FISI Weiterbildungsmöglichkeiten zum Data Engineer

[Leumast]

Hallo zusammen,

ich habe dieses Jahr meine Ausbildung zum FISI abgeschlossen.

Bei einem anerkannten und gut bezahlendem Arbeitgeber in meiner Region bin ich nun über eine Stellenausschreibung für einen Data Engineer gestoßen.

Mit SQL, Controlling/BI und Python habe ich glücklicherweise schon während der Ausbildung viele Erfahrungen gesammelt.

Um mich für solch eine Stelle besser bzw. überhaupt zu qualifizieren (da ich aktuell ja nur als Systemadministrator angestellt war), suche ich nach passenden Weiterbildungen auf dem Gebiet.

Hat jemand in dieser Richtung oder mit einem ähnlichen Lebenslauf Erfahrungen gesammelt und könnte mir eine Weiterbildung, Lernvideos oder so empfehlen?
Ich bin für Empfehlungen, Kritik oder jegliche Anregungen sehr dankbar   

[Flammkuchen]

vor 23 Stunden schrieb Leumast:

Um mich für solch eine Stelle besser bzw. überhaupt zu qualifizieren (da ich aktuell ja nur als Systemadministrator angestellt war), suche ich nach passenden Weiterbildungen auf dem Gebiet.

Es wird keine Weiterbildung geben die dich plötzlich zum Data Engineer macht. Data Engineer ist selbst relativ schwammig und jede Firma legt den Job etwas anders aus. 

Am besten erstmal privat etwas in die Richtung machen und dann versuchen in eine Junior Stelle zu kommen. Keine Ahnung wie gut diese Roadmap ist https://github.com/datastacktv/data-engineer-roadmap aber evtl. hilft sie ja

 

 

[Leumast]

vor 7 Minuten schrieb Flammkuchen:

Es wird keine Weiterbildung geben die dich plötzlich zum Data Engineer macht. Data Engineer ist selbst relativ schwammig und jede Firma legt den Job etwas anders aus. 

Am besten erstmal privat etwas in die Richtung machen und dann versuchen in eine Junior Stelle zu kommen. Keine Ahnung wie gut diese Roadmap ist https://github.com/datastacktv/data-engineer-roadmap aber evtl. hilft sie ja

Danke für die Anregung, die Roadmap sieht interessant aus!

Meine Fragestellung ist wirklich zu offen..

Vielleicht gibt es hier den ein oder anderen, der von seinem Werdegang berichten würde. Eine Junior-Stelle wäre da z.B ein geeigneter Einstieg.

[ZwennL]

Hallo,

inzwischen sind zwar ein paar Tage vergangen, aber ich möchte trotzdem noch kurz auf das Thema eingehen. Auch, wenn es im großen Bullshit Bingo unterschiedliche Deutungen von verschiedenen Instanzen gibt, wie Flammkuchen ja auch schon geschrieben hat, als er die schwammigen Formulierungen nannte. Grob gesagt ist ein Data Engeneer jemand, der vor allem für die Datenqualität verantwortlich ist und in der Regel auch verantwortlich für die Bereitstellung/ Beschaffung der zu verarbeitenden Daten ist. Der Data Analyst ist dann die Rolle, in der die hübsch aufbereiteten Daten zu tollen Erkenntnissen ausgewertet werden. Kommt was gutes raus, bekommt der Data Analyst die Lorbeeren, sind die Ergebnisse nicht zielführend, bekommt der Data Engeneer was auf den Deckel, weil die Datengrundlage schlecht war 😉 Das ist aber eher theoretisch denke ich. In der Praxis dürften beide Rollen oft in Personalunion in der Rolle des Data Scientist aufgehen. Vermutlich ist das aber auch abhängig von der Unternehmensgröße und der Frage, was denn alles in wievielen Projekten an Daten analysiert werden muss.

Um Dir einen Einblick in das Gebiet zu verschaffen, kann ich Dir die MOOCs auf openHPI dazu empfehlen. Selbst habe ich dort Kurse zu Java und Python belegt und fand die sehr gut. Die Kurse sind kostenfrei, außer Du möchtest ein richtiges Zertifikat erhalten. Dann wird eine Prüfung abgenommen, die bei Bestehen auch in erlangten ECTS mündet. Ob die ECTS hinterher etwas bringen sei mal dahingestellt. Prüfungen können allerdings nur in laufenden Kursen absolviert werden. Aber für das Selbststudium stehen alle Kurse weiterhin zur Verfügung. Einfach anmelden und reingucken.

• Hier habe ich die Filter auf deutschsprachige Kurse und das Thema Big Data und AI gesetzt
• Dies ist ein guter Einstieg denke ich: Data Engineering und Data Science – Klarheit in den Schlagwort-Dschungel

Das HPI ist das Hasso Plattner Institut in Potsdam, eine Uni, gegründet von einem der SAP Gründer. Die Plattform openHPI feiert in diesem Jahr ihr 10 jähriges bestehen. MOOC steht für Massive Open Online Course. Die Idee dahinter hatte ein US Professor, der wollte, das Bildung wirklich für jeden zugänglich ist, der sich für ein Thema interessiert. Die Kostenfreiheit der Inhalte ist dabei eine Kernidee von MOOCs, die inzwischen von einigen anderen Plattformen leider nicht mehr immer gewahrt wird.

[0x00]

Data Science ist deutlich mehr als Data Engineering + Data Analytics, auch wenn unser Recruitingteam das auch denkt.

Data Engineering umfasst das Sammeln, Aufbereiten und Speichern von Daten. ETL und ELT Pipelines sind hier ein Stichwort, auch mit Wörtern wie Data Lakes, Warehouses, Lakehouses, Meshes (was ist die Mehrzahl von Mesh?) usw wird hier gerne um sich geworfen. Data Analytics hingegen beschäftigt sich mit der Informationsgewinnung aus den bereitgestellten Daten. Böse gesagt: Dashboards bauen

Data Science hingegen ist der Informationsgewinn aus Daten mithilfe von Machine Learning. Und auch wenn viele Firmen sagen sie machen "Data Science" ist das wirklich in den seltensten Fällen so. Richtige Data Science Stellen sind selten, begehrt, und werden i.d.R. Inhouse vergeben. Und auch wenn heutzutage viel wegabstrahiert wird schadet ein tiefes Verständnis von der zugrundeliegenden Mathematik nicht.

[ZwennL]

Danke für die weiterführende und bessere Erklärung @0x00 🤗 🐘