HBO minor Business Intelligence & Big Data

Transcriptie

1 HBO minor Business Intelligence & Big Data ITPH Academy MAAND JUNI 2015 VERSIE 4.0 Dit document is een uitgebreide beschrijving van de HBO minor Business Intelligence & Big Data op basis van Microsoft SQL Server 2014 en de Big Data Scientist certificering van Arcitura. Deze wordt aangeboden door deelnemende hogescholen aan voltijd en deeltijd studenten ter specialisatie op het gebied van Business Intelligence (BI) en Big Data.

2 Inhoud ITPH Academy 1.1. Algemeen Waarom deze minor Aansluiting studierichting Aansluiting bedrijfsleven Doelgroep Voorkennis Te behalen EC European e-competence Framework Duur van de minor Opbouw van de minor examinering Diplomering Kosten Minor Programma Algemeen Omschrijving Onderdelen Theorie en praktijk studiemateriaal Leeromgevingen Beschrijving cursusdelen General information Business Intelligence, microsoft certifications Part 1 Querying Microsoft SQL Server Part 2 - Administering Microsoft SQL Server Part 3 Implementing a Data Warehouse with Microsoft SQL Server Part 4 Implementing datamodels and reports with Microsoft SQL Server Part 5 Designing Self-Service Business Intelligence and Big Data Solutions Big Data Scientist, Arcitura certifications Part 1 - Fundamental Big Data Part 2 - Big Data Analysis & Technology Concepts Part 3 - Fundamental Big Data Analysis & Science Part 4 - Advanced Big Data Analysis & Science Part 5 - Big Data Analysis & Science Lab Agile Projectmethodieken PraktijkCase Appendix 1 Benodigde voorkennis HBO Minor BI & BD VN v Juni 2015

3 1.1. ALGEMEEN ITPH Academy 1.2. WAAROM DEZE MINOR Deze certificeringminor Business Intelligence & Big Data is in het leven geroepen omdat bedrijven de behoefte kenbaar hebben gemaakt dat zij onvoldoende goed toegeruste werknemers op het vlak van Business Intelligence in de markt kunnen vinden die ook klaar zijn voor de Big Data. Bedrijven hebben vandaag de behoefte aan Business Intelligence, maar willen ook zeker de nieuwe trend van Big Data niet missen. Daarom is een BI persoon die klaar is voor Big Data voor deze bedrijven een perfecte mix. Bedrijven willen graag werknemers die met de formele certificeringen bewezen hebben de juiste kennis te bezitten en deze ook bewezen goed in een kenmerkende beroepssituatie hebben toegepast. Dat is waarin deze minor voorziet. Om goed Business Intelligence taken te kunnen uitvoeren en de kracht van Big Data te kunnen inschatten is het van belang begrip, kennis en vaardigheden te hebben van BI en Big Data. Elementen rondom de mogelijkheden, de totstandkoming en vooral hoe waardevol het kan zijn voor een organisatie, lopen als een rode draad door deze minor. Zowel in het management als in de adviserende en ondersteunende functies is BI en Big Data vandaag de dag maar ook zeker in de toekomst van groeiende waarde AANSLUITING STUDIERICHTING Business Intelligence is een bestaand en sterk groeiend gebied dat samen met het opkomende Big Data bedrijven in staat te stelt sneller en betere beslissingen te nemen. BI en Big Data en zijn onontbeerlijk voor verschillende rollen binnen organisaties die slagvaardig willen opereren. De HBO minor Business Intelligence & Big Data is opgezet om vanuit een business studierichting te specialiseren in Business Intelligence AANSLUITING BEDRIJFSLEVEN De HBO minor Business Intelligence & Big Data heeft vooral de focus op de praktische kant van Business Intelligence en de conceptuele kant van Big Data. Het bedrijfsleven maakt vaak gebruik van de Microsoft BI omgeving en daarom zijn er vijf delen opgenomen die gezamenlijk leiden tot een formeel gecertificeerde MCSE BI titel voor de deelnemer. Daarnaast willen veel bedrijven de kansen van Big Data benutten. Daarom bevat de minor naast de Microsoft Big Data module ook de 5 modules van het leveranciersonafhankelijke Arcitura die tezamen de formele certificering Big Data Scientist geeft. Beide zijn waardevolle internationaal erkende certificeringen voor een professional binnen het bedrijfsleven. Aansluitend wordt op het gebied van projectmethodieken, op basis de behoefte uit het bedrijfsleven de Agile projectmethodiek Scrum aangeboden die ook door middel van een waardevolle formele certificering wordt afgesloten. Tenslotte is ook de praktische casus een belangrijk deel. Hier wordt verder de verbinding gelegd tussen de opleiding en de praktijk. De casus is een real live situatie waarbij het bedrijfsleven zowel bij de ontwikkeling, de uitvoering en de beoordeling betrokken is. Hierdoor worden doorlopend de laatste inzichten ingebracht en toegepast. HBO Minor BI & BD VN v Juni 2015

4 Vanwege de praktische insteek en de afgebakende certificering kan deze minor ook buiten, dus los van de HBO studie, gevolgd worden. Want naast het behalen van de minor en de bijbehorende studiepunten is er namelijk de waardevolle erkenning vanuit het bedrijfsleven van het formele MCSE BI certificaat, de Big Data Scientist certificering en de Scrum certificering die met deze minor behaald worden DOELGROEP Deze minor is zeer geschikt voor de volgende doelgroepen: Studenten die een businessgerichte HBO opleiding volgen; Studenten die een HBO IT opleiding volgen; Werknemers die zich willen specialiseren in Business Intelligence en Big Data. Werknemers die afzonderlijke componenten van deze minor willen volgen Naast de minor, ook losse modules De minor is modulair opgezet waardoor er een grote flexibiliteit ontstaat in de uitvoering maar ook in de deelname. Er kan naar wens elke andere selectie en combinatie van beschikbare modules worden gemaakt waardoor ook de inhoud, de duur en de kosten van de studie variabel zijn. Dit is vooral interessant voor werknemers of instromers. Zij kunnen op deze manier via een onderwijsinstelling bijvoorbeeld ontbrekende competenties en formele certificeringen tegen zeer aantrekkelijke voorwaarden behalen VOORKENNIS Van deelnemers wordt verwacht dat zij de basiskennis hebben die voor Business Intelligence en Big Data benodigd is. Wanneer deze kennis niet aanwezig is of de kennis opgefrist moet worden kun je je additioneel op een aansluitingsweek inschrijven. De aansluitingsweek wordt een aantal keren per jaar georganiseerd en zorgt er voor dat je bijgespijkerd wordt op de benodigde onderwerpen. De volgende voorkennis wordt aanwezig geacht (zie voor toelichting appendix 1) Basiskennis IT Basiskennis Bedrijfskunde Basiskennis statistiek Kennis van Excel Kennis van Databases HBO Minor BI & BD VN v Juni 2015

5 1.7. TE BEHALEN EC De HBO minor Business Intelligence en Big Data heeft een totale waarde van 30 EC (studiepunten). Vijf Microsoft gebaseerde kennisdelen staan elk voor 3 EC, de vijf kennisdelen van Arcitura staan elk voor 1 EC en de Agile projectmethodiek Scrum staat ook voor 1 EC. Daarmee komt het totaal van de kennisdelen op een waarde van 21 EC. De drie praktijkcases staan elk voor 3 EC en daarmee komt het praktijkdeel van deze minor op 9 EC EUROPEAN E-COMPETENCE FRAMEWORK ITPH Academy is a strong supporter of the European e-competence Framework. This framework is currently still under development but the aim is to become the European standard on competence definition in ICT. It enables people and companies in an international environment to use a standard language when communicating about competences. This HBO minor Business Intelligence & Big Data aims to develop the following European e-cf Competences and their related proficiency levels: B1 2-3, B2 2-3, B3 2-3, B5 2-3, D10 3-4, E1 3-4, E2 2-4 (definitions can be found here, the complete documentation on ECF can be found on ) 1.9. DUUR VAN DE MINOR Voltijd De minor duurt op basis van de voltijdstudie en de gemiddelde HBO studielast 20 weken. De minor kan echter, afhankelijk van de persoonlijk beschikbare studietijd sneller of langzamer afgerond worden. Door deze flexibiliteit kan het voorkomen dat bepaalde lessen in de avond of op zaterdag worden aangeboden. De minor is in de basisvorm ruwweg opgedeeld in: 15 weken theorie en praktijklessen HBO Minor BI & BD VN v Juni 2015

6 5 weken praktijkopdrachten De praktijkopdrachten moeten bij stagebedrijven worden uitgevoerd. ITPH Academy Deeltijd De deeltijdvariant kan in principe ook in 20 weken met natuurlijk meer zelfwerkzaamheid dan bij voltijd. De deeltijdvariant is echter flexibel waarmee ook de doorlooptijd variabel is. Daardoor is deze variant erg goed in te passen in een leer/werk situatie maar dat vereist wel meer zelfstandigheid en initiatief. De student kan zichzelf inschrijven voor de lessen die hij of zij bij wil wonen op de tijd dat het schikt. Er worden sessies overdag georganiseerd, in de avond en op zaterdag, op meerdere locaties in het land. In een leer/werk combinatie is het voor de praktijkopdracht de doelstelling dat de deze samen of individueel in een eigen werkomgeving worden uitgevoerd. De opdrachten zullen daarop worden afgestemd. Is dat niet mogelijk dan moeten de opdrachten in overleg bij stagebedrijven worden uitgevoerd. Inhoudelijk verschilt de voltijd niet van de deeltijd OPBOUW VAN DE MINOR De minor begint met 5 sets van 3 weken met elk een combinatie van een BI blok en een Big Data blok waar korte praktijkopdrachten in verwerkt zijn. De beide blokken worden elke keer afgesloten met een formeel examen door de certificeringsinstantie, alvorens met de volgende set van BI blok en Big Data blok wordt begonnen. Nadat de vijf sets van twee blokken zijn afgerond is de formele MCSE BI status en de Certified Big Data Scientist status bereikt. In voorbereiding op de praktijk casus zal vervolgens de Agile ontwikkelmethodiek Scrum worden behandeld en ook daarvoor wordt de deelnemer gecertificeerd met een formeel examen. Voor de afsluitende praktijkcasus van ongeveer 4 weken zal de theorie uit de MCSE BI Componenten en Big Data Scientist componenten toegepast moeten worden in een praktijkproject volgens de Scrum projectmethodiek om de casus en daarmee de minor succesvol af te kunnen sluiten. Bij een deeltijdvariant zijn de combinaties en de doorlooptijden gelijk aan het voltijdschema maar kunnen er desgewenst bij voldoende interesse per cohort ook alternatieve planningen voorgesteld worden EXAMINERING Examen voor de kennisdelen wordt afgenomen door de hogeschool en een onafhankelijk door de vendor erkend exameninstituut. De resultaten van de praktijkproject moeten zijn opgenomen in het eindverslag van de minor. Op basis van het totaal zal de hogeschool een eindoordeel over de HBO minor vormen. HBO Minor BI & BD VN v Juni 2015

7 1.12. DIPLOMERING Na het behalen van elk van de deelexamens krijgt de deelnemer een formeel leverancierscertificaat. De combinatie van de behaalde certificaten geeft het recht op de formele titel MCSE BI en Big Data Scientist. Er volgt een formele schriftelijke beoordeling van de complete minor, inclusief de resultaten en de verslagen van de praktijkopdrachten door de hogeschool KOSTEN De kosten voor deze HBO minor bedragen Euro, inclusief een certificeringsexamen voor elke module, exclusief boeken en eventuele herexamens. Studenten van een erkende HBO instelling krijgen een korting van 50% op de kosten van deze minor. HBO Minor BI & BD VN v Juni 2015

8 2 Minor Programma ITPH Academy 2.1. ALGEMEEN De HBO minor Business intelligence & Big Data Scientist is bedoeld om de kennis en ervaring van studenten in business en IT richtingen nog beter te laten aansluiten op de praktijk met gecertificeerde modules die hoog gewaardeerd worden in het bedrijfsleven. Studenten leren werken met producten die vandaag in praktijk worden ingezet en krijgen een beter beeld van hoe het proces van Business Intelligence plaatsvindt en hoe Big Data daar een nog grotere waarde aan toe kan voegen. Dit met als doel om snel als volwaardige medewerker een belangrijke waarde toe te voegen aan het bedrijfsproces OMSCHRIJVING Deze minor richt zich op de volgende competenties (referenties naar Dublin Descriptoren): Theorie (Kennis en begrip) o Business Intelligence o Big Data o Big Data analysis o Agile projectmethodiek Productkennis (Kennis en begrip) o Kennis opdoen van nieuwe technologieën in Microsoft SQL Server 2014 Business Intelligence tools Pig, Hive, Sqoop, Oozie, Hcatalog Windows Azure HDInsight Zakelijke certificeringen o de MCSE Business Intelligence certificering (MCSE = Microsoft Certified Solutions Expert) o Big Data Scientist van Arcitura o Scrum Project (Toepassen kennis en inzicht, oordeelvorming en communicatie) o Communicatie met opdrachtgever Onderzoek, keuzes, advies o Kennis en ervaring opdoen van Plannen urenschattingen maken omgaan met deadlines fasering van een opdracht kosten/baten planning werken in teamverband o Realisatie in teamverband Ontwerpen Ontwikkelen van tools Testen Uitrollen HBO Minor BI & BD VN v Juni 2015

9 Documenteren Zelfkennis (inzicht) o Ontdekken welke functie/rol/werk het beste past bij de student 2.3. ONDERDELEN Business Intelligence (BI) o Studenten doen kennis op van Microsoft SQL Server inclusief de BI Tools en leren deze producten effectief in te zetten. Er wordt gewerkt met de nieuwste producten en technologieën. De minor omvat een aantal Microsoft trainingen die worden afgesloten met een examen. Na het behalen van deze examens zijn studenten MCSE (Microsoft Certified Solutions Expert) gecertificeerd op het gebied van Business Intelligence. Big Data o Op het gebied van Big Data en Big Data Analytics doen studenten leverancierneutrale kennis en inzichten op het gebied van concepten, architectuur en producten. De minor omvat 5 certificeringen van Arcitura, na het behalen van deze examens zijn studenten gecertificeerd Big Data Scientist. Projectmatig werken o Verder wordt er aandacht besteed aan het ontwikkelen van producten in projectverband. Het ontwikkelen is met nadruk geen solistische bezigheid maar een teamactiviteit. Studenten leren hoe je een vooropgezet plan maakt en dit samen succesvol ten uitvoer brengt. Hierbij wordt Scrum als projectmethodiek ingezet. Onderwerpen als urenschattingen maken, omgaan met deadlines, rapporteren, testen, het maken van een ontwerp, de fasering van een project etc. komen in dit deel aan bod. Doelstelling is om alle onderdelen van de levenscyclus van een project, van de opdrachtverstrekking tot aan de overdracht naar de beheerorganisatie te doorlopen. De trainingen en de cases die in dit deel worden verzorgd dekken de gehele levenscyclus van het project af. Praktijkcase o De minor wordt afgesloten met een praktijkcase. Hierin wordt een project in een praktijksituatie nagebootst. In een paar weken tijd zullen de studenten in een projectteam een realistische oplossing onderzoeken, adviseren, opbouwen en opleveren. Iedere student heeft in dit proces zo veel mogelijk wisselende rollen. Doel van dit gedeelte is om de theorie toe te kunnen passen, met inzicht valkuilen te leren herkennen en oplossingen aan te dragen THEORIE EN PRAKTIJK Doorlopend wordt theorie afgewisseld door praktijk. Ook in de theoriedelen zijn veel praktijkcases aanwezig. De docenten hebben zelf praktijkervaring bij bedrijven en zullen waardevolle praktische leermomenten aandragen en die verbinden met de leerstof. HBO Minor BI & BD VN v Juni 2015

10 2.5. STUDIEMATERIAAL Gedurende de theorie en praktijklessen wordt uitsluitend gebruik gemaakt van officiële cursusmaterialen die door de verschillende vendoren ter beschikking worden gesteld. Het cursusmateriaal wordt eigendom van de student LEEROMGEVINGEN Op de leslocatie is hardware aanwezig waar gedurende de lessen gebruik van gemaakt kan worden. In principe is een eigen laptop voor verslagen en internet research voldoende. Voor het opzetten van bijvoorbeeld een eigen (eventueel virtuele) SQL 2014 BI omgeving vertelt deze link en deze link meer. HBO Minor BI & BD VN v Juni 2015

11 3 Beschrijving cursusdelen ITPH Academy 3.1. GENERAL INFORMATION The minor contains 5 knowledge parts to achieve competences and 1 practical part that allows the participant to get practical experience. The 5 knowledge parts are in parallel with five recognized areas by Microsoft allowing the participant to achieve a Microsoft certification after each part. After the five certifications the participant will have achieved the MCSE Business Intelligence title BUSINESS INTELLIGENCE, MICROSOFT CERTIFICATIONS The five parts are Querying Microsoft SQL Server Administering Microsoft SQL Server Implementing a data ware house with Microsoft SQL Server Implementing data models and reports with Microsoft SQL Server Designing self-service business intelligence solutions and big data solutions We will describe the content of those five parts below PART 1 QUERYING MICROSOFT SQL SERVER This first part provides students with the technical skills required to write basic Transact-SQL queries for Microsoft SQL Server This course is the foundation for all SQL Server-related disciplines; namely, Database Administration, Database Development and Business Intelligence. This course helps people prepare for exam At the end of this part the participants will have mastered the following competences Describe the basic architecture and concepts of Microsoft SQL Server Understand the similarities and differences between Transact-SQL and other computer languages. Write SELECT queries Query multiple tables Sort and filter data Describe the use of data types in SQL Server Modify data using Transact-SQL Use built-in functions Group and aggregate data Use subqueries Use table expressions Use set operators Use window ranking, offset and aggregate functions Implement pivoting and grouping sets Execute stored procedures HBO Minor BI & BD VN v Juni 2015

12 Program with T-SQL Implement error handling Implement transactions ITPH Academy Course details Part 1 Module 1: Introduction to Microsoft SQL Server 2014 o This module introduces the SQL Server platform and major tools. It discusses editions, versions, tools used to query, documentation sources, and the logical structure of databases. Module 2: Introduction to T-SQL Querying o This module introduces Transact SQL as the primary querying language of SQL Server. It discusses the basic structure of T-SQL queries, the logical flow of a SELECT statement, and introduces concepts such as predicates and set-based operations. Module 3: Writing SELECT Queries o This module introduces the fundamentals of the SELECT statement, focusing on queries against a single table. Module 4: Querying Multiple Tables o This module explains how to write queries which combine data from multiple sources in SQL Server. The module introduces the use of JOINs in T-SQL queries as a mechanism for retrieving data from multiple tables. Module 5: Sorting and Filtering Data o This module explains how to enhance queries to limit the rows they return, and to control the order in which the rows are displayed. The module also discusses how to resolve missing and unknown results. Module 6: Working with SQL Server 2014 Data Types o This module explains the data types SQL Server uses to store data. It introduces the many types of numeric and special-use data types. It also explains conversions between data types, and the importance of type precedence. Module 7: Using DML to Modify Data o This module describes the use of Transact-SQL Data Manipulation Language to perform inserts, updates, and deletes to your data. Module 8: Using Built-In Functions o This module introduces the use of functions that are built in to SQL Server Denali, and will discuss some common usages including data type conversion, testing for logical results and null ability. Lessons Writing Queries with Built- In Functions Module 9: Grouping and Aggregating Data o This module introduces methods for grouping data within a query, aggregating the grouped data and filtering groups with HAVING. The module is designed to help the student grasp why a SELECT clause has restrictions placed upon HBO Minor BI & BD VN v Juni 2015

13 column naming in the GROUP BY clause as well as which columns may be listed in the SELECT clause. Module 10: Using Subqueries o This module will introduce the use of subqueries in various parts of a SELECT statement. It will include the use of scalar and multi-result subqueries, and the use of the IN and EXISTS operators. Module 11: Using Table Expressions o This module introduces T-SQL expressions which return a valid relational table, typically for further use in the query. The module discusses views, derived tables, common table expressions and inline table-valued functions. Module 12: Using Set Operators o This module introduces Microsoft SharePoint Server as a platform for BI, and then focuses on building BI dashboards and scorecards with PerformancePoint Services. Module 13: Using Window Ranking, Offset, and Aggregate Functions o This module introduces window functions including ranking, aggregate and offset functions. Much of this functionality is new to SQL Server It will cover the use of T-SQL functions such as ROW_NUMBER, RANK, DENSE_RANK, NTILE, LAG, LEAD, FIRST_VALUE and LAST_VALUE to perform calculations against a set, or window, of rows. Module 14: Pivoting and Grouping Sets o This module discusses techniques for pivoting data in T-SQL as well to introduce the fundamentals of the GROUPING SETS clause. It will also cover the use of GROUP BY ROLLUP and GROUP BY CUBE syntax in SQL Server. Module 15: Executing Stored Procedures o This module introduces the use of existing stored procedures in a T-SQL querying environment. It discusses the use of EXECUTE, how to pass input and output parameters to a procedure, and how to invoke system stored procedures. Module 16: Programming with T-SQL o This module provides a basic introduction to T-SQL programming concepts and objects. It discusses batches, variables, control of flow elements such as loops and conditionals, how to create and execute dynamic SQL statements, and how to use synonyms. Module 17: Implementing Error Handling o This module introduces the use of error handlers in T-SQL code. It will introduce the difference between compile errors and run-time errors, and will cover how errors affect batches. The module will also cover how to control error handling using TRY/CATCH blocks, the use of the ERROR class of functions, and the use of the new THROW statement. Module 18: Implementing Transactions HBO Minor BI & BD VN v Juni 2015

14 o This module introduces the concepts of transaction management in SQL Server. It will provide a high-level overview of transaction properties, cover the basics of marking transactions with BEGIN, COMMIT and ROLLBACK. Module 19: Improving Query Performance o This module presents several key guidelines for writing well-performing queries, as well as ways to monitor the execution of your queries and their impact on Microsoft SQL Server. Module 20: Querying SQL Server Metadata o SQL Server provides access to structured metadata by using a variety of mechanisms, such as system catalog views, system functions, dynamic management objects, and system stored procedures. In this module, you will learn how to write queries to return system metadata using these mechanisms. HBO Minor BI & BD VN v Juni 2015

