Warum lohnt sich dieser Kurs?
Datenplattformen sind Grundlage für belastbares Reporting und BI – aber welche Architektur passt zu welchem Unternehmen? Das Seminar vermittelt die Unterschiede zwischen Data Warehouse, Data Lake und Lakehouse, zeigt, wie operative und analytische Systeme zusammenhängen, und hilft dabei, die richtige Technologie für Ihre Anforderungen zu wählen.Kursüberblick
Die Teilnehmer erhalten einen praxisnahen Überblick darüber, wie moderne DatenModerne Unternehmen ertrinken in Daten – und wissen oft nicht, wie sie diese nutzen. Das Kernproblem: Operative Systeme wie ERP oder CRM sind für Transaktionen optimiert, nicht für Analysen. Wer Reporting, BI und datengetriebene Entscheidungen auf stabilen Fundamenten aufbauen will, braucht eine Datenarchitektur, die beide Welten verbindet.Dieses Seminar klärt, wie DBMS (Datenbankmanagementsysteme), NoSQL-Datenbanken, Data Warehouse, Data Lake und Lakehouse zusammenhängen und wann welche Technologie sinnvoll ist. Der Fokus liegt auf den operativen Systemen (OLTP) – ERP, CRM, Kassa – die Geschäftsvorfälle abbilden. Daneben stehen die analytischen Systeme (OLAP), die Daten für Kennzahlen, Dashboards und Management-Reports aufbereiten.
Der praktische Nutzen: Teilnehmer*innen verstehen, wie Datenflüsse funktionieren. Wie werden Rohdaten aus Vorsystemen in strukturierte Analysemodelle überführt? Welche Rolle spielen ETL/ELT-Prozesse, Datenpipelines und Batch-Verarbeitung? Wann ist Daten-Streaming für Echtzeit-Auswertungen notwendig? Wie sichert Datenqualität belastbare Auswertungen?
Die Architekturwahl hat unmittelbare Folgen: Performance, Datenaktualität, Skalierbarkeit. Das Seminar zeigt anhand typischer BI-Szenarien, wie Serverless-Plattformen Cloud-Architekturen vereinfachen, wie SAP-Umgebungen die Technologiewahl prägen und welche Kriterien – Datenvolumen, Budget, Ressourcen, bestehende IT-Landschaft – die Entscheidung leiten.
Kursinhalte
Die passende Datenarchitektur für das eigene Unternehmen auswählen- Auswahlkriterien wie Datenvolumen, Ressourcen, Budget, Skalierbarkeit und vorhandene IT-Landschaft einordnen
- Berücksichtigt, wie bestehende Systemumgebungen wie SAP, ERP- oder CRM-Systeme die Architekturentscheidung prägen
- Bewertet analytische Workloads für Reporting, Planung, Forecasting und Self-Service Business Intelligence (BI)
- Klärt, welche Rolle klassische Datenbankmanagementsysteme (DBMS) in operativen Geschäftsprozessen spielen
- Zeigt, wann NoSQL-Datenbanken für flexible, skalierbare und unstrukturierte Daten sinnvoll sind
- Ordnet ein, wie Data Warehouse, Data Lake und Lakehouse für Analysen, Kennzahlen und Dashboards eingesetzt werden
- Erläutert, wie Serverless-Plattformen Cloud-Architekturen vereinfachen und den Betriebsaufwand reduzieren
- Bildet ab, wie Online Transaction Processing-Systeme (OLTP) Geschäftsvorfälle in Vorsystemen wie ERP, Kassa oder CRM abbilden
- Stellt dar, wie Online Analytical Processing-Systeme (OLAP) Daten für Analysen, Aggregationen, Kennzahlenmodelle und Management-Reports bereitstellen
- Begründet, warum die Architekturwahl Auswirkungen auf Performance, Datenaktualität und Skalierbarkeit von BI-Lösungen hat
- Beschreibt, wie Extract-Transform-Load- (ETL) und Extract-Load-Transform-Prozesse (ELT) Rohdaten aus Quellsystemen in strukturierte Analysemodelle überführen
- Begründet, warum saubere Datenmodelle die Grundlage für Power BI, Kennzahlenlogik, Planung und KI-Anwendungen bilden
- Erklärt, wie Datenpipelines Datenflüsse zwischen Quellsystemen, Datenplattformen und BI-Tools orchestrieren
- Zeigt, wie Datenbereinigung, Validierung und Qualitätsregeln verlässliche Auswertungen und belastbare Entscheidungen ermöglichen
- Klärt, wann Batch-Verarbeitung für tägliche, stündliche oder geplante Datenaktualisierungen ausreicht
- Zeigt, wann Daten-Streaming für Echtzeit-Auswertungen, Monitoring oder operative Dashboards relevant wird
Zielgruppe
- Mitarbeiter im Controlling, die Datenarchitekturen besser einordnen wollen, um belastbarere Reporting- und Entscheidungsgrundlagen zu schaffen
- BI-Mitarbeiter, die verstehen wollen, welche Plattform ihre Analyse- und Kennzahlenprozesse optimal unterstützt
- Analytics-Mitarbeiter, die Batch-Verarbeitung, Daten-Streaming und ETL/ELT-Prozesse im Unternehmenskontext einordnen wollen
- Head of IT, die die passende Systemarchitektur – von Data Warehouse bis Lakehouse – für die bestehende SAP- oder ERP-Umgebung auswählen wollen
