumwandlung
- Integration der Daten in Zielsysteme wie Data Warehouses
- Sicherstellung der Datenintegrität während des Ladeprozesses
4. Monitoring und Qualitätssicherung
- Fehlerbehandlung und Protokollierung in ETL-Strecken
- Überprüfung der Datenqualität durch automatisierte Tests
- Optimierung der Performance von Ladeprozessen
Berufliche Relevanz
- Fähigkeit zur effizienten Aufbereitung großer Datenmengen für Analysen
- Unterstützung datengetriebener Entscheidungen durch verlässliche Datenbasis
- Einsatzmöglichkeiten in den Bereichen Business Intelligence und Data Engineering