15 3.4. PART 2 - ADMINISTERING MICROSOFT SQL SERVER ITPH Academy This course provides students with the knowledge and skills to maintain a Microsoft SQL Server 2014 database. The course focuses on teaching individuals how to use SQL Server 2014 product features and tools related to maintaining a database. This course helps people prepare for exam At the end of this part the participants will have mastered the following competences Describe core database administration tasks and tools. Install and configure SQL Server Configure SQL Server databases and storage. Plan and implement a backup strategy. Restore databases from backups. Import and export data. Monitor SQL Server. Trace SQL Server activity. Manage SQL Server security. Audit data access and encrypt data. Perform ongoing database maintenance. Automate SQL Server maintenance with SQL Server Agent Jobs. Configure Database Mail, alerts and notifications. HBO Minor BI & BD VN v Juni 2015

16 Course details Part 2 Module 1: Introduction to SQL Server 2014 Database Administration o This module introduces the Microsoft SQL Server 2014 platform. It describes the components, editions, and versions of SQL Server 2014, and the tasks that a database administrator commonly performs for a SQL Server instance. Module 2: Installing and Configuring SQL Server 2014 o This module explains how to assess resource requirements for SQL Server 2014 and how to install it. Module 3: Working with Databases and Storage o This module describes how data is stored in databases, how to create databases, how to manage database files, and how to move them. Other tasks related to storage, include managing the tempdb database and using fast storage devices to extend the SQL Server buffer pool cache, are also discussed. Module 4: Planning and Implementing a Backup Strategy o In this module, you will consider how to create a backup strategy that is aligned with organizational needs, and learn how to perform the backup operations required by that strategy. Module 5: Restoring SQL Server 2014 Databases o In this module, you will see how to restore user and system databases and how to implement point-in-time recovery. Module 6: Importing and Exporting Data o In this module, you will briefly explore tools and techniques so that you can import and export data to and from SQL Server. Module 7: Monitoring SQL Server 2014 o This module explains how to use three of the most commonly used tools: Activity Monitor, dynamic management views and functions (DMVs and DMFs), and Performance Monitor. Module 8: Tracing SQL Server Activity o This module describes how to use SQL Server Profiler and SQL Trace stored procedures to capture information about SQL Server, and how to use that information to troubleshoot and optimize SQL Server workloads. Module 9: Managing SQL Server Security o In this module, you will be learn about the core concepts on which the SQL Server security architecture is based, and how to manage security at the server and database levels. Module 10: Auditing Data Access and Encrypting Data o This module describes the available options for auditing in SQL Server, how to use and manage the SQL Server audit feature, and how to implement encryption. Module 11: Performing Ongoing Database Maintenance HBO Minor BI & BD VN v Juni 2015

17 o This module describes common database maintenance tasks that a DBA must perform, and demonstrates how to automate these tasks using maintenance plans. Module 12: Automating SQL Server 2014 Management o This module describes how to use SQL Server Agent to automate jobs, how to configure security contexts for jobs, and how to implement multi-server jobs. Module 13: Monitoring SQL Server 2014 by Using Alerts and Notifications o This module covers the configuration of database mail, alerts, and notifications. HBO Minor BI & BD VN v Juni 2015

18 3.5. PART 3 IMPLEMENTING A DATA WAREHOUSE WITH MICROSOFT SQL SERVER This course describes how to implement a data warehouse platform to support a BI solution. Students will learn how to create a data warehouse with Microsoft SQL Server 2014, implement ETL with SQL Server Integration Services, and validate and cleanse data with SQL Server Data Quality Services and SQL Server Master Data Services. This course helps people prepare for exam At the end of this part the participants will have mastered the following competences Describe data warehouse concepts and architecture considerations. Select an appropriate hardware platform for a data warehouse. Design and implement a data warehouse. Implement Data Flow in an SSIS Package. Implement Control Flow in an SSIS Package. Debug and Troubleshoot SSIS packages. Implement an ETL solution that supports incremental data extraction. Implement an ETL solution that supports incremental data loading. Implement data cleansing by using Microsoft Data Quality Services. Implement Master Data Services to enforce data integrity. Extend SSIS with custom scripts and components. Deploy and Configure SSIS packages. Describe how BI solutions can consume data from the data warehouse. Course details part 3 Module 1: Introduction to Data Warehousing o This module provides an introduction to the key components of a data warehousing solution and the high-level considerations you must take into account when you embark on a data warehousing project. Lessons Overview of Data Warehousing Module 2: Planning Data Warehouse Infrastructure o This module discusses considerations for selecting hardware and distributing SQL Server facilities across servers. Module 3: Designing and Implementing a Data Warehouse o This module describes the key considerations for the logical design of a data warehouse, and then discusses best practices for its physical implementation. Module 4: Creating an ETL Solution with SSIS o This module discusses considerations for implementing an ETL process, and then focuses on Microsoft SQL Server Integration Services (SSIS) as a platform for building ETL solutions. Module 5: Implementing Control Flow in an SSIS Package o This module describes how to implement ETL solutions that combine multiple tasks and workflow logic. HBO Minor BI & BD VN v Juni 2015

