Prenez contact avec nous

Plan du cours

Fondements et principes de Data Mesh

Module 1 : Introduction et contexte

  • Évolution de l'architecture des données : Data Warehouse, Data Lake et l'émergence de 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 les domaines
  • Avantages et défis de la décentralisation des responsabilités
  • Études de cas : définition des domaines dans une entreprise réelle

Module 3 : Principe 2 – Les données en tant que produit

  • Qu'est-ce qu'un "data product" ?
  • Rôle du data product owner
  • Bonnes pratiques pour concevoir des produits de données
  • Atelier pratique : conception d'un data product par équipe

Plateforme, gouvernance et conception opérationnelle

Module 4 : Principe 3 – Plateforme d'auto-assistance

  • Composants d'une plateforme de données moderne
  • Outils courants dans un écosystème Data Mesh (Kafka, dbt, Snowflake, etc.)
  • Atelier : conception de l'architecture d'une plateforme d'auto-assistance

Module 5 : Principe 4 – Gouvernance fédérée

  • Gouvernance dans les environnements distribués
  • Politiques, standards et automatisation
  • Mise en œuvre des politiques de qualité, de sécurité et de confidentialité des données

Module 6 : Conception organisationnelle et changement culturel

  • Nouveaux rôles dans Data Mesh : data product owner, plateforme team, équipes de domaine
  • Comment aligner les incitations entre les domaines
  • Transformation culturelle et gestion du changement

Mise en œuvre, outils et simulation

Module 7 : Stratégies d'adoption et de mise en œuvre

  • Feuille de route pour implémenter Data Mesh par étapes
  • Critères pour sélectionner les domaines pilotes
  • Retours d'expérience tirés d'implémentations réelles

Module 8 : Outils, technologies et études de cas

  • Stack technologique compatible avec Data Mesh
  • Exemples d'implémentation (Netflix, Zalando, etc.)
  • Analyse des succès et des échecs

Module 9 : Simulation d'examen et études de cas pratiques

  • Exercices de révision par module
  • Simulation d'examen type certification
  • Retour sur les résultats et discussion

Pré requis

• Connaissances de base en gestion des données, architecture des données ou ingénierie des données
• Familiarité avec des concepts tels que l'entrepôt de données (Data Warehouse), le lac de données (Data Lake), ETL/ELT
• Souhaitable : expérience sur des projets de données au niveau de l'entreprise

 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires