Worstel jij ook met de volgende vragen?
Het inrichten van een datawarehouse en alles wat daarmee samenhangt is niet eenvoudig want:
- Je weet dat met een datawarehouse (DWH) gewerkt wordt aan “één versie van de waarheid”, maar kun je die wel afdwingen?
- Je kijkt reikhalzend uit naar het moment dat stuurinformatie niet meer uit een wirwar van spreadsheets wordt “getoverd”, maar wat doe je in de tussentijd?
- Je wilt nu weleens echt bruikbare historische informatie tot je beschikking hebben. Hoe kan een datawarehouse je daarbij helpen en waar moet je dan allemaal aan denken?
- In welke vorm moet je je datamodel van een datawarehouse gieten en hoe bereik je zeer snelle responstijden?
- Welke ETL-tools en datawarehouse automation tools zijn er allemaal beschikbaar en welke is de beste voor jouw specifieke situatie?
- Wat is de beste strategie als je een DWH bij de business en directie op de kaart wilt zetten? Anders gezegd: ‘hoe verkoop je de businesscase?’
- Waar moet je allemaal op letten om de privacy van personen te borgen? Hoe ga je voldoen aan de Algemene Verordening Gegevensbescherming (AVG) en hoe richt je je datawarehouse-proces daarop in?
- Hoe zet je een robuuste Data Governance-structuur op en hoe bereik je een zekere mate van dataperfectie?
- Hoe zorg je er voor dat de datakwaliteit binnen je organisatie op orde komt en blijft?
- En tot slot: hoe moet je omgaan met de ontwikkelingen rond Big Data zoals data lakes en Hadoop?
Als jij zelf, of je team worstelt met een of meer van deze vragen, dan is deelname aan onze 3-daagse opleiding Datawarehouse & Data Governance absoluut een aanrader. Schrijf je direct in voor deze opleiding.
Bouw een strak datawarehouse en richt het superefficiënt in
Hierbij streef je altijd naar een zekere mate van dataperfectie. Daarnaast heb je natuurlijk ook oog voor de kosten en baten van het project. Maar wat misschien nog wel veel belangrijker is: je bent in staat om het gehele proces te overzien en sparringpartner te zijn van zowel de business, (enterprise) architecten als de technische mensen. Denk hierbij bijvoorbeeld aan database administrators, ETL ontwikkelaars en beheerders. Zij hebben een belangrijke rol om de DWH-omgeving op te zetten en te onderhouden.
Opleiding in praktische Datawarehouse-instrumenten
Datawarehousing en vooral data governance zijn specialistische vakgebieden. Werken aan de intelligentie van een organisatie zonder hiervoor de juiste vaardigheden en instrumenten te hebben, levert dikwijls ongewenste resultaten op. Ons praktische model waarin alle Data Governance-instrumenten en Datawarehouse-methodieken aan de orde komen, is de snelste en kortste route naar klinkende resultaten. Ook als er, misschien wel op verschillende plekken in je organisatie, initiatieven lopen rondom big data.
Praktische informatie: locatie, duur, data en prijs
Door onze registratie in het Centraal Register Kort Beroepsonderwijs (CRKBO) zijn onze opleidingen vrijgesteld van 21% BTW. Die brengen we dus niet in rekening.
| Locatie: | Amrâth Berghotel Amersfoort  |
| Duur: | 3 dagen |
| Data: | 2 t/m 4 oktober 2024 27 t/m 29 november 2024startgarantie 5 t/m 7 maart 2025 21 t/m 23 mei 2025 1 t/m 3 oktober 2025 10 t/m 12 december 2025 |
| Punten: | ✪ PA15 Deze opleiding Datawarehouse & Data Governance geeft je recht op PA-punten net als al onze andere trainingen. Bij een totaal van 150 PA-punten én na het succesvol afleggen van een examen ontvang je een certificaat van bekwaamheid. Je ontvangt daarnaast de badge 'Certified Data & Decisions Professional' voor op LinkedIn. ✪ PE-punten Informeer bij je vakvereniging - bijvoorbeeld de Vereniging van Registrercontrollers of de Nederlandse Beroepsvereniging van Accountants - hoeveel PE-punten/uren je kunt registreren voor je Permanente Educatie (PE). |
| Prijs: | € 2.250 |
Inhoud van de opleiding Datawarehouse & Data Governance
Tijdens deze complete Datawarehouse & Data Governance-cursus ga je in drie dagen van elk drie modules uitgebreid kennismaken met datawarehousing, ETL, datawarehouse automation, datakwaliteit, data governance, performance, Big Data en ontwikkelingen op het gebied van Data Science. Maar we kijken vooral ook naar Business Intelligence als hoger doel van datawarehousing en de succes- en faalfactoren. In deze drie dagen gaan we je helpen om een volwaardige sparringpartner te zijn van iedereen die betrokken is bij deze materie.
