Аналітик великих даних та SAP-консультант BW/4HANA

Основи інженерії даних та архітектури даних (приблизно 2 дні)

Завдання та сфери застосування інженерії даних

Основи сучасних архітектур даних та платформ даних

Основи та порівняння хмарних архітектур даних

OLTP та OLAP

Обробка структурованих, напівструктурованих та неструктурованих даних

Управління вимогами та моделювання даних (приблизно 1 день)

Вимоги до даних та джерел даних

Концептуальне моделювання даних

Моделювання структур даних та потоків даних

Контракти на дані, управління даними та простежуваність даних

Бази даних та обробка даних (приблизно 1 день)

Архітектура систем баз даних

Порівняння SQL, NoSQL та NewSQL

Реляційне моделювання даних

SQL для запитів та обробки даних

Створення сховищ даних та сучасні архітектури даних (приблизно 2 дні)

Основи та архітектура систем сховищ даних

Димонсіональне моделювання даних та проектування схем

Факти, виміри та зберігання історичних даних

Порівняння сховищ даних, озер даних та lakehouse

Вступ до dbt

Практична реалізація моделей даних

Інтеграція даних та конвеєри даних (приблизно 5 днів)

Інтеграція даних та їх надання

Процеси ETL та ELT

Побудова та оркестрування конвеєрів даних

Очищення, валідація та якість даних

Пакетна та потокова обробка

Практичне застосування Airflow та Spark

Програмування та автоматизована обробка даних (приблизно 4 дні)

Середовища Python та управління пакетами

Обробка та перетворення даних за допомогою Python

Автоматизація процесів обробки даних

Підключення різних джерел даних та інтерфейсів

Розробка робочих процесів у сфері інженерії даних

Контейнеризація за допомогою Docker

Підтримка на основі штучного інтелекту в процесі розробки та обробки даних

Робота над проектом (близько 5 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Вступ до аналізу даних (приблизно 1 день)

Завдання, сфери застосування та типові приклади використання аналітики даних

Процеси аналізу даних та CRISP-DM

Роль аналітика даних та відмінності від таких галузей, як наука про дані, інженерія даних та бізнес-аналітика

Місце штучного інтелекту та машинного навчання в цій галузі

Python для аналізу даних (приблизно 1 день)

Робота з Jupyter Notebooks

NumPy та Pandas для аналізу даних

Імпорт та експорт даних із різних джерел, наприклад, Excel та CSV

Відбір та перетворення даних

Підготовка даних та експлоративний аналіз даних (приблизно 3 дні)

Очищення та перетворення даних за допомогою Pandas

Робота з відсутніми, помилковими та аномальними даними

Об’єднання, групування та агрегування даних

Експлоративний аналіз даних та отримання перших висновків

Основи статистичного аналізу

SQL та управління даними (приблизно 2 дні)

Реляційні бази даних та моделі даних

Запити та обробка даних за допомогою SQL

З'єднання, агрегації та аналітичні запити

Взаємодія SQL та Python в аналізі даних

Якість даних та захист даних

Підключення та використання різних джерел даних і систем баз даних

Візуалізація даних та розповідь історій на основі даних (приблизно 2 дні)

Візуалізація за допомогою Matplotlib, Seaborn та Plotly

Вибір відповідних діаграм та форм візуалізації

Опрацювання та інтерпретація результатів аналізу

Розповідь на основі даних та комунікація, орієнтована на цільову аудиторію

Power BI та інтерактивні інформаційні панелі (приблизно 2 дні)

Імпорт та обробка даних за допомогою Power Query

Моделювання даних та взаємозв’язки

Основи DAX та ключові показники

Створення інтерактивних звітів та інформаційних панелей

Візуалізація та комунікація бізнес-показників

Огляд альтернативних рішень у сфері бізнес-аналітики та візуалізації

Аналіз даних із використанням штучного інтелекту (приблизно 2 дні)

Застосування генеративної штучної інтелекту в робочому процесі аналізу даних

Підготовка, аналіз та візуалізація даних за допомогою штучного інтелекту

Допомога у створенні запитів на Python та SQL

Формування запитів для аналізу даних та інтерпретація результатів

Критична оцінка джерел даних, а також виявлення синтетичних та неправдоподібних даних

Забезпечення якості, захист даних та відповідальне використання штучного інтелекту

Бізнес-аналітика та основи статистики (приблизно 2 дні)

Показники та KPI в контексті підприємства

Описова статистика та статистичні залежності

Кореляція, причинно-наслідковий зв’язок та прості регресійні аналізи

Основи довірчих інтервалів та перевірки гіпотез

Інтерпретація результатів аналізу та формулювання рекомендацій щодо дій на основі даних

Робота над проектом (близько 5 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Що таке великі дані? (приблизно 1 день)

Обсяг, швидкість, різноманітність, цінність, достовірність

Можливості та ризики великих обсягів даних

Диференціація: бізнес-аналітика, аналітика даних, наука про дані

Вступ до інтелектуального аналізу даних

Роль штучного інтелекту та систем, керованих даними, в середовищі великих даних

Вступ до фреймворків великих даних (приблизно 2 дні)

