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 nyújt a Data Architect tanfolyam?
- Senior data architecture szemlélet: megtanulod, hogyan gondolkodik egy Data Architect, hogyan fordít üzleti igényeket adatkövetelményekké, hogyan választ architektúra-mintát, hogyan dokumentál döntéseket, és hogyan kommunikál a technikai és üzleti szereplők között.
- Üzleti igényből adatarchitektúra: megtanulod, hogyan kell a stakeholder igényeket, a KPI-okat, a riporting és AI use case-eket adatarchitektúra szempontból értelmezni.
- Conceptual és logical adatmodellezés: elsajátítod, hogyan kell entitásokat, kapcsolatokat, üzleti szabályokat, master data és reference data elemeket modellezni.
- Analytics és BI célú adatmodellezés: megtanulod, hogyan tervezz dimenzionális modellt, fact és dimension táblákat, star schema struktúrát, metrikatérképet és szemantikus réteget.
- Modern data platform architektúrák: áttekinted a data warehouse, data lake, lakehouse, medallion architecture, data mesh és semantic layer megközelítéseket, és megtanulod, milyen döntési szempontok alapján érdemes választani.
- Adatintegráció és adatáramlási tervezés: megtanulod, hogyan kell ETL/ELT, API, CDC, event streaming, batch pipeline, source-to-target mapping és data contract szinten gondolkodni.
- Governance, adatminőség és lineage tervezési szinten: bár ez nem szabályozási képzés, megtanítja, hogyan kell az architektúrába beépíteni az ownership, stewardship, data quality, lineage, metadata, catalog és access control szempontokat.
- AI-ready adatarchitektúra: megérted, milyen adatarchitektúrára van szükség a modern AI, RAG, analytics és self-service BI use case-ekhez, vagyis hogyan kell az adatokat úgy szervezni, hogy később AI és analytics célokra is használhatók legyenek.
- Architektúra-dokumentáció és döntéstámogatás: megtanulod, hogyan készíts high-level architecture diagramot, data flow diagramot, source-to-target mappinget, architecture decision recordot és stakeholder-prezentációt.
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
2026.10.16.
Mentorált alkalmak péntek esténként
290 000 Ft
Jelentkezési határidő: 2026.10.13.
JelentkezemMás 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?
Könnyítendő magánszemélyként résztvevő hallgatóink helyzetét, a feltüntetett ár számukra a ténylegesen fizetendő végösszeg.
Céges megrendelés esetén az adott összeg tekintendő a nettó árnak.
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
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.
Lehet-e munka mellett végezni?
Igen, a digitális tananyagokat saját időbeosztás szerint dolgozhatod fel, csak az élő konzultációk ütemezésére kell figyelned.
Mi történik azután, hogy jelentkeztem?
A jelentkezésedet e-mailben visszaigazoljuk, és megküldjük az első számlát. Ha átutalással fizetsz, a közleménybe kizárólag a számla sorszáma kerüljön, mert így tudjuk beazonosítani a befizetésedet. Ezen túl nincs más teendőd: az indulás előtt hozzárendeljük a kurzust a tanulói fiókodhoz, a kezdés előtti napon pedig küldünk egy összefoglaló, eligazító levelet. Részletfizetésnél a további számlákat mindig az esedékességük előtt küldjük ki.
Mi van, ha egyik meghirdetett indulás sem jó nekem?
A meghirdetett csoportokat az adatlapon, a „Következő indulási dátumok” szekcióban találod. Ha egyik időpont sem fér bele az időbeosztásodba, add meg az e-mail címed ugyanott, a „Más időpont érdekel?” résznél, és szólunk, amint új időpontot hirdetünk. Ha a jelentkezésed után derül ki, hogy mégis egy másik csoport lenne jobb, írj az info@cubixedu.com címre, és átvezetünk. Ha már kaptál számlát, azt ilyenkor sztornózzuk, így nem marad nyitott tételed.
Be tudom íratni a munkatársaimat, vagy fizetheti a munkáltatóm?
Igen, mindkettő megoldható. A jelentkezés „Számlázás” lépésénél válaszd a „Munkatársnak vásárolok” lehetőséget, több fő esetén pedig a „Több munkatársat szeretnél beíratni?” gombot. Ha inkább írnál, vagy a munkáltatódnak hivatalos árajánlatra van szüksége a döntéshez, keress minket az info@cubixedu.com címen, és összeállítjuk. Ha a cégnél elhúzódik a jóváhagyás, az sem gond, a képzéseinket rendszeresen újraindítjuk, így egy későbbi csoportra is tudsz jelentkezni.
Hogyan tudom felhasználni a kedvezménykuponomat?
A kuponkódot a jelentkezési űrlap „Fizetés” lépésénél tudod megadni: írd be a Kuponkód mezőbe, kattints a Beváltás gombra, és a rendelési összegző rögtön a kedvezményes végösszeget mutatja. A kuponok érvényessége kódonként eltér, ezért ha a tiéd nem működne ennél a képzésnél, írj nekünk az info@cubixedu.com címre, és megnézzük.
Kapok kedvezményt, ha mást is beajánlok a képzésre?
Igen, ajánlásért 5% kedvezményt adunk, amit az ajánló és az ajánlott is megkap, és a nálad lévő egyéb kedvezmény mellett is érvényesíthető. Írj nekünk az info@cubixedu.com címre az általad ajánlott jelentkezők nevével, amint biztos a részvételük, és mindenkinek külön kupont küldünk. A kupont a jelentkezési űrlap „Fizetés” lépésénél tudod beváltani.
Össze tudok állítani több képzésből egy csomagot?
Igen, több képzésből kérhetsz csomagot, amit a külön megvásárolt kurzusoknál kedvezőbb csomagáron adunk. Írd meg az info@cubixedu.com címre, mely képzések érdekelnek, és összeállítjuk. Küldünk hozzá egy áttekintést a képzések formátumáról, a tervezett indulásokról és a javasolt tanulási időről, valamint egy naptárnézetet, amiből látod az esetleges átfedéseket. Az összeállítás csak kiindulópont, a csomag bármelyik képzésünkből összerakható, és az ütemezés menet közben is rugalmasan alakítható.
Mi a pénzvisszafizetési garancia?
A képzés indulásától számított 8 napig 100%-os pénzvisszafizetési garanciát biztosítunk, ha nem vagy elégedett.