Dag 1: Introductie, doelen, alternatieven, ETL & datawarehouse-architectuur
Een datawarehouse ondersteunt het principe van één versie van de waarheid. Dit realiseer je door gegevens uit verschillende bronnen (bedrijfsprocessen) op te schonen en te integreren. Zo kun je de data gemakkelijk met elkaar in verband brengen en analyseren.
- Hoe kun je data via informatie transformeren naar kennis? Welke transformatieslagen komen daarbij kijken? Wat is het belang van een adequate informatiehuishouding?
- Welke doelen, zoals historieopbouw en performanceverbetering, dient een datawarehouse? Hoe gaat het datawarehouse bijdragen aan verbeterde datakwaliteit, herkenbaarheid en vindbaarheid van informatie? Hoe ziet een datawarehouse-architectuur er in detail uit?
- Welke DWH-alternatieven, zoals appliances, in-memory BI, data lakes en datavirtualisatie, zijn zinvol en haalbaar? Wat valt er te leren van aansprekende praktijkcases, zoals die van Ahold? Wat zijn je eigen ervaringen en wat valt daaruit te leren?
- Op welke zaken moet je alert zijn als het gaat om Algemene verordening gegevensbescherming (AVG)? Welke methodieken zijn er zodat je data toch kunt koppelen en analyseren, maar wel blijft voldoen aan de AVG?
Datawarehouse-architectuur
Om een datawarehouse te bouwen heb je goed gereedschap nodig. Deze dienen te passen binnen de totale bedrijfsarchitectuur. De onderlinge samenhang is essentieel voor het uiteindelijke succes.
- Wat is het belang van een goede datawarehouse-architectuur? Hoe ziet die er in detail uit? Hoe past een datawarehouse binnen de enterprise architectuur van je organisatie?
- Welke ‘scholen’ voor datamodellering zijn er? Denk dan aan Bill Inmon, Ralph Kimball en Dan Lindstedt (DataVault). Wat zijn de belangrijkste verschillen en overeenkomsten? Wat zijn de voor- en nadelen van de verschillende methodieken? Wanneer kies je voor welke filosofie of stel je een mix samen van de beschikbare modellen?
- Hoe moet je in je datawarehouse-architectuur omgaan met Big Data? Deze data kent zeer grote volumes of is ongestructureerd, zoals e-mails, reviews, foto’s, video’s en spraak. Dit soort data past immers niet in je datawarehousetabellen.
- Welke database en modellering tools zijn er en hoe maak je daarin een juiste keuze? Welke selectiecriteria zijn dan van belang?
Het datawarehouse en de ETL-processen
ETL tools of datawarehouse automation tools vormen onmisbare componenten in de architectuur van een datawarehouse. Met deze tools kun je het extraheren, transformeren en laden van de data modelleren en automatiseren. Tevens dragen zij bij aan de verbetering van het informatiseringsproces, ze versnellen het ontwikkelproces en verbeteren je datakwaliteit. ETL is dus een no-brainer. Het concept geeft antwoord op de volgende vragen:
- Welke datamodelleringstechnieken zijn toepasbaar? Hoe kan ik de verschillende processtappen, zoals extractie, transformatie en laden, vormgeven?
