Seminar DataGalaxy Data Lineage und Impact Analysis

Das 2-tägige Seminar vermittelt die Erfassung, Prüfung und Nutzung technischer sowie fachlicher Datenherkunft für Impact Analysis, Root Cause Analysis, Audit und Änderungssteuerung. Im Mittelpunkt stehen nachvollziehbare Arbeitsschritte, praktische Übungen und ein übertragbares Vorgehensmodell für den produktiven Einsatz von DataGalaxy.

Inhaltsverzeichnis

1. Seminarprofil
2. Zielgruppe und Voraussetzungen
3. Lernziele
4. Lernmodule
5. Praxiswerkstatt

Seminarprofil

Die Erfassung, Prüfung und Nutzung technischer sowie fachlicher Datenherkunft für Impact Analysis, Root Cause Analysis, Audit und Änderungssteuerung. Die Inhalte werden von der fachlichen Einordnung über die Modellierung und Konfiguration bis zur Qualitätssicherung und Betriebsdokumentation aufgebaut.

Begründung der Seminardauer: Zwei Tage sind erforderlich, weil Aufbau und Qualitätsprüfung der Lineage sowie zwei unterschiedliche Analyseszenarien vollständig durchgeführt werden.

Zielgruppe und Voraussetzungen

Zielgruppe: Data Engineers, Data Architects, Data Stewards, BI Teams, Governance, Compliance, Change Management und Plattformverantwortung.

Voraussetzungen: Grundkenntnisse zu Datenflüssen, Quellsystemen und Transformationen; technische Lineage-Daten sind für Übungen vorteilhaft.

Lernziele

• Fachliche Ziele, Rollen, Datenobjekte und Erfolgskriterien strukturiert bestimmen.
• Passende Metadaten, Beziehungen, Kontrollen und Arbeitsabläufe in DataGalaxy modellieren.
• Plattformfunktionen anhand realistischer Anwendungsfälle sicher konfigurieren oder anwenden.
• Ergebnisse auf Qualität, Berechtigungen, Ownership und Nachvollziehbarkeit prüfen.
• Wiederverwendbare Standards, Review-Zyklen und Betriebsartefakte dokumentieren.

Lernmodule

Modul 1: Lineage-Arten und Granularität

Der Themenblock ordnet Lineage-Arten und Granularität in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ein geeignetes Ausgangsobjekt und die erwartete Abhängigkeitskette für „Lineage-Arten und Granularität“ auswählen.
2. Schritt 2: Technische, manuelle und fachliche Beziehungen mit Quelle, Ziel, Richtung und Granularität erfassen.
3. Schritt 3: Die Kette in DataGalaxy navigieren und relevante Filter, Ebenen und Kontextinformationen anwenden.
4. Schritt 4: Vollständigkeit und Plausibilität anhand eines Änderungs-, Fehler- oder Nachweisszenarios validieren.
5. Schritt 5: Festgestellte Lücken, Owner, Korrekturmaßnahmen und künftige Prüfintervalle dokumentieren.

Modul 2: Quellen und automatisierte Erfassung

Der Themenblock ordnet Quellen und automatisierte Erfassung in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ausgangslage, Beteiligte und prüfbare Zielkriterien für „Quellen und automatisierte Erfassung“ erfassen.
2. Schritt 2: Benötigte DataGalaxy-Objekte, Metadaten, Beziehungen, Verantwortlichkeiten und Kontrollen modellieren.
3. Schritt 3: Die zugehörigen Plattformfunktionen an einem realistischen Beispielszenario konfigurieren oder anwenden.
4. Schritt 4: Das Arbeitsergebnis auf Vollständigkeit, Konsistenz, Berechtigungen, Ownership und Nachvollziehbarkeit prüfen.
5. Schritt 5: Entscheidungen, offene Punkte und einen wiederverwendbaren Arbeitsstandard dokumentieren.

Modul 3: Manuelle und fachliche Beziehungen

Der Themenblock ordnet Manuelle und fachliche Beziehungen in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ein geeignetes Ausgangsobjekt und die erwartete Abhängigkeitskette für „Manuelle und fachliche Beziehungen“ auswählen.
2. Schritt 2: Technische, manuelle und fachliche Beziehungen mit Quelle, Ziel, Richtung und Granularität erfassen.
3. Schritt 3: Die Kette in DataGalaxy navigieren und relevante Filter, Ebenen und Kontextinformationen anwenden.
4. Schritt 4: Vollständigkeit und Plausibilität anhand eines Änderungs-, Fehler- oder Nachweisszenarios validieren.
5. Schritt 5: Festgestellte Lücken, Owner, Korrekturmaßnahmen und künftige Prüfintervalle dokumentieren.

