Moderne Unternehmen können nicht bis morgen warten, um zu erfahren, was heute passiert ist: Sie benötigen einen Echtzeit-Überblick über Bestellungen pro Minute, Anomalieraten, Nutzeraktivitäten und vieles mehr. Echtzeit-Dashboards sind längst kein „nettes Extra“ mehr, sondern unverzichtbar für die Entscheidungsfindung in den Bereichen E-Commerce, Finanzen, IoT und Betrieb. In diesem Kurs lernen Sie, wie Sie Echtzeit-Dashboards auf Basis von Apache Spark Structured Streaming entwerfen und implementieren.

In drei praxisorientierten Modulen eignen Sie sich zunächst die Grundlagen des Streamings für Dashboards an: Mikro-Batches, Trigger, Checkpoints und Schema-Durchsetzung. Anschließend integrieren Sie Spark mit Kafka, um reale Ereignisströme zu verarbeiten, Ereigniszeitfenster und Wasserzeichen anzuwenden, um verspätete oder nicht in der richtigen Reihenfolge vorliegende Daten zu handhaben, und Metriken in Delta Lake zu speichern, um eine zuverlässige BI-Nutzung zu gewährleisten. Schließlich lernen Sie, wie Sie Dashboards veröffentlichen, Aktualisierungsstrategien konfigurieren, die Leistung mit Caches und materialisierten Ansichten optimieren, den Zustand der Pipeline überwachen und die Wiederherstellung im Fehlerfall sicherstellen. Dieser Kurs ist ideal für Datenexperten, Analysten und Ingenieure, die Echtzeit-Analysesysteme aufbauen oder betreiben möchten. Ganz gleich, ob Sie in den Bereichen Business Intelligence, Data Engineering oder Analytik tätig sind – dieser Kurs wird Ihnen helfen, Streaming-Daten in Live-Dashboards umzuwandeln, die sofort umsetzbare Erkenntnisse liefern. Die Teilnehmer sollten über Grundkenntnisse in Python und Spark DataFrames verfügen und mit SQL und JSON vertraut sein, um dem Kurs problemlos folgen zu können. Am Ende des Kurses werden Sie nicht nur wissen, wie man ein funktionierendes Dashboard erstellt, sondern auch in der Lage sein, eines in der Produktion zu betreiben und es präzise, schnell und zuverlässig zu halten, während sich die Daten Sekunde für Sekunde ändern.