- Welke ETL-tools en datawarehouse automation tools zijn daarvoor beschikbaar? Wanneer ga je voor één leverancier en wanneer kies je best-of-breed? Je maakt kennis met onze 100% onafhankelijke ETL & Data Integratie Guide.
- Welke methodieken voor kwaliteitsverbetering, zoals aan de bron of in het DWH, zijn er? Wat is data-profilering en hoe kan dat helpen?
- Wat is het verschil tussen ETL en ELT? Wat is de impact van steeds grotere decentrale gegevensverzamelingen zoals Big Data en data lakes binnen en buiten de organisatie?
Dag 2: BI & Analytics, master data management, metadata & beheer
Een datawarehouse wordt soms gezien als een noodzakelijk kwaad, maar het biedt een goede basis voor stuurinformatie en beleidsevaluatie. Het datawarehouse heeft echter als belangrijkste functie om snel de juiste gegevens op te leveren op verzoek van je eindgebruikers. Deze gebruiken veelal BI-tools om gegevens op te vragen, te visualiseren en om te vormen tot bruikbare inzichten.
- Hoe levert een datawarehouse kwalitatief goede gegevens aan de eindgebruikers? Welke BI-tools zijn er op de markt beschikbaar? Maak ook kennis met onze innovatieve Business Intelligence & Analytics Guide.
- Wat zijn de laatste trends in datawarehousing en BI met name toegespitst op Big Data en Data Science? Wat is de betekenis van open source in deze arena?
- Wanneer is directe toegang tot het datawarehouse raadzaam en nuttig, en wanneer juist niet? Welke typen gebruikers kun je onderscheiden en welke specifieke functionele behoeften hebben zij? Hoe kun je hierop optimaal inspelen? Welke rol speelt selfservice BI hierbij?
Master Data Management (MDM) & Metadata
Het hebben van goede master- en metadata is uitermate belangrijk in het leveren van kwalitatief goede en betrouwbare informatie. Belangrijke gegevensgroepen als klanten, producten en medewerkers moet je altijd goed onderhouden. Daarbij is inzicht in de ontstaansgeschiedenis en de bewerkingen met bijbehorende bedrijfsregels essentieel.
- Wat moet je eigenlijk verstaan onder master- en metadata? Hoe helpt deze data bij het leveren van kwalitatief goede en betrouwbare informatie en in hoeverre zorgt het voor één versie van de waarheid? Welke processen spelen daarbij een rol?
- Is master- en metadatamanagement puur analytisch, of kan en moet het ook impact hebben op de operationele systemen? Hoe passen MDM en metadata management in de datawarehouse-architectuur? Hoe kun je een slimme leerlus met een enterprise portal inrichten?
Datawarehousebeheer & -succesfactoren
Datawarehouses vragen om hun eigen technische en functionele beheersprocessen. Soms speelt een Competency Center daarin een belangrijke rol. Een geschikte projectaanpak en inzicht in de succes- en risicofactoren zijn in dit verband cruciaal.
- Wat zijn de belangrijkste succesfactoren voor een datawarehouse? Hoe belangrijk is onderhoud en beheer daarin? Hoe ontwikkel je een datawarehouse met support en onderhoud in gedachten?
- Welke technische en functionele beheer(s)processen kun je onderscheiden? Welke gereedschappen zijn hiervoor beschikbaar?
- Zijn er speciale competenties en vaardigheden nodig voor een succesvol DWH-beheer? In hoeverre is DWH-onderhoud anders dan traditioneel onderhoud zoals applicatiebeheer?
- Welke rol speelt de business en welke rol speelt IT? Wat is de zin en onzin van Competency Centers in dezen?
Dag 3: Data governance, frameworks, datakwaliteit en continu verbeteren
Organisaties die datagedreven willen werken kunnen niet meer zonder een professionele Data Governance-structuur. De gehele levenscyclus van data – van ontstaan tot verwijdering – zal je op procesmatige wijze moeten vormgegeven. Hoe zet je een robuuste Data Governance-structuur op? Wat komt daarbij kijken? Hoe kun je daar waarde aan ontlenen en voordeel mee behalen?
