Data on organisaatiossa erittäin keskeinen omaisuuserä, koska datatyön tekemiseen osallistuu monet organisaation työntekijät. Datatyöhön liittyy tieto siitä, miten tieto kerääntyy ja muokkaantuu organisaatiossa. Kenellä on tietoa, ja mitä datasta tulee tietää? Miten dataa kerätään ja miten sitä pitäisi kerätä? Miten se muuntuu matkan varrella? Millaisia tietoturvakysymyksiä liittyy datatyöhön? Vastaukset näihin kysymyksiin saat tässä koulutuksessa.
Tavoite
Datatyön perusteet -koulutuksen tavoitteena on tarjota osallistujille kattava ymmärrys datan merkityksestä ja sen hallinnasta organisaatioissa. Koulutuksen aikana osallistujat oppivat, mikä on data ja datatyö sekä miksi ne ovat kriittisiä organisaation menestykselle. Koulutus käsittelee mm. tiedonhallinnan perusteita, Data Governance -käytäntöjä, tieto-omaisuuden hallintaa ja tiedon laadun varmistamista.
Kenelle
Koulutus on teknologiariippumaton ja tarkoitettu kaikille, jotka haluavat ymmärtää paremmin tiedon ja datatyön merkitystä organisaatiossa.
Ohjelmaversio
Koulutus ei edellytä mitään tiettyä ohjelmistoversiota.
Koulutuksen sisältö
Mitä ovat data ja datatyö sekä mihin niitä tarvitaan?
Kaiken pohjalla on organisaation datastrategia
- Mikä on datastrategia ja mikä on sen merkitys?
- Kenen vastuulla on datastrategia?
Mitä on Data Management eli tiedonhallinta ja miksi se on tärkeää?
Data Governancen merkitys, roolit ja mahdollisuudet
- Tieto omaisuuseränä
- Tiedon hallinta
- Tiedon valvonta
- Tiedon laatu
Tiedon arkkitehtuuri ja sen merkitys
Tietojen mallintaminen eli Data Modelling
- Miksi tietoja pitää mallintaa ja mitä se käytännössä tarkoittaa?
- Mallintamisen vaiheet
Tietoturvan ja tietosuojan merkitys tietotyössä
- Tiedon saavutettavuus
- Tiedon tuhoaminen
- Tiedon suojaus
- Tietoturva
Mikä on Master Data Managementin (MDM) merkitys
- Mitä MDM tarkoittaa ja sen keskeiset käsitteet
- Master Data -alueet
- Miten MDM liittyy yrityksen toimintaan
Tiedon yhdistäminen eli integrointi
- ETL
- Tiedon yhteensopivuus
Warehousing ja BI
- Business Intelligence
- Tiedon analysointi ja louhinta
- Warehouse ja Data mart
Metadata
- Metadatakäsite
- Metadatan hallinta
Datan laatu ja käytettävyys
- Miksi datan laatuun pitää panostaa?
- Datan hallinnoimiseen liittyvät roolit ja -vastuut
- Tiedon louhinta
- Tiedon korjaaminen
- Tiedon yhtenevyys
- Tiedon rikastaminen
Tiedon visualisoinnin periaatteet
- Miksi tietoa visualisoidaan?
- Millaista on hyvä visualisointi?
Big Data
- Mitä Big Datalla tarkoitetaan?
- Miksi Big Dataa kerätään?
AI ja ML
- Mihin organisaatiot voivat hyödyntää tekoälyä ja koneoppimista?
- Miksi tekoälykehityksessä ja koneoppimisessa tarvitaan dataa?
Avainsanat
Data, datatyö, Big data, AI, ML, Tekoäly, Koneoppiminen, Tieto, BI, Visualisointi, Tietotyö, Warehouse, Warehousing