academy@academyit.ru
DS-DG
Работа с данными, аналитика и СУБД
48 ак.часов
Data Steward: специалист по стратегическому управлению данными
-
О КУРСЕПри работе с большими объёмами данных компания может столкнуться с их неправильным хранением, ошибками и отсутствием порядка. Все это может отразиться на общей эффективности. Для эффективного обеспечения выполнения этих важных функций необходим Data Steward — это специалист, ответственный за управление качеством, целостностью и доступностью корпоративных данных.
Его работа заключается в том, чтобы сделать данные качественными, надежными и полезными. Без Data Steward бизнес может столкнуться с проблемами: неверные решения из-за неправильной трактовки данных, сопутствующие лишние расходы, штрафы от контролирующих органов. Благодаря своей работе Data Stewards помогают компаниям повышать эффективность бизнеса, снижать издержки и избегать штрафов за нарушение правил обработки данных
Смотрите ролик в котором мы рассказали, как вы можете стать стратегом управления данными в своей компании.
Специалисты, ежедневно работающие с данными, желающие углубить знания в управлении данными и исполнять роль Data Steward
Выпускники вузов, начинающие IT-специалисты и студенты технических специальностей, стремящиеся к управлению большими данными
Руководители и HR-специалисты крупных и средних организаций, где планируется введение должности (роли) Data Steward
Аналитики данных, бизнес-аналитики, риск-аналитики, желающие повысить уровень экспертизы
Администраторы баз данных, разработчикии, специалисты сферы Big Data, желающие повысить уровень экспертизы
Специалисты крупных и средних компаний, стремящиеся улучшить архитектуру Data Governance
Все специалисты, стремящиеся сформировать культуру эффективного управления данными, а также найти новые источники получения прибыли
Модуль 1 «Современные профессии и тренды в Big Data. Роль Data Steward»
Эволюция профессий в сфере данных
Тренды в Big Data. Облачные технологии, искусственный интеллект, интернет вещей, блокчейн и их влияние на управление данными
Data Steward: ключевые обязанности и задачи
Карьерные перспективы Data Steward
Модуль 2 «Архитектура и стратегия Data Governance»
Основные принципы Data Governance
Архитектура Data Governance. Компоненты, роли и процессы, необходимые для эффективного управления данными в организации. Data Governance Council, рабочие группы, Data Owners
Разработка стратегии Data Governance. Alignment со стратегией организации
Фреймворки Data Governance. Обзор существующих фреймворков (DAMA-DMBOK, COBIT, ITIL) и их применение для построения системы управления данными
Модуль 3 «Развитие анализа данных и машинного обучения в организации»
Роль данных в принятии решений
Анализ данных: от базовой отчетности до продвинутой аналитики
Машинное обучение в бизнесе
Интеграция Data Governance в анализ данных и машинное обучение. Экономическое обоснование Data Governance
Модуль 4 «Обеспечение качества данных (Data Quality)»
Определение качества данных
Методы оценки качества данных. Автоматизированные и ручные проверки качества данных, метрики качества данных
Процесс улучшения качества данных. Выявление проблем, исправление ошибок, предотвращение возникновения новых проблем с качеством данных. Data P
Инструменты обеспечения качества данных
Модуль 5 «Моделирование данных и управление метаданными»
Основы моделирования данных. Концептуальное, логическое и физическое моделирование данных. ER-диаграммы, UML-диаграммы
Типы моделей данных
Управление метаданными
Репозитории метаданных. Обзор инструментов для управления мета-данными, каталоги данных (Data Catalogs), словари данных (Data Dictionaries)
Модуль 6 «Управление жизненным циклом данных (Data Lifecycle Management)»
Этапы жизненного цикла данных
Политики управления жизненным циклом данных
Архивирование и удаление данных
Инструменты для управления жизненным циклом данных. Обзор инструментов для автоматизации процессов управления жизненным циклом данных
Модуль 7 «Обеспечение безопасности и конфиденциальности данных»
Основные принципы безопасности данных: Аутентификация, авторизация, шифрование, аудит, целостность данных
