Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
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
Nos clients témoignent (1)
La capacité d'interagir individuellement et de m'assurer que j'avais une clarté et une compréhension des concepts abordés.
Dave - Sea
Formation - Data Architecture Fundamentals
Traduction automatique