Data Architect Strategy és Data Governance vállalati környezetben
Tervezz skálázható, üzletileg értelmezhető adatarchitektúrákat: az üzleti igényektől az adatmodellezésen és platformdöntéseken át az AI-ready adatrétegig.
Mit fogsz tanulni?
8 hét alatt egy valós üzleti use case-ből felépíted a teljes adatarchitektúra-tervet az adatmodellezéstől a platform-döntéseken és governance-en át az AI-ready fogyasztási rétegig.
1 Data Architect szerep, adatstratégiai kontextus és üzleti igények A Data Architect szerepe, felelőssége és az üzleti igények értelmezésének alapjai.
- Data Architect szerepe és felelőssége
- Data Engineer, BI és Data Governance szerepektől való különbség
- Üzleti igények értelmezése
- Stakeholder mapping
- KPI-ok és üzleti metrikák adatarchitektúra-szempontból
- Domain és adatforrások feltérképezése
- Architektúra-döntések szerepe
- Záróprojekt use case kiválasztása
2 Adatmodellezés I: conceptual és logical modellek Az adatmodellezés alapjai, entitások, kapcsolatok és domain modellezés.
- Conceptual data model
- Logical data model
- Entitások és kapcsolatok
- Cardinality és üzleti szabályok
- Master data és reference data
- Normalizációs gondolkodás
- Domain modellezés
- Modellezési hibák és trade-offok
- Üzleti fogalmak technikai fordítása
3 Adatmodellezés II: analytics modellek és semantic layer Dimenzionális modellezés, star/snowflake schema és a semantic layer szerepe.
- Dimenzionális modellezés
- Fact és dimension táblák
- Star schema és snowflake schema
- Metrikák és KPI-ok modellezése
- Semantic layer szerepe
- Power BI / BI fogyasztási réteg szemlélete
- Aggregációk és üzleti logika
- Self-service BI architektúra-kockázatai
- Egységes metrikadefiníciók
4 Modern data platform architektúrák Data warehouse, data lake, lakehouse, medallion architecture és data mesh alapok.
- Data warehouse
- Data lake
- Lakehouse
- Medallion architecture
- Data mesh alapok
- Batch és streaming feldolgozás
- OLTP és OLAP különbsége
- ELT és ETL architektúrák
- Semantic layer és fogyasztási rétegek
- Platformválasztási szempontok: költség, governance, skálázás, vendor lock-in
5 Adatintegráció, adatáramlás és pipeline design Source-to-target mapping, ETL/ELT döntések, CDC, event streaming és data contracts.
- Source-to-target mapping
- ETL és ELT döntési szempontok
- API integration
- CDC és inkrementális betöltés
- Event streaming alapok
- Batch adatfolyamok
- Data contracts
- Schema evolution
- Adatfrissítési minták
- Pipeline ownership és hibakezelés
6 Data governance, adatminőség, lineage és biztonság architektúrában Data ownership, adatminőségi dimenziók, data lineage, metadata és GDPR/compliance.
- Data ownership
- Data stewardship
- Adatminőségi dimenziók
- Data quality kontrollok
- Data lineage
- Metadata és data catalog
- Hozzáférés-kezelés
- Érzékeny adatok kezelése
- GDPR és compliance alaplogika
- Governance szempontok architektúra-döntésekben
7 AI-ready data architecture és modern use case-ek AI-ready adatarchitektúra, RAG-ready adatforrások és a data product szemlélet.
- AI-ready data architecture
- RAG-ready adatforrások
- Strukturált és strukturálatlan adatok kapcsolata
- Dokumentumok, metadata és jogosultságok
- Vector store szerepe röviden
- Adatminőség AI use case-eknél
- Sensitive data és access control AI rendszereknél
- Data product szemlélet
- BI, analytics és AI fogyasztási rétegek összehangolása
8 Architektúra-dokumentáció, döntések és záróprezentáció High-level architecture diagram, ADR, trade-off dokumentáció és stakeholder-kommunikáció.
- High-level architecture diagram
- Data flow diagram
- Architecture Decision Record
- Trade-off dokumentáció
- Technikai és üzleti prezentáció különbsége
- Stakeholder-kommunikáció
- Architektúra-kockázatok és nyitott kérdések
- Záróprojekt véglegesítése
- Záróprezentáció és szakmai visszajelzés
Miért érdemes belevágnod?
Ha már dolgoztál SQL-lel, Power BI-jal, riportokkal, adattárházakkal vagy data pipeline-okkal, valószínűleg te is szembesültél már azzal, hogy a technikai megoldás önmagában kevés. Lehet jó egy pipeline, ha nem világos, milyen üzleti fogalmakat szolgál ki. Lehet szép egy riport, ha a mögötte lévő metrikák nem egységesek. Lehet gyors egy adatplatform, ha nincs mögötte ownership, lineage vagy hozzáférési koncepció, és lehet modern egy lakehouse, ha senki nem tudja, milyen adatmodellezési döntések alapján épült.
A Data Architect szerep pontosan ezekre a kérdésekre ad választ: nem egy újabb lekérdezést vagy riportot tanulsz meg készíteni, hanem azt, hogyan áll össze egy jól megtervezett adatarchitektúra. A brit Government Digital and Data Capability Framework szerint a data architect feladata, hogy az adathasználat vízióját és adatdesignját úgy alakítsa ki, hogy az adatok megfelelően legyenek kezelve, és megfeleljenek a szervezet igényeinek.
- Munka mellett végezheted, rugalmas időbeosztással
- Gyakorlati projekteken keresztül, oktatói mentorálással
- LinkedIn profilodba beágyazható tanúsítvány
Kinek ajánlott?
