Data Steward: специалист по стратегическому управлению данными

Профиль аудитории:

• руководители и HR-специалисты крупных и средних предприятий (организаций), в которых планируется введение должности (роли) Data Steward
• специалисты крупных и средних компаний, стремящиеся улучшить архитектуру Data Governance
• специалисты, ежедневно работающие с данными, желающие углубить свои знания в области управления данными и исполнять роль Data Steward
• аналитики данных, администраторы баз данных, разработчики, бизнес-аналитики, риск-аналитики и другие специалисты сферы Big Data, желающие повысить уровень экспертизы
• выпускники вузов, начинающие IT-специалисты и студенты технических специальностей, заинтересованные в карьере в области управления большими данными
• все специалисты, стремящиеся сформировать культуру эффективного управления данными в рамках своей организации, а также найти новые источники получения прибыли

Предварительные требования:

• навыки работы на компьютере на уровне опытного пользователя
• базовые навыки анализа данных, базовое понимание специальностей сферы Big Data

По окончании курса слушатели смогут:

• анализировать данные для выявления проблем с качеством, оценивать соответствие данных бизнес-требованиям
• использовать инструменты и методы для исправления ошибок, стандартизации и дедупликации данных. Очищать и преобразовывать данные
• разрабатывать логические модели данных для различных бизнес-задач
• создавать, поддерживать и использовать репозитории
• разрабатывать политики и процедуры управления данными
• определять правила и процессы для обеспечения качества, безопасности и доступности данных
• определять и назначать права доступа к данным в соответствии с политикой безопасности
• определять и предупреждать риски, связанные с качеством, безопасностью и использованием данных
• мониторить качество данных: настраивать метрики и дашборды для отслеживания качества данных
• эффективно общаться с бизнес-пользователями, ИТ-специалистами и руководством для повышения качества и решения проблем управления данными
• представлять аргументы в пользу управления данными и убеждать заинтересованные стороны в необходимости изменений
• разрешать разногласия между различными заинтересованными сторонами
• проводить обучение по вопросам управления данными
• четко и понятно описывать процессы управления данными, документировать процессы и процедуры
• оптимизировать процессы управления данными: улучшать существующие процессы для повышения эффективности и снижения затрат

Модуль 1 «Современные профессии и тренды в Big Data. Роль Data Steward»

• Эволюция профессий в сфере данных
• Тренды в Big Data. Облачные технологии, искусственный интеллект, интернет вещей, блокчейн и их влияние на управление данными
• Data Steward: ключевые обязанности и задачи
• Карьерные перспективы Data Steward

Модуль 2 «Архитектура и стратегия Data Governance»

• Основные принципы Data Governance.
• Архитектура Data Governance. Компоненты, роли и процессы, необходимые для эффективного управления данными в организации. Data Governance Council, рабочие группы, Data Owners.
• Разработка стратегии Data Governance. Alignment со стратегией организации.
• Фреймворки Data Governance. Обзор существующих фреймворков (DAMA-DMBOK, COBIT, ITIL) и их применение для построения системы управления данными.

Модуль 3 «Развитие анализа данных и машинного обучения в организации»

• Роль данных в принятии решений
• Анализ данных: от базовой отчетности до продвинутой аналитики
• Машинное обучение в бизнесе
• Интеграция Data Governance в анализ данных и машинное обучение. Экономическое обоснование Data Governance.

Модуль 4 «Обеспечение качества данных (Data Quality)»

• Определение качества данных
• Методы оценки качества данных. Автоматизированные и ручные проверки качества данных, метрики качества данных
• Процесс улучшения качества данных. Выявление проблем, исправление ошибок, предотвращение возникновения новых проблем с качеством данных. Data P
• Инструменты обеспечения качества данных

Модуль 5 «Моделирование данных и управление метаданными»

• Основы моделирования данных. Концептуальное, логическое и физическое моделирование данных. ER-диаграммы, UML-диаграммы.
• Типы моделей данных
• Управление метаданными
• Репозитории метаданных. Обзор инструментов для управления мета-данными, каталоги данных (Data Catalogs), словари данных (Data Dictionaries).

Модуль 6 «Управление жизненным циклом данных (Data Lifecycle Management)»

• Этапы жизненного цикла данных.
• Политики управления жизненным циклом данных
• Архивирование и удаление данных
• Инструменты для управления жизненным циклом данных. Обзор инструментов для автоматизации процессов управления жизненным циклом данных.

Модуль 7 «Обеспечение безопасности и конфиденциальности данных»

• Основные принципы безопасности данных: Аутентификация, авторизация, шифрование, аудит, целостность данных.
• Нормативные требования к защите данных: GDPR, CCPA, HIPAA и федеральное законодательство, регулирующие обработку персональных данных.
• Методы защиты данных: Шифрование данных, маскирование данных, анонимизация данных, контроль доступа к данным.
• Реагирование на инциденты безопасности данных: Процедуры обнаружения, расследования и устранения инцидентов безопасности данных.

Модуль 8 «Коммуникация и взаимодействие с бизнес-подразделениями»

• Построение эффективных Agile-коммуникаций для работы Data Steward.
• Взаимодействие с бизнес-подразделениями по вопросам данных.
• Непрерывное обучение пользователей Data Governance. Проведение тренингов и семинаров для бизнес-пользователей по вопросам управления данными.
• Разрешение противоречий, связанных с данными. Организация соответствующих органов для принятия решений в Data Governance.

Модуль 9 «MLSecOps – обеспечение безопасности ИИ-систем

• Уязвимости в ИИ-системах. Атаки на данные, атаки на модель, атаки на инфраструктуру.
• Принципы MLSecOps.
• Интеграция безопасности на всех этапах разработки и эксплуатации ИИ-систем.
• Методы защиты ИИ-систем. Отслеживание производительности, точности и безопасности моделей машинного обучения. Обнаружение аномалий и атак.

Модуль 10 «Обеспечение надежности и отказоустойчивости Big Data»

• Определение надежности и отказоустойчивости.
• Архитектура отказоустойчивых систем Big Data.
• Мониторинг и предупреждение сбоев.
• Стратегии восстановления после сбоев. Разработка планов восстановления данных и систем после сбоев и аварий.

Модуль 11 «Data Steward: инструменты, технологии и перспективы»

• Обзор инструментов для Data Governance. Решения для управления метаданными, качеством данных и безопасностью данных.
• Технологии для работы с Big Data. Hadoop, Spark, Kafka, NoSQL базы данных и их применение в Data Governance.
• Распределение Data Governance. Распределение и делегирование полномочий Data Steward в рамках организации
• Будущее Data Steward. Развитие роли Data Steward в условиях цифровой трансформации и роста значимости данных.

Модуль 12 «Практическое формирование Data Governance в современной организации»

• Внедрение Data Governance: практические шаги. Планирование, разработка, внедрение и мониторинг Data Governance в организации.
• Оценка эффективности Data Governance. Метрики успеха Data Governance, измерение ROI, улучшение процессов управления данными.
• Управление изменениями в Data Governance.
• Культура Data Governance. Формирование культуры управления данными в организации, повышение осведомленности и вовлеченности сотрудников.