Die richtige Datenarchitektur und Plattform für Datenanalyse und AI unterscheidet sich für jedes Unternehmen. Rahmenbedingungen, Herausforderungen und Ziele sind sehr individuell, gleichzeitig versprechen Hersteller und Berater die eine Lösung für alle.
Mit hohem Praxisbezug berichte ich von unterschiedlichen Projekten und Situationen – und zeige einen großen Teil der Bandbreite moderner Datenprojekte und der Herangehensweisen. Und was sich von ihnen lernen lässt.

Zielpublikum: Data Architect, Data Engineer
Voraussetzungen: Ein wenig Erfahrung mit Datenarchitekturen und deren Komponenten
Schwierigkeitsgrad: Advanced

Extended Abstract:
Welche unterschiedlichen Wege gibt es zum Aufbau von Plattformen und Infrastrukturen für Datenanalysen? Welche Rahmenbedingungen beeinflussen Weg und Lösung? Wollen alle die eine, magische Plattform oder gibt es auch sehr spitz zugeschnittene, spezifische Lösungen? Auch die Herausforderungen unterscheiden sich: Den einen fehlt Know-how und Kapazität, andere sind erschlagen von der Komplexität der eigenen IT-Landschaft, wieder andere müssen alles ohne Hilfe von Managed Services aufbauen. 
Mit hohem Praxisbezug berichte ich von unterschiedlichen Projekten und Situationen – und zeige einen großen Teil der Bandbreite moderner Datenprojekte und der Herangehensweisen. 
Aspekte, die betrachtet werden:
•    Datenmengen und dafür notwendige Werkzeuge
•    Datenauswertungen in operativen Anwendungen
•    Bereitstellung von Daten für die Analyse
•    Die Datenplattform als Integrationsplattform
•    Fehlendes Know-how
•    Die speziellen Herausforderungen on-premises

Lernziele:
•    Überblick über die Lösungsmöglichkeiten für moderne Datenarchitektur
•    Verstehen, welche Rahmenbedingungen in welcher Form die Architektur beeinflusst
•    Überblick über Entscheidungen, die beim Design der Architekturen getroffen werden, inklusive der Trade-Offs, die dabei üblicherweise     berücksichtigt werden
•    Anwendungen der verschiedenen Perspektiven im eigenen Umfeld