Data Mesh för företagsmiljöer: Design, styrning och drift Träningskurs

Grundläggande principer för Data Mesh

Modul 1: Introduktion och sammanhang

• Utvecklingen av dataarkitektur: DW, Data Lake och uppkomsten av Data Mesh
• Vanliga problem i centraliserade arkitekturer
• Ledande principer för Data Mesh-metoden

Modul 2: Princip 1 – Dataproprietär per domän

• Domänrörig organisation
• Fördelar och utmaningar med att decentralisera ansvar
• Praktiska fall: definition av domäner i ett verkligt företag

Modul 3: Princip 2 – Data som produkt

• Vad är en ”dataprodukt”
• Roller för dataproduktägare
• Bästa praxis för att designa dataprodukter
• Praktisk övning: design av en dataprodukt i grupper

Plattform, styrning och operativt designarbete

Modul 4: Princip 3 – Selvtjäningsplattform

• Komponenter i en modern dataplattform
• Vanliga verktyg i ett Data Mesh-ekosystem (Kafka, dbt, Snowflake, etc.)
• Övning: design av selvtjäningsplattformsarkitektur

Modul 5: Princip 4 – Federerad styrning

• Styrning i decentraliserade miljöer
• Policyer, standarder och automatisering
• Implementering av policyer för datakvalitet, säkerhet och integritet

Modul 6: Organisatorisk design och kulturförändring

• Nya roller i Data Mesh: dataproduktägare, plattformsteam, domängrupper
• Hur man anpassar incitament mellan domäner
• Kulturförändring och förändringsledning

Implementering, verktyg och simulering

Modul 7: Implementerings- och antagningsstrategier

• Utvecklingsplan för att implementera Data Mesh i faser
• Kriterier för att välja pilotdomäner
• Lärdomar från verkliga implementationer

Modul 8: Verktyg, teknik och fallstudier

• Tekniskt lager som är kompatibelt med Data Mesh
• Implementeringsexempel (Netflix, Zalando, etc.)
• Analys av framgångar och misslyckanden

Modul 9: Provsimulering och praktiska fallstudier

• Övningsuppgifter per modul
• Simulerat certifieringsprov
• Genomgång av resultaten och diskussion