- Het Data Governance framework: alle aspecten rondom Data Governance komen aan bod. Denk dan aan verschillende rollen zoals data stewards en data custodians. Maar denk ook aan data integriteit, datakwaliteit en het toegankelijk maken van data en metadata. Je leert een Data Governance framework te gebruiken voor je eigen organisatie.
- Van Data Governance naar dataperfectie: je maakt kennis met de ideale route om tot dataperfectie te komen in relatie tot de bijbehorende kosten en baten. Welke stappen moet je zetten en hoe til je jouw organisatie naar een hoger volwassenheidsniveau?
Onderschat nooit het belang van datakwaliteit
Het belang van goede datakwaliteit mag je nooit onderschatten. Maar hoe start je hiermee en wat komt er bij kijken? Je maakt tijdens deze opleiding kennis met alle topics om te komen tot hogere datakwaliteit.
- Datakwaliteit: data kan niet half juist zijn, data is goed óf fout.
- Wat zijn de belangrijkste topics rondom datakwaliteit: compleetheid, juistheid, integriteit, metadata, et cetera. Waar moet je in jouw situatie juist op letten?
- Verbeteren van de datakwaliteit van ongestructureerde (sensor) data, welke best practices zijn er?
- Welke tools zijn er op de markt beschikbaar om de topics van datakwaliteit te monitoren en te verbeteren?
- Welke succes- en faalfactoren spelen daarbij een rol? Wat zijn je eigen ervaringen en wat valt daaruit te leren?
Continu verbeteren van data: maak korte metten met ‘datarommel’
In dit onderdeel leer je meer over het continu verbeterproces van de kwaliteit van (big) data. Welke stappen moet je zetten om resultaten te borgen en niet steeds weer met dezelfde ‘datarommel’ geconfronteerd te worden?
- Je krijgt inzicht in de manier waarop je de datakwaliteit kunt verbeteren onder andere door de verbetercyclus PDCA.
- Hoe zorg je voor bewustwording? Hoe neem je medewerkers mee en hoe communiceer je het belang van de kwaliteit van gegevens? Hoe laat je zien wat hen dit kan opleveren?
- Hoe moet je omgaan met het gedrag van medewerkers en hoe kun je zorgen voor een groot draagvlak?
- Je leert de cyclus elke keer (dagelijks, wekelijks) rond te maken en de resultaten te borgen.
Alvorens de diepte in te gaan met bijvoorbeeld tools of datamodellen, geeft deze waardevolle driedaagse masterclass een helder overzicht van het speelveld. En het reikt je alle ingrediënten aan om succes te boeken met datawarehousing & data governance.
Ontdek de succesfactoren achter datagedreven organisaties
Onze driedaagse opleiding Datawarehouse & Data Governance stelt zowel de functionele als technische aspecten van (big) data aan de orde. Denk hierbij aan het datawarehouse, de architectuur, master data management (MDM), metadata, datakwaliteit, datamodellering, Data Governance frameworks en het beheer. Dit alles moet natuurlijk ook voldoen aan alle wettelijke regels en security-richtlijnen. Maar vooral de succesfactoren van een datagedreven organisatie komen aan bod.
Interactieve opleiding: leer van de andere cursisten
Elke opleidingsdag vinden er groepsdiscussies plaats en werken de deelnemers aan praktijkopdrachten. Zo ontstaat er een optimale mix tussen theorie en praktijk. Na afronding van deze unieke dataopleiding ontvang je als deelnemer een certificaat van de Passionned Academy en een door Daan van Beek gesigneerd exemplaar van de bestseller ‘De intelligente, datagedreven organisatie’.
Aanvullende informatie van deze Datawarehouse training
De prijs van deze opleiding Datawarehouse & Data Governance is inclusief lunchbuffet, onbeperkt thee en koffie, overige drankjes en hapjes tijdens de breaks.
✪ vrijgesteld van BTW
✪ geen studiebelasting
✪ gewaarmerkt digitaal certificaat
✪ van 9:00 tot 17:00
Deze opleiding maakt onderdeel uit van onze 10-daagse Data Science training en de CBIP-certificering.
