Kerangka Materi
Hari 1
Dasar-Dasar Produk Data & Strategi
Pengenalan Produk Data Modern
Produk Data vs Sistem Data Tradisional
Data sebagai Aset Bisnis Strategis
Komponen Kunci dari Ekosistem Produk Data
Mengidentifikasi Masalah Bisnis yang Cocok untuk Produk Data
Tinjauan Siklus Hidup Produk Data (dari Ideasi hingga Skala)
Studi Kasus: Produk Data Sukses di Industri
Hari 2
Desain & Arsitektur Produk Data
Prinsip-Prinsip Desain Produk Data
Memahami Persona Pengguna dan Konsumen Data
Model Arsitektur Data (Terpusat vs Data Mesh vs Hibrida)
Merancang Pipa Data yang Skalabel
Pemodelan Data untuk Analitik dan Penggunaan Operasional
Lapisan Aksesibilitas API dan Data
Infrastruktur Cloud untuk Produk Data (Tinjauan AWS / Azure / GCP)
Hari 3
Rekayasa Data & Implementasi
Metode Ingesti Data (Batch vs Streaming)
Bingkai Kerja ETL vs ELT
Membangun Pipa Data yang Andal
Solusi Penyimpanan Data (Data Lakes, Warehouses, Lakehouse)
Alat Transformasi dan Orkestrasi Data
Pengenalan Pemrosesan Data Real-Time
Laboratorium Praktis: Membangun Pipa Data Sederhana
Hari 4
Analitik, Integrasi AI & Tata Kelola
Menyematkan Analitik ke dalam Produk Data
Dashboard, KPI, dan Inteligensi Pengambilan Keputusan
Pengenalan AI/ML dalam Produk Data
Sistem Rekomendasi dan Model Prediktif
Pengelolaan Kualitas Data dan Pemantauan
Tata Kelola Data, Privasi, & Kepatuhan (Tinjauan Konsep GDPR)
Memastikan Kepercayaan, Keamanan & Keandalan pada Produk Data
Hari 5
Distribution, Skala & Produksi (Productization)
Memprodukkan Solusi Data untuk Pengguna Akhir
Strategi Deployment dan CI/CD untuk Produk Data
Pemantauan, Optimasi Kinerja & Skalabilitas
Manajemen Siklus Hidup Produk Data dalam Organisasi
Strategi Monitisasi untuk Produk Data
Tren Masa Depan: AI Generatif & Produk Data Otonom
Presentasi Proyek Akhir (Capstone) & Sesi Umpan Balik
Persyaratan
- Diprioritaskan pemahaman dasar tentang konsep data dan pelaporan bisnis.
- Keterampilan menggunakan Excel atau alat analisis data dasar lainnya akan sangat membantu.
- Pemahaman tentang bagaimana data mendukung pengambilan keputusan bisnis akan memberikan manfaat tambahan.
- Tidak diperlukan latar belakang pemrograman lanjutan atau teknis yang mendalam.
- Antusiasme terhadap data, analitik, dan pengembangan produk digital adalah keharusan.
Testimoni (2)
Variasi informasi yang dibagikan dan kejelasan dalam menjelaskan istilah dengan bahasa Inggris sederhana.
Arisbe Mendoza - Fairtrade International
Kursus - GDPR Workshop
Diterjemahkan Mesin
Ini adalah sesi praktik.
Vorraluck Sarechuer - Total Access Communication Public Company Limited (dtac)
Kursus - Talend Open Studio for ESB
Diterjemahkan Mesin