Рішення для великих даних у хмарі (огляд AWS, Azure, GCP)

Моделі доступу до даних

Зберігання даних

Вступ до озер даних та сховищ даних

Огляд Apache Hadoop та Spark

Розподілена обробка даних зі Spark (близько 3 днів)

Основи розподілених систем

Apache Spark (Core та SQL)

Порівняння різних підходів до обробки даних

Обробка великих обсягів даних

Вступ до простих робочих процесів ML зі Spark

Конвеєри даних та інтеграція даних (приблизно 2 дні)

Процеси ETL та ELT

Пакетна та потокова обробка

Основи конвеєрів даних

Вступ до оркестрування (наприклад, огляд повітряних потоків)

Якість та підготовка даних

Компоненти (приблизно 2 дні)

Коротка презентація різних інструментів

Передача даних

Огляд управління ресурсами в системах великих даних

Екосистема Hadoop

Поглиблення Apache Spark

Вступ до потокових технологій

NoSQL та зберігання даних (приблизно 2 дні)

CAP теорема

КИСЛОТА та ОСНОВА

Типи баз даних

HBase

Вступ до документно-орієнтованих баз даних

Вступ до форматів зберігання даних

Огляд підходів до озерних сховищ даних

Візуалізація великих даних (близько 2 днів)

Теорії візуалізації

Вибір діаграм

Нові типи діаграм

Інструменти для візуалізації даних

Вступ до інструментів BI (наприклад, Power BI, Tableau)

Основи прийняття рішень на основі даних

Управління даними та захист даних (приблизно 1 день)

Основи GDPR в контексті даних

Етика даних та відповідальне поводження з даними

Концепції якості даних та управління ними

Контроль доступу та безпека

Основи відповідального використання штучного інтелекту

Робота над проектом (близько 5 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Вступ (близько 20 днів)

Спочатку ви ознайомитеся з системним ландшафтом SAP, обравши одну з наступних тем:

теж:

Вибіркова тема 1: Фінансовий облік (FI) та контролінг (CO) в SAP

S4H00 Огляд SAP S/4HANA

S4F10 Бізнес-процеси у фінансовому обліку

S4F20 Бізнес-процеси у внутрішньому обліку (контролінг)

або:

Тема за вибором 2: SAP Управління матеріалами (MM) та Продажі і дистрибуція (SD)

S4H00 Огляд SAP S/4HANA

S4500 Бізнес-процеси постачання та закупівель

S4600 Бізнес-процеси у сфері продажів

За обраною вами темою слідують теми SAP, специфічні для BW:

BW405 - Створення та аналіз запитів (близько 10 днів)

Вступ до SAP HANA та SAP BW/4HANA

Запуск звітів та навігація у звітах

Прості запити

Ключові показники в запитах

Структури в запитах

Характеристики, атрибути та ієрархії

Змінні в запитах

Винятки та умови в запитах

Інтерфейс звіт-звіт

Оптимізація продуктивності запитів

Адміністрування запитів

Огляд авторизацій

Огляд SAP Analytics

BW410 - Сховища даних (приблизно 10 днів)

Вступ до SAP HANA

Основні дані в SAP Business Warehouse BW/4HANA

Транзакційні дані в SAP BW/4HANA

Нативне моделювання в SAP HANA

Відкриті подання ODS

Розширені теми про SAP BW/4HANA

BW430 - Моделювання даних (приблизно 15 днів)

Виклики в моделюванні даних

Загальний огляд: Бізнес-кейс

Підходи до моделювання в SAP BW/4HANA

Стандарти найкращих практик у моделюванні SAP BW/4HANA

Процес моделювання

Надбудова контенту SAP BW/4HANA

Впровадження польового швидкого прототипування для SAP BW/4HANA

Впровадження моделей в SAP BW/4HANA

Впровадження нативних представлень SAP HANA

Впроваджуємо гнучкі вітрини даних

Впровадження робочих просторів SAP BW/4HANA

Розширене моделювання в SAP BW/4HANA

BW450 - Надання даних (приблизно 10 днів)

Надання даних в SAP HANA

Огляд SAP BW/4HANA

Надання даних в SAP BW/4HANA через систему-джерело SAP HANA

Надання даних у SAP BW/4HANA через Operational Data Provisioning (ODP_SAP)

Управління дельта-розривами в Operational Data Provisioning (ODP_SAP)

Витяг даних з SAP S/4HANA в SAP BW/4HANA

Інші види надання операційних даних в SAP BW/4HANA

Управління та оптимізація компонентів потоку даних в SAP BW/4HANA

Виділення великих даних в SAP BW/4HANA та SAP Data Hub

Авторизація SAP BW465 (приблизно 5 днів)

Поняття авторизації

Стандартні об'єкти авторизації для користувачів звітності

Повноваження для аналізу

Стандартні повноваження для моделювальників та адміністраторів

Безпека системної комунікації

Вступ до авторизацій SAP HANA

Авторизації в змішаних сценаріях

Додаткові теми в SAP Business Warehouse

Тематичне дослідження, підготовка до сертифікації та сертифікація консультанта SAP BW/4HANA (близько 10 днів)