19 Module 6: Debugging and Troubleshooting SSIS Packages o This module describes how you can debug packages to find the cause of errors that occur during execution. It then discusses the logging functionality built into SSIS that you can use to log events for troubleshooting purposes. Finally, the module describes common approaches for handling errors in control flow and data flow. Module 7: Implementing a Data Extraction Solution o This module describes the techniques you can use to implement an incremental data warehouse refresh process. Module 8: Loading Data into a Data Warehouse o This module describes the techniques you can use to implement data warehouse load process. Module 9: Enforcing Data Quality o This module introduces Microsoft SQL Server Data Quality Services (DQS), and describes how you can use it to cleanse and deduplicate data. Module 10: Master Data Services o Master Data Services provides a way for organizations to standardize data and improve the quality, consistency, and reliability of the data that guides key business decisions. This module introduces Master Data Services and explains the benefits of using it. Module 11: Extending SQL Server Integration Services o This module describes the techniques you can use to extend SSIS. The module is not designed to be a comprehensive guide to developing custom SSIS solutions, but to provide an awareness of the fundamental steps required to use custom components and scripts in an ETL process that is based on SSIS. Module 12: Deploying and Configuring SSIS Packages o In this module, students will learn how to deploy packages and their dependencies to a server, and how to manage and monitor the execution of deployed packages. Module 13: Consuming Data in a Data Warehouse o This module introduces business intelligence (BI) solutions and describes how you can use a data warehouse as the basis for enterprise and self-service BI. HBO Minor BI & BD VN v Juni 2015

20 3.6. PART 4 IMPLEMENTING DATAMODELS AND REPORTS WITH MICROSOFT SQL SERVER The focus of this five-day instructor-led course is on creating managed enterprise BI solutions. It describes how to implement multidimensional and tabular data models, deliver reports with Microsoft SQL Server Reporting Services, create dashboards with Microsoft SharePoint Server PerformancePoint Services, and discover business insights by using data mining. This course helps people prepare for exam At the end of this part the participants will have mastered the following competences Describe the components, architecture, and nature of a BI solution. Create a multidimensional database with Analysis Services. Implement dimensions in a cube. Implement measures and measure groups in a cube. Use MDX Syntax. Customize a cube. Implement a Tabular Data Model in SQL Server Analysis Services. Use DAX to enhance a tabular model. Create reports with Reporting Services. Enhance reports with charts and parameters. Manage report execution and delivery. Implement a dashboard in SharePoint Server with PerformancePoint Services. Use Data Mining for Predictive Analysis. HBO Minor BI & BD VN v Juni 2015

21 Course Details part 4 Module 1: Introduction to Business Intelligence and Data Modeling o As a SQL Server database professional, you may be required to participate in, or perhaps even lead, a project with the aim of implementing an effective enterprise BI solution. Therefore, it is important that you have a good understanding of the various elements that comprise a BI solution, the business and IT personnel typically involved in a BI project, and the Microsoft products that you can use to implement the solution. Module 2: Creating Multidimensional Databases o This module provides an introduction to multidimensional databases and introduces the core components of an Online Analytical Processing (OLAP) cube. Module 3: Working with Cubes and Dimensions o This module describes how to create and configure dimensions and dimension hierarchies in an Analysis Services multidimensional data model. Module 4: Working with Measures and Measure Groups o This module describes measures and measure groups. It also explains how you can use them to define fact tables and associate dimensions with measures. Module 5: Introduction to MDX o This module describes the fundamentals of MDX and explains how to build calculations, such as calculated members and named sets. Module 6: Enhancing a Cube o This module describes how to enhance a cube with Key Performance Indicators (KPIs), actions, perspectives, and translations. Module 7: Implementing an Analysis Services Tabular Data Model o This module describes Analysis Services tabular data models and explains how to develop a tabular data model using the SQL Server Data Tools for Business Intelligence (BI) add-in for Visual Studio. Module 8: Introduction to DAX o This module explains the fundamentals of the DAX language. It also explains how you can use DAX to create calculated columns and measures, and how you can use them in your tabular data models. Module 9: Implementing Reports with SQL Server Reporting Services o This module introduces Microsoft SQL Server Reporting Services and discusses the tools and techniques that a professional BI developer can use to create and publish reports. Module 10: Enhancing Reports with SQL Server Reporting Services o This module describes how to enhance a SQL Server reporting Services report with charts and other visualizations, and how to use parameters to filter data in a report. Module 11: Managing Report Execution and Delivery HBO Minor BI & BD VN v Juni 2015

22 o This module describes how to apply security and report execution settings, and how to create subscriptions to deliver reports. Module 12: Delivering BI with SharePoint PerformancePoint Services o This module introduces Microsoft SharePoint Server as a platform for BI, and then focuses on building BI dashboards and scorecards with PerformancePoint Services. Module 13: Performing Predictive Analysis with Data Mining o This module introduces data mining, describes how to create a data mining solution, how to validate data mining models, how to use the Data Mining Add-ins for Microsoft Excel, and how to incorporate data mining results into Reporting Services reports. HBO Minor BI & BD VN v Juni 2015

23 3.7. PART 5 DESIGNING SELF-SERVICE BUSINESS INTELLIGENCE AND BIG DATA SOLUTIONS This course teaches students how to implement self-service Business Intelligence (BI) and Big Data analysis solutions using the Microsoft data platform. The course discusses the rationale for self-service BI, and describes how to use Microsoft SQL Server Reporting Services, Microsoft Excel, Microsoft SharePoint Server, and Microsoft Office 365 Power BI to create selfservice data models and reports. The course then goes on to describe how to use Windows Azure HDInsight to perform Big Data analysis. This course helps people prepare for exam At the end of this part the participants will have mastered the following competences Describe key features and benefits of self-service BI. Use SQL Server Reporting Services to implement a self-service reporting solution. Use Power Pivot in Microsoft Excel to create analytical data models. Use Power Query in Microsoft Excel to import data into a data model. Use Power View in Microsoft Excel to create interactive data visualizations. Use Power Map in Microsoft Excel to create geographic data visualizations. Use Microsoft SharePoint Server to implement collaborative self-service BI solutions. Find and use public data in the Windows Azure Marketplace. Use Microsoft Office 365 Power BI to implement cloud-based self-service BI solutions. Provision and use a Windows Azure HD Insight cluster for Big Data analysis. Use Pig and Hive to analyze big data in Windows Azure HD Insight. Design and implement Big Data processes to support self-service BI. HBO Minor BI & BD VN v Juni 2015

