Plan du cours

Fondements et Principes du Data Mesh

Module 1 : Introduction et contexte
   • Évolution de l'architecture des données : DW, Data Lake et l'émergence du Data Mesh
   • Problèmes courants dans les architectures centralisées
   • Principes directeurs de l'approche Data Mesh

Module 2 : Principe 1 – Propriété des données par domaine
   • Organisation orientée par domaines
   • Avantages et défis de la décentralisation des responsabilités
   • Études de cas : définition des domaines dans une entreprise réelle

Module 3 : Principe 2 – Données comme produit
   • Qu'est-ce qu'un “data product”
   • Rôles du propriétaire de produit de données
   • Bonnes pratiques pour concevoir des produits de données
   • Exercice pratique : conception d'un data product par équipe

Plateforme, Gouvernance et Conception Opérationnelle

Module 4 : Principe 3 – Plateforme en libre-service
   • Composants d'une plateforme de données moderne
   • Outils courants dans un écosystème Data Mesh (Kafka, dbt, Snowflake, etc.)
   • Exercice : conception d'une architecture de plateforme en libre-service

Module 5 : Principe 4 – Gouvernance fédérée
   • Gouvernance dans les environnements distribués
   • Politiques, normes et automatisation
   • Mise en œuvre des politiques de qualité, sécurité et confidentialité des données

Module 6 : Conception organisationnelle et changement culturel
   • Nouveaux rôles dans Data Mesh : propriétaire de produit de données, équipe de plateforme, équipes de domaine
   • Comment aligner les incitations entre les domaines
   • Transformation culturelle et gestion du changement

Implémentation, Outils et Simulation

Module 7 : Stratégies d'adoption et de mise en œuvre
   • Feuille de route pour mettre en œuvre Data Mesh par phases
   • Critères pour sélectionner les domaines pilotes
   • Leçons apprises des mises en œuvre réelles

Module 8 : Outils, technologies et études de cas
   • Stack technologique compatible avec Data Mesh
   • Exemples d'implémentation (Netflix, Zalando, etc.)
   • Analyse de succès et d'échec

Module 9 : Simulation d'examen et études de cas
   • Exercices de révision par module
   • Simulation d'examen type certification
   • Révision des résultats et discussion

Pré requis

• Connaissances de base en gestion des données, architecture des données ou ingénierie des données
• Familiarité avec les concepts tels que Data Warehouse, Data Lake, ETL/ELT
• Souhaitable : expérience dans des projets de données au niveau entreprise

 21 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires