Seminar One Data – Kompaktseminar für Data Products und Governance

Das Kompaktseminar vermittelt die wichtigsten Arbeitsabläufe der Plattform in verdichteter Form. Es richtet sich an Rollen, die in kurzer Zeit ein belastbares Gesamtverständnis von Metadaten, Data Map, Use Cases, Datenprodukten, Data Contracts, Lifecycle, Marketplace und Automatisierung benötigen.

Die Inhalte werden an einem durchgängigen Beispiel verbunden. Vertiefte Installation, Spezialintegration und vollständige SAP-BW-Migration bleiben den jeweiligen Fachseminaren vorbehalten.

Inhaltsverzeichnis

1. Zielgruppe
2. Voraussetzungen
3. Seminarziele
4. Seminarinhalte
5. Kapitel 1: Plattform, Module und Einsatzfelder
6. Kapitel 2: Metadatenmodell und fachlicher Kontext
7. Kapitel 3: Data Map strukturieren, durchsuchen und auswerten
8. Kapitel 4: Fachlichen Use Case strukturiert erfassen
9. Kapitel 5: Datenbedarf und passende Assets ermitteln
10. Kapitel 6: Datenprodukt fachlich und technisch spezifizieren
11. Kapitel 7: Schema-, Qualitäts-, Aktualitäts- und SLA-Regeln
12. Kapitel 8: Lebenszyklus von Draft bis Retired
13. Kapitel 9: Datenprodukte finden und fachlich bewerten
14. Kapitel 10: Code Automation, Building Spaces und Automation Packages
15. Praxisübungen
16. Methodik

Zielgruppe

• Data Product Owner und Business Analysts
• Data Governance und Data Stewards
• Data Engineers und Projektleitungen
• Architekten mit breitem Orientierungsbedarf

Voraussetzungen

• Grundverständnis betrieblicher Daten- und Analytics-Prozesse

Seminarziele

• Plattformmodule und Rollen in einem Gesamtprozess einordnen
• Metadaten und Lineage für Quellenauswahl und Vertrauen nutzen
• Use Case und Datenprodukt build-fähig spezifizieren
• Contract, Quality Gates und Lifecycle anwenden
• Marketplace und Self-Service nachvollziehen
• Integrations- und Automatisierungsoptionen sachgerecht bewerten

Seminarinhalte

Die Inhalte werden in aufeinander aufbauenden Kapiteln bearbeitet. Jeder Arbeitsschritt wird anhand eines durchgängigen Szenarios nachvollzogen und anschließend praktisch überprüft.

1. Plattform, Module und Einsatzfelder

Inhaltsverzeichnis dieses Kapitels: modularer Plattformansatz; Vertrauen, fachliche Abstimmung und Automatisierung; zentrale Produktmodule; typische Einsatzszenarien.

1. Schritt 1: Die Ausgangslage aus Datenquellen, Berichten, Analysewerkzeugen und fachlichen Anforderungen wird strukturiert erfasst.
2. Schritt 2: Die Module Metadatenmanagement, Data Map, Data Contracts, Lifecycle, Marketplace, Use-Case-Steuerung und Code Automation werden funktional eingeordnet.
3. Schritt 3: Für ein Beispielszenario wird festgelegt, welche Module in welcher Reihenfolge benötigt werden.
4. Schritt 4: Die Systemgrenzen zu Datenplattform, BI, Data Science, IAM und Betriebswerkzeugen werden dokumentiert.

2. Metadatenmodell und fachlicher Kontext

Inhaltsverzeichnis dieses Kapitels: technische Metadaten; fachliche Begriffe; Ownership und Domänen; Beziehungen zwischen Assets.

1. Schritt 1: Die vorhandenen technischen und fachlichen Metadatenarten werden inventarisiert.
2. Schritt 2: Quellsysteme, Schemata, Tabellen, Felder, Berichte und Datenprodukte werden in ein konsistentes Strukturmodell eingeordnet.
3. Schritt 3: Geschäftsbegriffe, Verantwortliche, Domänen und Verwendungszwecke werden den technischen Assets zugeordnet.
4. Schritt 4: Mindestanforderungen an Vollständigkeit, Pflege und Freigabe der Metadaten werden definiert.

3. Data Map strukturieren, durchsuchen und auswerten

Inhaltsverzeichnis dieses Kapitels: technische und fachliche Hierarchien; Suche und Filter; Cluster und Perspektiven; Asset-Detailansicht.

1. Schritt 1: Die Datenlandschaft wird in technische und geschäftsorientierte Hierarchien gegliedert.
2. Schritt 2: Such- und Filterkriterien für Quellen, Domänen, Owner, Status und Produkttypen werden erstellt.
3. Schritt 3: Relevante Assets werden in geeigneten Kartenansichten und Clustern zusammengeführt.
4. Schritt 4: Die Detailinformationen eines Assets werden auf Kontext, Nutzung, Qualität und Beziehungen geprüft.

4. Fachlichen Use Case strukturiert erfassen

Inhaltsverzeichnis dieses Kapitels: Geschäftsfrage; Zielbild und Output; Owner und Wertbeitrag; Rahmenbedingungen.

1. Schritt 1: Die Ausgangsfrage wird in ein messbares Geschäftsziel und einen klaren Entscheidungsbedarf übersetzt.
2. Schritt 2: Erwarteter Output, Zielgruppe, Zeitbezug und Erfolgskriterien werden beschrieben.
3. Schritt 3: Owner, Stakeholder, Nutzenhypothese und strategischer Bezug werden erfasst.
4. Schritt 4: Risiken, Einschränkungen, Schutzbedarf und bekannte Abhängigkeiten werden frühzeitig dokumentiert.

5. Datenbedarf und passende Assets ermitteln

Inhaltsverzeichnis dieses Kapitels: fachliche Datenbegriffe; KI-gestützte Vorschläge; Eignungsprüfung; Lückenanalyse.

1. Schritt 1: Der benötigte Informationsgehalt wird in fachliche Datenbegriffe und Auswahlkriterien zerlegt.
2. Schritt 2: Geeignete Datenassets und vorhandene Datenprodukte werden über Suche und unterstützte Vorschläge identifiziert.
3. Schritt 3: Kandidaten werden auf Semantik, Lineage, Qualität, Aktualität, Schutzbedarf und Verfügbarkeit geprüft.
4. Schritt 4: Fehlende Daten werden als neuer Produktbedarf mit klarer Begründung und Priorität erfasst.

6. Datenprodukt fachlich und technisch spezifizieren

Inhaltsverzeichnis dieses Kapitels: Schema und Semantik; Quellen und Transformationen; Qualität und Vertrag; Ownership und Zugriff.

1. Schritt 1: Das fachliche Ausgabemodell wird mit Begriffen, Feldern, Schlüsseln und Beziehungen beschrieben.
2. Schritt 2: Geeignete Quellassets und erforderliche Transformationsschritte werden ausgewählt.
3. Schritt 3: Qualitätsregeln, Freshness, Vertrag, Schutzbedarf und Akzeptanzkriterien werden festgelegt.
4. Schritt 4: Owner, Produzenten, Verbraucher, Zugriffsweg und Zielsystem werden in einer build-fähigen Spezifikation zusammengeführt.

7. Schema-, Qualitäts-, Aktualitäts- und SLA-Regeln

Inhaltsverzeichnis dieses Kapitels: Schemaanforderungen; Qualitätsschwellen; Freshness; Serviceerwartungen.

1. Schritt 1: Pflichtfelder, Datentypen, Schlüssel, erlaubte Werte und strukturelle Abhängigkeiten werden definiert.
2. Schritt 2: Messbare Qualitätsregeln für Vollständigkeit, Eindeutigkeit, Konsistenz und fachliche Plausibilität werden formuliert.
3. Schritt 3: Aktualisierungsfrequenz, maximale Verzögerung und tolerierbare Ausfallzeiten werden festgelegt.
4. Schritt 4: Die Regeln werden mit Beispielwerten getestet und auf technische Messbarkeit sowie fachliche Relevanz geprüft.

8. Lebenszyklus von Draft bis Retired

Inhaltsverzeichnis dieses Kapitels: Draft; Development und Review; Published; Retired.

1. Schritt 1: Ein fachlicher Bedarf wird als Datenproduktentwurf mit Owner, Zweck und erwarteten Verbrauchern angelegt.
2. Schritt 2: Der Entwurf wird in die Entwicklung überführt und um technische Assets, Regeln und Nachweise ergänzt.
3. Schritt 3: Vor der Veröffentlichung werden Review-Status, Freigaben und Mindestanforderungen geprüft.
4. Schritt 4: Nicht mehr benötigte Produkte werden kontrolliert außer Betrieb genommen und mit nachvollziehbarer Historie auf Retired gesetzt.

9. Datenprodukte finden und fachlich bewerten

Inhaltsverzeichnis dieses Kapitels: Suche und Filter; Produktbeschreibung; Qualitäts- und Statusinformationen; Eignungsprüfung.

1. Schritt 1: Ein konkreter Datenbedarf wird in geeignete Suchbegriffe, Domänen und Filterkriterien übersetzt.
2. Schritt 2: Gefundene Datenprodukte werden anhand von Zweck, Owner, Schema, Status, Qualität und Einschränkungen verglichen.
3. Schritt 3: Lineage, Aktualität und bekannte Limitationen werden vor der Nutzung geprüft.
4. Schritt 4: Das am besten geeignete Produkt wird ausgewählt oder ein neuer Bedarf wird strukturiert angestoßen.

10. Code Automation, Building Spaces und Automation Packages

Inhaltsverzeichnis dieses Kapitels: Spezifikation als Eingang; Building Space; Automation Package; Zielumgebung und Rückmeldung.

1. Schritt 1: Die vollständige Datenproduktspezifikation wird als automatisierbarer Eingang geprüft.
2. Schritt 2: Aufgabe und Grenzen des Building Space werden im Gesamtprozess eingeordnet.
3. Schritt 3: Ein passendes Automation Package wird anhand von Zielplattform, Standards und gewünschtem Output ausgewählt.
4. Schritt 4: Datenfluss, Codeerzeugung, Ausführung, Ergebnisrückgabe und Registrierung werden als End-to-End-Prozess dargestellt.

Praxisübungen

• Plattformmodule einem End-to-End-Datenproduktprozess zuordnen
• Quellassets mit Metadaten- und Lineage-Kriterien auswählen
• kompakte Produktspezifikation mit Contract und Lifecycle-Gates erstellen
• Marketplace-Nutzung und Access Request durchspielen
• Entscheidung zwischen manueller Umsetzung und Code Automation begründen

Methodik

Trainergeführte Erläuterungen, strukturierte Demonstrationen, fachliche und technische Fallstudien sowie praktische Übungen werden miteinander kombiniert. Prüflisten, Rollenmodelle, Spezifikationen und Betriebsabläufe entstehen direkt aus den Übungsfällen und werden im Seminar gemeinsam kontrolliert.