Modul 4: Navigation im Lineage-Diagramm

Der Themenblock ordnet Navigation im Lineage-Diagramm in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ein geeignetes Ausgangsobjekt und die erwartete Abhängigkeitskette für „Navigation im Lineage-Diagramm“ auswählen.
2. Schritt 2: Technische, manuelle und fachliche Beziehungen mit Quelle, Ziel, Richtung und Granularität erfassen.
3. Schritt 3: Die Kette in DataGalaxy navigieren und relevante Filter, Ebenen und Kontextinformationen anwenden.
4. Schritt 4: Vollständigkeit und Plausibilität anhand eines Änderungs-, Fehler- oder Nachweisszenarios validieren.
5. Schritt 5: Festgestellte Lücken, Owner, Korrekturmaßnahmen und künftige Prüfintervalle dokumentieren.

Modul 5: Impact Analysis für Änderungen

Der Themenblock ordnet Impact Analysis für Änderungen in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ein geeignetes Ausgangsobjekt und die erwartete Abhängigkeitskette für „Impact Analysis für Änderungen“ auswählen.
2. Schritt 2: Technische, manuelle und fachliche Beziehungen mit Quelle, Ziel, Richtung und Granularität erfassen.
3. Schritt 3: Die Kette in DataGalaxy navigieren und relevante Filter, Ebenen und Kontextinformationen anwenden.
4. Schritt 4: Vollständigkeit und Plausibilität anhand eines Änderungs-, Fehler- oder Nachweisszenarios validieren.
5. Schritt 5: Festgestellte Lücken, Owner, Korrekturmaßnahmen und künftige Prüfintervalle dokumentieren.

Modul 6: Root Cause Analysis bei Datenproblemen

Der Themenblock ordnet Root Cause Analysis bei Datenproblemen in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ein geeignetes Ausgangsobjekt und die erwartete Abhängigkeitskette für „Root Cause Analysis bei Datenproblemen“ auswählen.
2. Schritt 2: Technische, manuelle und fachliche Beziehungen mit Quelle, Ziel, Richtung und Granularität erfassen.
3. Schritt 3: Die Kette in DataGalaxy navigieren und relevante Filter, Ebenen und Kontextinformationen anwenden.
4. Schritt 4: Vollständigkeit und Plausibilität anhand eines Änderungs-, Fehler- oder Nachweisszenarios validieren.
5. Schritt 5: Festgestellte Lücken, Owner, Korrekturmaßnahmen und künftige Prüfintervalle dokumentieren.

Modul 7: Lineage für Compliance und Audit

Der Themenblock ordnet Lineage für Compliance und Audit in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Geltungsbereich, Beteiligte und Risikoszenarien für „Lineage für Compliance und Audit“ bestimmen.
2. Schritt 2: Rollen, Entscheidungsrechte, Schutzanforderungen und prüfbare Kontrollen in einer Matrix modellieren.
3. Schritt 3: Die Vorgaben an ausgewählten DataGalaxy-Objekten, Gruppen oder Arbeitsabläufen konfigurieren beziehungsweise zuordnen.
4. Schritt 4: Positive und negative Prüffälle durchführen und Abweichungen nachvollziehbar protokollieren.
5. Schritt 5: Review-, Freigabe-, Eskalations- und Rezertifizierungsregeln für den Regelbetrieb dokumentieren.

Modul 8: Pflege, Qualität und Betriebsprozess

Der Themenblock ordnet Pflege, Qualität und Betriebsprozess in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Steuerungsfrage, kritische Objekte und erwartete Entscheidung für „Pflege, Qualität und Betriebsprozess“ präzisieren.
2. Schritt 2: Messgröße, Definition, Datenquelle, Baseline, Zielwert, Schwellenwert und Verantwortlichkeit festlegen.
3. Schritt 3: Mess- oder Qualitätssignale mit den betroffenen DataGalaxy-Objekten und dem jeweiligen Nutzungskontext verbinden.
4. Schritt 4: Bewertung, Ampellogik und Eskalation anhand realistischer Messwerte oder Abweichungen testen.
5. Schritt 5: Review-Rhythmus, Maßnahmenverfolgung und Regeln zur kontinuierlichen Kalibrierung dokumentieren.

Praxiswerkstatt

Die Praxiswerkstatt bündelt die zuvor aufgebauten Arbeitsschritte in einem durchgängigen Szenario. Jedes Arbeitspaket wird mit Ziel, Eingaben, Rollen, Prüfkriterien und Dokumentation abgeschlossen.

1. Lineage für einen Bericht vom Ursprung bis zur Nutzung nachvollziehen.
2. Geplante Schemaänderung mit Impact Analysis bewerten.
3. Datenfehler rückwärts analysieren und Verantwortlichkeiten ableiten.

Abnahmekriterien

• Objekte, Metadaten und Beziehungen sind vollständig und konsistent dokumentiert.
• Rollen, Berechtigungen, Freigaben und Eskalationen sind nachvollziehbar zugeordnet.
• Qualitäts-, Sicherheits- und Governance-Prüfungen sind mit konkreten Nachweisen belegt.
• Der erarbeitete Ablauf ist reproduzierbar und für den Regelbetrieb beschrieben.