Big Data Analysis

🎯 Obiettivi del Corso

• Conoscere l'ecosistema, le architetture e le peculiarità dei Big Data (Volume, Velocità, Varietà).
• Acquisire le logiche e le tecniche fondamentali per lavorare efficacemente con grandi volumi di informazioni.
• Imparare a utilizzare e interrogare database NoSQL e SQL per l'estrazione, la manipolazione e l'analisi avanzata dei dati.

👥 Destinatari

Professionisti IT, amministratori di database (DBA), Data Analyst, sviluppatori backend e responsabili tecnici della gestione e analisi dei dati aziendali.

⏱️ Durata e Modalità

• Durata: 23 ore e 30 minuti
• Modalità: E-learning asincrona (Online 24/7)
• Sessioni: Fruizione libera in moduli digitali progressivi con tracciamento automatico dello stato di avanzamento.

📜 Attestato

Al superamento del test finale viene rilasciato un attestato digitale di frequenza a carattere formativo e curriculare, attestante le competenze acquisite in ambito Data Analysis.

✅ Prerequisiti

È raccomandata una conoscenza di base dei concetti legati ai database e ai sistemi informatici aziendali per una fruizione ottimale dei contenuti tecnici.

🎓 Metodologia

Approccio tecnico e analitico erogato online, che integra i fondamenti architetturali dell'ecosistema Big Data con lo studio applicativo dei linguaggi di interrogazione SQL e NoSQL.

📚 Programma Dettagliato

Modulo 1: Introduzione ai BIG Data

• Definizione, caratteristiche e le "V" dei Big Data (Volume, Velocità, Varietà, Veridicità, Valore).
• Evoluzione delle architetture di storage: dai database relazionali tradizionali ai Data Lake e Data Warehouse.
• Ambiti di applicazione, casi d'uso aziendali e impatto strategico della Data Analytics.

Modulo 2: Lavorare con i Big Data

• Infrastrutture e framework per l'elaborazione distribuita.
• Il ciclo di vita del dato: acquisizione (ingestion), archiviazione, elaborazione (processing) e visualizzazione.
• Sfide legate alla privacy, alla sicurezza e alla governance dei dati su larga scala.

Modulo 3: SQL per l’analisi dei dati

• Fondamenti dei database relazionali (RDBMS) e logiche di normalizzazione.
• Sintassi SQL per l'analisi: query di selezione (SELECT), filtri (WHERE, HAVING) e aggregazioni (GROUP BY).
• Manipolazione avanzata: join tra tabelle, subquery e funzioni analitiche per estrarre insight complessi.

Modulo 4: NoSQL per l’analisi dei dati

• Limiti del modello relazionale e introduzione al paradigma NoSQL (Not Only SQL).
• Tipologie di database NoSQL: a documenti, chiave-valore, a grafo e colonnari (es. MongoDB, Cassandra, Redis).
• Casi d'uso e criteri di scelta tra architetture SQL e NoSQL per l'ottimizzazione delle performance analitiche.

✍️ Test Finale

Verifica dell'apprendimento mediante test strutturato a risposta multipla, volto a certificare l'acquisizione delle nozioni architetturali e operative sui linguaggi SQL e NoSQL.