24 Course Details part 5 Module 1: Introduction to Self-Service Business Intelligence o This module introduces self-service BI. ITPH Academy Module 2: Self-Service Reporting o This module describes how to use Report Builder as a tool for self-service Microsoft SQL Server Reporting Services report authoring. Module 3: Self-Service Data Modeling with Power Pivot o This module describes how to use Power Pivot in Microsoft Excel to create self-service data models for analysis. Module 4: Importing Data with Power Query o This lesson describes how to use Power Query in Microsoft Excel to find and import data. Module 5: Visualizing Data with Power View in Microsoft Excel o This module describes how to use Power View in Microsoft Excel to create interactive data visualizations. Module 6: Visualizing Geographic Data with Power Map o This module describes how to use Power Map in Microsoft Excel to create geographic data visualizations. Module 7: Collaborative BI with Microsoft SharePoint Server o This module describes how to use Microsoft SharePoint Server in an enterprise environment to enable users to share Power Pivot workbooks and Power View reports. Lessons Sharing Power Pivot Workbooks Module 8: The Windows Azure Marketplace Data Market o This module describes how to find and use datasets in the Windows Azure Marketplace. Module 9: Cloud Collaboration with Power BI for Microsoft Office 365 o This module introduces Power BI for Microsoft Office 365, and describes how to use it for cloud-based, collaborative self-service BI. Module 10: Introduction to Big Data and Windows Azure HD Insight o This module introduces Big Data concepts and describes the key features of Windows Azure HD Insight. Module 11: Processing Big Data with Pig and Hive o This module introduces Pig and Hive, and describes how you can use them to process Big Data in Windows Azure HD Insight. Module 12: Implementing Big Data Processing Solutions with Windows Azure HD o Insight This module introduces key Windows Azure HD Insight technologies that enable you to design and implement automated, repeatable Big Data processing solutions that support self-service BI BIG DATA SCIENTIST, ARCITURA CERTIFICATIONS There are five components that form the knowledge to fulfill the role as Big Data Scientist. Those five components are: HBO Minor BI & BD VN v Juni 2015

25 o o o o o Fundamental Big Data Big Data Analysis & Technology Concepts Fundamental Big Data Analysis & Science Advanced Big Data Analysis & Science Big Data Analysis & Science Lab ITPH Academy We will describe tte content of those five parts below PART 1 - FUNDAMENTAL BIG DATA This foundational course provides a high-level overview of essential Big Data topic areas. A basic understanding of Big Data from business and technology perspectives is provided, along with an overview of common benefits, challenges, and adoption issues. The course content is divided into a series of modular sections, each of which is accompanied by one or more handson exercises. The following primary topics are covered: Understanding Big Data Fundamental Terminology & Concepts Big Data Business & Technology Drivers Traditional Enterprise Technologies Related to Big Data Characteristics of Data in Big Data Environments Dataset Types in Big Data Environments Fundamental Analysis and Analytics Machine Learning Types Business Intelligence & Big Data Data Visualization & Big Data Big Data Adoption & Planning Considerations PART 2 - BIG DATA ANALYSIS & TECHNOLOGY CONCEPTS This course explores a range of the most relevant topics that pertain to contemporary analysis practices, technologies and tools for Big Data environments. The course content does not get into implementation or programming details, but instead keeps coverage at a conceptual level, focusing on topics that enable participants to develop a comprehensive understanding of the common analysis functions and features offered by Big Data solutions, as well as a high-level understanding of the back-end components that enable these functions. The following primary topics are covered: Big Data Analysis Lifecycle (from business case evaluation to data analysis and visualization) A/B Testing, Correlation Regression, Heat Maps Time Series Analysis Network Analysis Spatial Data Analysis Classification, Clustering Outlier Detection HBO Minor BI & BD VN v Juni 2015

26 Filtering (including collaborative filtering & contentbased filtering) Natural Language Processing Sentiment Analysis, Text Analytics File Systems & Distributed File Systems, NoSQL Distributed & Parallel Data Processing, Processing Workloads, Clusters Cloud Computing & Big Data Foundational Big Data Technology Mechanisms PART 3 - FUNDAMENTAL BIG DATA ANALYSIS & SCIENCE This course provides an in-depth overview of essential topic areas pertaining to data science and analysis techniques relevant and unique to Big Data with an emphasis on how analysis and analytics need to be carried out individually and collectively in support of the distinct characteristics, requirements and challenges associated with Big Data datasets. The following primary topics are covered: Data Science, Data Mining & Data Modeling Big Data Dataset Categories Exploratory Data Analysis (EDA) (including numerical summaries, rules & data reduction) EDA analysis types (including univariate, bivariate & multivariate) Essential Statistics (including variable categories & relevant mathematics) Statistics Analysis (including descriptive, inferential, correlation, covariance & hypothesis testing) Data Munging & Machine Learning Variables & Basic Mathematical Notations Statistical Measures & Statistical Inference Distributions & Data Processing Techniques Data Discretization, Binning, Clustering Visualization Techniques & Numerical Summaries Correlation for Big Data Time Series Analysis for Big Data PART 4 - ADVANCED BIG DATA ANALYSIS & SCIENCE This course delves into a range of advanced data analysis practices and analysis techniques that are explored within the context of Big Data. The course content focuses on topics that enable participants to develop a thorough understanding of statistical, modeling, and analysis techniques for data patterns, clusters, and text analytics, as well as the identification of outliers and errors that affect the significance and accuracy of predictions made on Big Data datasets. The following primary topics are covered: Statistical Models, Model Evaluation Measures (including cross-validation, biasvariance, confusion matrix & f-score) HBO Minor BI & BD VN v Juni 2015