Doelgroep van de Datawarehouse cursus
De masterclass is bedoeld voor mensen die een (big) datawarehouse moeten bouwen of onderhouden en zij die te maken krijgen met Data Governance-vraagstukken. Deze opleiding Datawarehousing wordt veel gevolgd door: (startende) functioneel en technisch projectleiders, BI specialisten en consultants, informatiemanagers, CRM managers, (chief) Data Officers, datawarehousebeheerders, data analisten, medewerkers BI & managementinformatie, (aankomende) BI & DWH-managers en iedereen die met data het verschil wil gaan maken.
Behaalde leerdoelen aan het eind van deze DWH-opleiding:
- Je kent de verschillen tussen BI en AI en weet hoe je om moet gaan met Big Data, data lakes en Hadoop
- Je bent in staat om de verschillende alternatieven voor een DWH-architectuur zorgvuldig af te wegen
- Je kunt beoordelen welke DWH-architectuur prima past bij de enterprise architectuur van jouw bedrijf
- Je kunt AI & Data Science in de juiste context plaatsen, als een welkome aanvulling op Business Intelligence
- Je bent in staat om DWH- en Data Governance trends te duiden en te vertalen naar jouw organisatie
- Je begrijpt het belang van datawarehousing, ETL en datakwaliteit
- Je kunt de verschillende theorieën voor datamodellering helder uitleggen
- Je hebt inzicht in de functionaliteit van de belangrijkste ETL- en datawarehouse automation tools
- Je kunt een businesscase opstellen voor een datawarehouse (DWH)
- Je weet hoe je een DWH-proces en -architectuur inricht
- Je hebt geleerd hoe je een robuuste Data Governance-structuur opstelt
- Je doorgrondt de principes van de Algemene Verordening Gegevensbescherming (AVG)
- Dankzij interactie met de medecursisten voel je je toegerust om een DWH-project succesvol te managen
Meld je nu aan
Via ons inschrijfformulier kun je je direct inschrijven voor de eerstkomende opleiding Datawarehouse & Data Governance. Heb je vragen over deze opleiding, neem dan direct contact met ons op.
Over de docent
De docent Dick Pouw heeft meer dan 25 jaar ervaring als Data Analytics consultant en is CIO bij de Passionned Group. Dick adviseert organisaties al jaren over de onderwerpen Data Strategie, Data Governance, Customer Data Platforms & Datawarehousing. Hij helpt zowel Chief Data Officers en andere leidinggevenden als data engineers, projectleiders en architecten om data in de organisatie tot volle wasdom te kunnen laten komen. Deze opleiding Datawarehouse & Data Governance is door hem tien jaar geleden ontworpen en steeds verder verfijnd.
Reviews over Opleiding Datawarehouse & Data Governance
Erg interessante opleiding, genoeg ruimte voor het stellen van vragen en prettige voorbeelden uit de praktijk. Zeker aan te raden!
De inhoud van de opleiding werd door de manier van presenteren van de docent veel interessanter en boeiender dan ik voor de opleiding had verwacht. Mijn kennis en scope is verbreedt en mijn interesse is verder gegroeid. Dank!
Mooie, universele uitleg over data warehousing en data governance met hier en daar een uitstapje naar generative AI en diverse oplossingen.
Op een vlotte manier een compleet overzicht van de meest relevante zaken rondom Datawarehousing, tools en ontwikkelingen. Een aanrader voor wie op zoek is naar conceptuele kennis rondom deze onderwerpen
Erg ervaren trainer. Heeft goede praktijkervaring en weet dat goed over te brengen.
Inhoudelijk sterk, met trainer met zeer gedegen achtergrond. Inhoud zoals van tevoren toegezegd. Mijn verwachtingen en vragen zijn echt beantwoord
Goede opleiding, heel veel onderwerpen van A tot Z behandeld. Soms lastig in verband met tijdgebrek om diep in inhoud te gaan.
Fijn om alles nog eens de revue te laten passeren. Zeker wat bijgeleerd omtrent modeleren. Soms wel wat meer techniek verwacht.
