Daten-Lineage und -Katalog für ein Versicherungs-Datenteam aufbauen
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst ein Inventar der 1.200 Tabellen (CSV), produktive Airflow-DAGs als Python-Code sowie Stichproben-Reports. Wähle die Top-100-Tabellen nach Geschäftskritikalität (Solvency-II-relevant + häufig genutzt) und baue mit OpenMetadata oder DataHub einen Katalog mit automatischer Spalten-Lineage. Lege einen Owner-Prozess fest (jede Tabelle hat ein Owner-Team, das auf Anfragen in 5 Werktagen antwortet) und liefere einen Audit-Bericht, der zeigt, wie eine Lineage-Anfrage in unter 10 Minuten beantwortet werden kann.
Das Briefing
Was Du tust und was Du zeigst.
Wie etabliert man Daten-Lineage und einen Katalog für die 100 geschäftskritischsten Tabellen so, dass Audit-Anfragen in unter 10 Minuten beantwortbar sind?
Earning criteria — what you'll demonstrate
- Daten-Lineage über automatische Parser (SQL + DAGs) aufbauen
- Geschäftskritikalität operationalisierbar definieren und priorisieren
- Governance-Prozesse (Owner, SLAs) im regulierten Umfeld entwerfen
- Compliance-Anforderungen (Solvency II, BaFin) in technische Anforderungen übersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenData Engineer
Katalog- und Lineage-Verantwortung im regulierten Umfeld ist ein typischer Senior-Data-Engineer-Track — die Challenge produziert die Erfahrung, die diese Rolle von einer reinen Pipeline-Rolle abgrenzt.
Dieses Projekt schärft
- data-catalog
- data-lineage
- data-governance
AI-Lösungsarchitekt:in
Governance-Architektur in regulierten Branchen ist Pflicht für Solutions Architects — diese Challenge übt genau die Schnittstelle Technik/Compliance.
Dieses Projekt schärft
- data-governance
- compliance
- data-catalog
AI Safety Researcher
Lineage- und Provenienz-Denken ist die Grundlage jeder seriösen Modell-Auditierung; die Challenge übt die Datenseite dieser Diskussion.
Dieses Projekt schärft
- data-lineage
- data-governance
- compliance
Noch eine Sache