Big Data-Technologien und -Tools

Seminarziel

Das Hauptziel des Big Data-Technologien und -Tools-Seminars für Unternehmen ist es, den teilnehmenden Unternehmen zu vermitteln, wie sie die Potenziale von Big Data effektiv nutzen können, um ihre Geschäftsprozesse zu optimieren, datengesteuerte Entscheidungen zu treffen und einen Wettbewerbsvorteil zu erlangen. Das Seminar soll den Unternehmen einen Überblick über die verschiedenen Big Data-Technologien und -Tools geben und ihnen zeigen, wie sie diese Technologien in ihren bestehenden Prozessen integrieren können, um datenbasierte Erkenntnisse zu gewinnen und ihre Geschäftsziele zu erreichen. Am Ende des Seminars sollten die Unternehmen in der Lage sein, Big Data-Lösungen strategisch einzusetzen und die Chancen und Herausforderungen dieser Technologien besser zu verstehen.

Inhalt

• Einführung in Big Data und Datenverarbeitung
  • Was ist Big Data? Definitionen und Herausforderungen
  • Anwendungsgebiete und Beispiele für Big Data in der Industrie
  • Einführung in die Datenverarbeitung: Batch- vs. Echtzeitverarbeitung
  • Überblick über gängige Big Data-Technologien und -Tools
• Hadoop und MapReduce
  • Geschichte von Hadoop und seine Bedeutung im Big-Data-Ökosystem
  • Hadoop Distributed File System (HDFS)
  • MapReduce-Paradigma und seine Rolle bei der verteilten Datenverarbeitung
  • Anwendungsfälle und Vorteile von Hadoop
• NoSQL-Datenbanken
  • Warum NoSQL für Big Data?
  • Unterschiede zwischen NoSQL und traditionellen SQL-Datenbanken
  • Einführung in verschiedene NoSQL-Datenbanken: z. B. MongoDB, Cassandra, Couchbase
  • Vor- und Nachteile von NoSQL-Datenbanken
• Spark-Framework
  • Einführung in Apache Spark und seine Merkmale
  • Resilient Distributed Datasets (RDDs) und ihre Rolle in Spark
  • Spark SQL: Datenabfrage in Spark
  • Machine Learning mit Spark MLlib
• Data Streaming und Kafka
  • Einführung in Data Streaming und seine Bedeutung für Big Data
  • Apache Kafka als verteilte Streaming-Plattform
  • Producer und Consumer in Kafka
  • Nutzung von Kafka für Echtzeitdatenströme
• HBase und BigTable
  • Einführung in HBase und Google Bigtable
  • Spaltenorientierte NoSQL-Datenbanken
  • Unterschiede zu anderen NoSQL-Datenbanken
  • Anwendungsfälle für HBase und BigTable
• Data Processing in der Cloud
  • Einführung in Cloud-basierte Big Data-Technologien
  • Amazon Web Services (AWS) für Big Data
  • Google Cloud Platform (GCP) für Big Data
  • Azure Cloud Services für Big Data
• Data Visualization und BI-Tools
  • Bedeutung der Datenvisualisierung in Big Data
  • Einführung in Business Intelligence (BI)-Tools
  • Datenvisualisierung mit z. B. Tableau, Power BI oder Google Data Studio
  • Erstellung interaktiver Dashboards für die Datenanalyse