Нормативные требования к защите данных: GDPR, CCPA, HIPAA и федеральное законодательство, регулирующие обработку персональных данных
Методы защиты данных: Шифрование данных, маскирование данных, анонимизация данных, контроль доступа к данным
Реагирование на инциденты безопасности данных: Процедуры обнаружения, расследования и устранения инцидентов безопасности данных
Модуль 8 «Коммуникация и взаимодействие с бизнес-подразделениями»
Построение эффективных Agile-коммуникаций для работы Data Steward
Взаимодействие с бизнес-подразделениями по вопросам данных
Непрерывное обучение пользователей Data Governance. Проведение тренингов и семинаров для бизнес-пользователей по вопросам управления данными
Разрешение противоречий, связанных с данными. Организация соответствующих органов для принятия решений в Data Governance
Модуль 9 «MLSecOps – обеспечение безопасности ИИ-систем
Уязвимости в ИИ-системах. Атаки на данные, атаки на модель, атаки на инфраструктуру
Принципы MLSecOps
Интеграция безопасности на всех этапах разработки и эксплуатации ИИ-систем
Методы защиты ИИ-систем. Отслеживание производительности, точности и безопасности моделей машинного обучения. Обнаружение аномалий и атак
Модуль 10 «Обеспечение надежности и отказоустойчивости Big Data»
Определение надежности и отказоустойчивости
Архитектура отказоустойчивых систем Big Data
Мониторинг и предупреждение сбоев
Стратегии восстановления после сбоев. Разработка планов восстановления данных и систем после сбоев и аварий
Модуль 11 «Data Steward: инструменты, технологии и перспективы»
Обзор инструментов для Data Governance. Решения для управления метаданными, качеством данных и безопасностью данных
Технологии для работы с Big Data. Hadoop, Spark, Kafka, NoSQL базы данных и их применение в Data Governance
Распределение Data Governance. Распределение и делегирование полномочий Data Steward в рамках организации
Будущее Data Steward. Развитие роли Data Steward в условиях цифровой трансформации и роста значимости данных
Модуль 12 «Практическое формирование Data Governance в современной организации»
Внедрение Data Governance: практические шаги. Планирование, разработка, внедрение и мониторинг Data Governance в организации
Оценка эффективности Data Governance. Метрики успеха Data Governance, измерение ROI, улучшение процессов управления данными
Управление изменениями в Data Governance
Культура Data Governance. Формирование культуры управления данными в организации, повышение осведомленности и вовлеченности сотрудников
-
Получаемый документ:
или 
* в зависимости от вида реализуемой программы и уровня образования слушателя
-
Для успешного прохождения курса необходимы:
- навыки работы на компьютере на уровне опытного пользователя
- базовые навыки анализа данных, базовое понимание специальностей сферы Big Data
-
По окончании курса слушатели смогут:
◉ анализировать данные для выявления проблем с качеством, оценивать соответствие данных бизнес-требованиям
◉ использовать инструменты и методы для исправления ошибок, стандартизации и дедупликации данных. Очищать и преобразовывать данные
◉ разрабатывать логические модели данных для различных бизнес-задач
◉ создавать, поддерживать и использовать репозитории
◉ разрабатывать политики и процедуры управления данными
◉ определять правила и процессы для обеспечения качества, безопасности и доступности данных
◉ определять и назначать права доступа к данным в соответствии с политикой безопасности
◉ определять и предупреждать риски, связанные с качеством, безопасностью и использованием данных
◉ мониторить качество данных: настраивать метрики и дашборды для отслеживания качества данных
◉ эффективно общаться с бизнес-пользователями, ИТ-специалистами и руководством для повышения качества и решения проблем управления данными
◉ представлять аргументы в пользу управления данными и убеждать заинтересованные стороны в необходимости изменений
◉ разрешать разногласия между различными заинтересованными сторонами
◉ проводить обучение по вопросам управления данными
◉ четко и понятно описывать процессы управления данными, документировать процессы и процедуры
◉ оптимизировать процессы управления данными: улучшать существующие процессы для повышения эффективности и снижения затрат