- Data Engineerek, akik architektúraszinten szeretnének gondolkodni
- BI Developerek és Power BI szakemberek, akik túllépnének a riportkészítésen
- Senior Data Analystok, akik data/analytics architect irányba fejlődnének
- SQL / Database Developerek, akik adatarchitektúra-tervezésbe lépnének
- Analytics Engineerek, akik a semantic layer és platform összefüggéseit mélyítenék
- Data leadek, tech leadek és solution architectek, akik data platformokat terveznek
Kinek nem ajánlott?
- Akik most ismerkednek az adatok világával, a képzés többéves adatszakmai tapasztalatra épít
- Akik hands-on eszköztréninget várnak (SQL, Power BI), itt az architekturális gondolkodáson van a hangsúly
- Akik kizárólag egy konkrét technológiában mélyednének el
- Akik nem terveznek adatplatformok tervezésében részt venni
Mik a képzés előkövetelményei?
A képzés az architekturális gondolkodásra épít, így nem kell profi SQL-esnek lenned. A Power BI vagy más BI eszköz ismerete előny, de nem feltétel, ahogy a Snowflake, a Databricks vagy a Fabric ismerete is. Konkrét cloud platform (AWS, Azure, GCP) tudást nem várunk el, a képzés platform-agnosztikus.
Hogyan fogsz tanulni?
Gyakorlatorientált oktatás
Minden héten izgalmas gyakorló feladatokat kapsz majd, amelyek keretében már menetközben is konkrét lekérdezéseket fogsz megvalósítani
Interaktív digitális tananyag
A gyakorlati feladatok elvégzéséhez és a képzés sikeres teljesítéséhez szükséges tudást digitális tananyagok és vezetett kódolások formájában adjuk át, amelyeket saját időbeosztásod szerint, akár munka mellett is feldolgozhatod és egy évig korlátlan alkalommal visszanézheted.
Oktatói mentoring
A képzés ideje alatt az oktató folyamatosan a rendelkezésedre áll, bármikor kérdezhetsz tőle, ha elakadtál, és rendszeresen visszajelzést ad a feladataidra, fejlődésedet végigkíséri.
Konzultációk
Valamennyi tanegység végén egy-egy élő konzultációs alkalmat is szervezünk, amikor élőben is felteheted kérdéseidet, közösen kiértékelhetitek és átbeszélhetitek a gyakorlás során elkészített projekteket, és tanulhattok egymás elakadásaiból is.
Limitált férőhely
A fent említett interakciók miatt képzéseinket korlátozott létszámmal indítjuk csak el, hogy biztosan jusson mindenkire ideje az oktatóknak.
Minőségbiztosított képzések
Képzéseink szakmai minőségbiztosítását az iparági vezető technológiai vállalatok és a Budapesti Műszaki és Gazdaságtudományi Egyetem végzi.
- Tanúsítványt kapsz, amelyet önéletrajzodhoz és LinkedIn profilodhoz csatolhatsz
- Bizonyítja, hogy elsajátítottad az adott ismereteket
- Segíti a szakmai előmeneteledet és karriered fejlődését
Jó társaságban leszel!
Már több mint 150 hazai és nemzetközi cég munkatársa képezte magát tovább nálunk.
Tudtad?
A munkáltatók 83%-a finanszírozza a munkatársak képzését, ne felejtsd el megkérdezni a tiédet!
Következő indulási dátum
Más időpont érdekel?
Add meg az e-mail címed, és szólunk, ha új időpontot hirdetünk meg.
Fizetési lehetőségek
Többféle fizetési lehetőséget biztosítunk, hogy a legmegfelelőbb opciót válaszd.
Online fizetés bankkártyával
Az OTP SimplePay az egyik legelterjedtebb online fizetési megoldás — gyors és biztonságos fizetési folyamatáról ismert.
Kamatmentes részletfizetés
Nem szeretnénk, ha a fizetési nehézségek akadályoznák a szakmai fejlődésedet, ezért a részvételi díjat több részletben, teljesen kamatmentesen is kifizetheted.
Fizetés banki átutalással, egy összegben
Ha online kártyás fizetés helyett banki átutalással szeretnél fizetni, az sem probléma — írj nekünk, és ebben is segítünk.
Készen állsz a jelentkezésre?
Jelentkezz most, és kezdd el a fejlődést!
Gyakran Ismételt Kérdések
Milyen szintű SQL tudás szükséges?
SQL alapismeretekre van szükség – nem kell profi szintűnek lenned, de értened kell az alapvető SELECT, JOIN és aggregációs lekérdezéseket, valamint az adatbázis-tábla logikát.
Szükséges-e Power BI vagy más BI eszköz ismerete?
Előnyös, de nem kötelező. A képzés érinti a BI fogyasztási réteget, de nem Power BI oktatóanyag, és az alapelvek más BI eszközökre is alkalmazhatók.
Egy konkrét cloud platformot (AWS, Azure, GCP) tanítotok?
Nem. A képzés platform-agnosztikus, az általános architektúra-elvekre és döntési szempontokra fókuszál; a Snowflake, Databricks vagy Fabric ismerete előnyös, de nem kötelező.
Meddig érhetem el a tananyagot a képzés után?
Az interaktív digitális tananyagokat 1 évig korlátlan alkalommal visszanézheted a képzés végét követően is.
Mi a pénzvisszafizetési garancia?
A képzés indulásától számított 8 napig 100%-os pénzvisszafizetési garanciát biztosítunk, ha nem vagy elégedett.
Lehet-e munka mellett végezni?
Igen, a digitális tananyagokat saját időbeosztás szerint dolgozhatod fel, csak az élő konzultációk ütemezésére kell figyelned.