27 Machine Learning Algorithms, Pattern Identification (including association rules & apriori algorithm) Advanced Statistical Techniques (including parametric vs. non-parametric, clustering vs. non-clustering distance-based, supervised vs. semi-supervised) Linear Regression & Logistic Regression for Big Data Decision Trees for Big Data Classification Rules for Big Data K Nearest Neighbor (knn) for Big Data Naïve Bayes for Big Data Association Rules for Big Data K-means for Big Data Text Analytics for Big Data Outlier Detection for Big Data PART 5 - BIG DATA ANALYSIS & SCIENCE LAB This course module covers a series of exercises and problems designed to test the participant's ability to apply knowledge of topics covered previously in course modules 4 and 5. Completing this lab will help highlight areas that require further attention, and will further prove hands-on proficiency in Big Data analysis and science practices as they are applied and combined to solve real-world problems. As a hands-on lab, this course incorporates a set of detailed exercises that require participants to solve various inter-related problems, with the goal of fostering a comprehensive understanding of how different data analysis techniques can be applied to solve problems in Big Data environments and used to make significant, relevant predictions that offer increased business value. The Certified Trainer works closely with participants to ensure that all exercises are carried out completely and accurately. Attendees can voluntarily have exercises reviewed and graded as part of the class completion AGILE PROJECTMETHODIEKEN In het kader van de Agile projectmethode is gekozen voor scrum, maar dit kan afhankelijk van de marktvraag wisselen naar een andere methodiek. Een onafhankelijke certificering bij de Scrum Alliance is onderdeel van dit component. Scrum Scrum is een raamwerk voor Agile management ( flexibel beheren ) van softwareontwikkeling. Er wordt binnen Scrum gewerkt in multidisciplinaire teams die in korte sprints, werkende software opleveren. Zelfsturing, resultaat- en klantgerichtheid, geven van feedback en het nemen van verantwoordelijkheid. Specificeren, prioriteren, ontwerpen en plannen volgens Scrum zijn onderdelen van de Scrum module. De deelnemer De deelnemer aan deze module kan hierna deel uitmaken van een project team dat werkt volgens de Scrum methodiek, bijvoorbeeld in de rol van projectleider, productvertegenwoordiger of ontwikkelaar. HBO Minor BI & BD VN v Juni 2015

28 Aan het einde van dit component zal de deelnemer zich de volgende competenties eigen hebben gemaakt: Samenwerken in een team volgens Scrum ITPH Academy Zelfsturing, resultaat- en klantgerichtheid, geven van feedback en het nemen van verantwoordelijkheid Specificeren, prioriteren, ontwerpen en plannen volgens Scrum De Scrum meetings Maken van schattingen Werken met time-boxes Vullen van de product backlog Burndown maken Daily Scrum meeting Sprint Review Retrospective PRAKTIJKCASE De praktijkcase wordt uitgevoerd bij een bedrijf en zal per situatie verschillend zijn. De voorwaarde is wel dat het meeste van de behandelde theorie in deze praktijkcase toegepast gaat worden. De resultaten van de praktijkcase moeten gedocumenteerd worden en moet gezamenlijk met het verslag over de minor ingeleverd worden. Uit de documentatie moet duidelijk de uitgangspositie blijken, de toegepaste theorie en het bewijs van het kunnen toepassen van de nieuwe competenties. HBO Minor BI & BD VN v Juni 2015

29 3.16. APPENDIX 1 BENODIGDE VOORKENNIS Basiskennis Bedrijfskunde Op het gebied van bedrijfskunde moet je de volgende begrippen kunnen uitleggen: ITPH Academy Hoe werken organisaties? De Missie, Visie, Strategie, beleid? De organisatiestrategie en SWOT-analyse De Korte-, middellange- en langetermijnplanning Lijn- en staforganisatie Bedrijfseconomische en financiële analyses Bedrijfseconomische rapportages Kengetallen voor de organisatie Budgetten, kosten en rendement Markten, klanten en consumenten Marketing, Product- en prijsbeleid Distributiebeleid Personeelswerving, selectie, beloning Opleiding en ontwikkeling Planning, capaciteit, verzuim Basiskennis IT Op het gebied van informatie technologie moet je de volgende begrippen kunnen uitleggen: Inzicht in het ICT-werkveld Computerapparatuur, Operating systemen, Software Toepassingssoftware Software-architecturen Telecommunicatie en netwerken Internet, intranet Informatieveiligheid Ontwikkeling en beheer Wireless Voice over IP (VoIP) Praktijkvoorbeelden Basiskennis statistiek Op het gebied van statistiek moet je de volgende begrippen kunnen uitleggen: Telproblemen Kansrekenen Beschrijvende statistiek Verklarende statistiek Kennis van spreadsheets HBO Minor BI & BD VN v Juni 2015

30 Op het gebied van spreadsheets moet je de volgende begrippen kunnen uitleggen: Werkbladen Grafieken Formules Draaitabellen Kennis van Databases Op het gebied van databases moet je de volgende begrippen kunnen uitleggen: Bestanden Indexen Client Server architectuur Database server Querytalen HBO Minor BI & BD VN v Juni 2015