Die meisten Firmen erhoffen sich, das aus Daten gewonnene Wissen gewinnbringend einzusetzen. Dazu muss zuerst in Erfahrung gebracht werden, mit welchen Analysen welche geschäftsrelevanten Erkenntnisse überhaupt aus den Daten gewonnen werden können und wie gross der davon abgeleitete praxisrelevante Nutzen ist. Traditionellerweise ist dies die Rolle der Data Scientists. Um einen nachhaltigen Nutzen aus den Analysen zu ziehen, müssen die Analysen der Data Scientists in die produktive Umgebung eingebunden, überwacht, unterbruchfrei aktualisiert und ausfallsicher betrieben werden. Diese Aufgabe wird normalerweise der Rolle des Data Engineers zugeordnet. In kleineren Firmen oder Firmen mit einer kleinen Abteilung für Datenanalyse macht es durchaus Sinn, dass eine Person beide Rollen verkörpert.
Das DAS Data Product Engineering verbindet das CAS Data Science mit dem CAS Data Engineering und vermittelt somit alle notwendigen Kompetenzen, um ein Datenprodukt als solches zu erkennen, zu realisieren und produktiv zu betreiben. Die Bezeichnung «Datenprodukt» steht für ein Produkt, welches Daten nutzt, um einen Wertbeitrag zur Zielerreichung eines Unternehmens zu leisten. Diese offen gefasste Definition reicht von der einfachen Datenvisualisierung in Echtzeit bis zu einem produktiv betriebenen komplexen Machine Learning Modell.
Im CAS Data Science wird eine Reihe von Methoden zur Datenanalyse vermittelt und angewendet. Das CAS Data Engineering befasst sich dann mit der Thematik, wie ein Data Science Prototyp zu einem Produkt überführt und dieses dann in die bestehende Umgebung eingebettet und produktiv betrieben wird. Die komplette Weiterbildung ist sehr anwendungsorientiert, so dass das erlernte Wissen immer auch gleich praktisch umgesetzt wird.
Das DAS Data Product Engineering kann vollständig an den MAS Data Science angerechnet werden.
Melden Sie sich bei der Programmleitung, falls Sie eine individuelle Beratung oder sich mit aktuellen oder ehemaligen Teilnehmenden des Weiterbildungsprogramms DAS Data Product Engineering austauschen möchten.
Das Studium besteht aus folgenden Zertifikatskursen
Unter einem Datenprodukt versteht man ein «ein Produkt, welches vornehmlich Daten nutzt, um einen Wertbeitrag zur Zielerreichung eines Unternehmens zu leisten».
Zwei Aspekte in dieser Definition sind besonders wichtig:
Erstens, dass die Art, wie dieser Wertbeitrag anhand der Daten erbracht wird, sehr offen ist. Oftmals wird voreilig davon ausgegangen, dass bei der Anwendung von Data Science immer auch gleich (komplexe) Machine Learning Modelle zum Einsatz kommen müssen. Doch zumindest in den ersten Phasen lassen sich oftmals auch durch einfache Mittel einen Mehrwert für das Unternehmen durch die Datennutzung erreichen.
Zweitens zieht die Betrachtungsweise als «Produkt» lobenswerte Eigenschaften mit sich. Für den Übertritt von einem Data Science Prototyp zu einem Produkt ist etwa eine Marktreife erforderlich. Dazu muss die Umsetzung nicht nur hohen Qualitätsansprüchen genügen und sich in einer Testphase bewährt haben, sondern auch in die bestehende Systemlandschaft eingebunden werden. Zudem entwickelt sich ein Produkt in der Zusammenarbeit mit den Stakeholdern über die Zeit.
Ein Beispiel dazu: In einer ersten Version kann ein neues Produkt die Messwerte einer Maschine in Echtzeit in einem Dashboard abbilden. Die gewonnenen Daten ermöglichen es dann, in einer zweiten Version festzulegen, welcher Wertebereich dem erwarteten Zustand der Maschine entsprechen und einen automatischen Alarm auszulösen, wenn die gemessenen Werte ungewöhnlich hoch oder tief sind. Und in einer dritten Version könnte mit den Messwerten und Erfahrungen ein erstes Machine Learning Modell entwickelt werden, welches die Anzahl Fehlalarme reduziert.
Fachpersonen aus der IT oder Personen mit Interesse an IT-Infrastrukturen und Datenanalyse, die zukünftig die notwendigen Fähigkeiten besitzen möchten, Daten-Infrastrukturen produktiv zu betreiben und für das Unternehmen mit Data-Science-Methoden gewinnbringende Informationen aus den Daten herauszulesen.
Der Titel Diploma of Advanced Studies (DAS) FHNW in Data Product Engineering wird verliehen, wenn folgende CAS erfolgreich bestanden wurden:
Pro ECTS-Punkt wird mit einem durchschnittlichen Zeitaufwand von 25 Stunden gerechnet. Beide für das DAS Data Product Engineering erforderlichen CAS haben einen Umfang von 15 ECTS-Punkten. Deshalb ist pro Semester mit einem Arbeitsaufwand von 375 Stunden zu rechnen.
Die Hälfte des Zeitaufwands ist dabei für das Selbststudium ausserhalb des Unterrichts für Kursvorbereitungen, Übungen, Repetition des Unterrichtsinhalts, Projektarbeiten und Prüfungsvorbereitungen zu reservieren.
Die Aufnahmebedingungen umfassen:
Du bist bereits in der Informatik tätig oder hast persönliches Interesse und Affinität für IT-Infrastrukturen. Zudem kannst du eine Programmiersprache anwenden. Python-Kenntnisse sind empfohlen.
Abschluss einer Fachhochschule, Universität, technischen Hochschule oder eine Berufsausbildung mit Praxiserfahrung. Studierende, die über keinen Hochschulabschluss verfügen, können (sur Dossier) zugelassen werden, wenn sich die Befähigung zur Teilnahme aus einem anderen Nachweis ergibt.
Ungefähr 70% der Dozierenden dieses Weiterbildungslehrgangs kommen aus der Privatwirtschaft; die restlichen aus der angewandten Forschung. Dies hat den grossen Vorteil, dass die Dozierenden nicht einfach nur den Inhalt aus Lehrbüchern vermitteln, sondern zusätzlich aufgrund ihrer langjährigen Erfahrungen in der Lage sind, begründet zu erklären, welche Konzepte und Technologien sich in verschiedenen Anwendungsfällen der Praxis bewährt haben.
Du arbeitest während der Kurszeit am eigenen Notebook. Du musst in der Lage sein, neue Software auf diesem Rechner zu installieren.
