110 : Analyser et représenter des données avec des outils

Compétences

• Liest Daten zu Analyse ein, validiert diese und erstellt mit Hilfe geeigneter Metriken, Grenzwerte und Indikatoren Reports und graphische Darstellungen von Monitoring Daten. Gibt Daten anonymisiert an Dritte weiter.

Objectifs opérationnels

1. Gewinnt aus vorhandenen Daten Indikatoren für Bildung von Reports.
2. Definiert Grenzwerte für Alerts.
3. Erstellt mit Hilfe eines Tools geeignete graphische Darstellungen von Daten.
4. Beschreibt ein SRE Konzept inklusive Erklärung relevanter Begriffe (zB SLI, SLO, etc).
5. Analysiert Daten mit geeigneter Software.
6. Validiert eingelesene Daten.
7. Stellt personenbezogene Daten anonymisiert zur Weiterverarbeitung bereit.
8. Definiert geeignete Metriken für das Softwaremonitoring.
9. Zieht Daten aus Logs heraus und interpretiert diese.

Liens domaine de compétence opérationnels

Domaine de compétence

Domaine de compétence	Monitoring, Datenanalyse, Datenaufbereitung
Objet	Unbearbeitete Monitoring Daten (zB Logdaten)
Attestation
Prérequis
Nombre de leçons	env. 40
Reconnaissance	Certificat fédéral de capacité

Connaissances opérationnelles nécessaires

1	1.1	Kennt Indikatoren, welche für die Bildung von Reports benötigt werden (z.B. Zeit, Fehlerhäufigkeit).
	1.2	Kennt den Aufbau eines Reports.
2	2.1	Kennt die Definition eines Grenzwertes für Alerts.
	2.2	Kennt Methoden, um Alerts zu erstellen.
3	3.1	Kennt verschiedene Diagrammtypen und dessen Anwendung (z.B. Balkendiagramm, Kuchendiagramm, logarithmische Darstellung).
	3.2	Kennt gängige Monitoring Tools.
4	4.1	Kenn die Definition von Site Reliability Engineering.
	4.2	Kennt die Grundbegriffe des Site Reliability Engineerings (zB SRE, SLA, SLI, SLO, Error Budget, Percentile).
5	5.1	Kennt Werkzeuge, um Daten automatisiert einzulesen.
	5.2	Kennt Methoden, um Daten zum Einlesen aufzubereiten.
6	6.1	Kennt Kriterien zur Validierung (z.B. Grenzwerte, Formate).
	6.2	Kennt einfache Validierungsmethoden (zB Denylist, Allowlist, Stichprobennahme).
7	7.1	Kennt Verfahren zur Anonymisierung von Daten.
	7.2	Kennt den Unterschied zwischen Pseudonymisierung und Anonymisierung.
	7.3	Kennt die Wichtigkeit der Anonymisierung von Daten in Bezug auf Datenschutz.
8	8.1	Kennt verschiedene Matrik-Klassifikationen.
	8.2	Kennt Kriterien zur Bewertung einer Metrik.
9	9.1	Kennt gängige Loggingframeworks (z.B. ELK Stack, Splunk).
	9.2	Kennt Anforderungen mit dem Umgang von sensiblen Daten (zB Passwörter) in Log Daten.
	9.3	Kennt den Schutzbedarf von Daten in Logs und Logs (Least Information Principle).