Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Grundläggande principer och principer för Data Mesh
Modul 1: Introduktion och sammanhang
• Utvecklingen av datarkitektur: DW, Data Lake och uppkomsten av Data Mesh
• Vanliga problem i centraliserade arkitekturer
• Ledande principer för Data Mesh-ansatsen
Modul 2: Princip 1 – Datägande efter domän
• Domänorienterad 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 “data product”
• Roller för data product owner
• Bäst praxis för att designa dataprodukter
• Praktisk övning: design av en data product av ett team
Plattform, styrning och operativ design
Modul 4: Princip 3 – Självbetjäningsplattform
• Komponenter i en modern dataplattform
• Vanliga verktyg i ett Data Mesh-ekoystem (Kafka, dbt, Snowflake, etc.)
• Övning: design av arkitektur för självbetjäningsplattform
Modul 5: Princip 4 – Federativ styrning
• Styrning i distribuerade miljöer
• Policys, standarder och automatisering
• Implementering av policys för kvalitet, säkerhet och dataintegritet
Modul 6: Organisatorisk design och kulturell förändring
• Nya roller i Data Mesh: data product owner, plattformsteam, domänteam
• Hur man harmoniserar incitament mellan domäner
• Kulturell transformation och förändringshantering
Implementering, verktyg och simulering
Modul 7: Adoptions- och implementeringsstrategier
• Roadmap för att implementera Data Mesh i faser
• Kriterier för att välja pilotdomäner
• Lärdomar från verkliga implementeringar
Modul 8: Verktyg, teknologier och fallstudier
• Teknologisk stack kompatibel med Data Mesh
• Exempel på implementering (Netflix, Zalando, etc.)
• Analys av framgång och misslyckande
Modul 9: Simulering av prov och praktiska fall
• Övningar för upprepning per modul
• Simulering av certifieringsprov
• Granskning av resultat och diskussion
Krav
• Grundläggande kunskaper i hantering av data, dataarkitektur eller dataingenjörskap• Bekantskap med begrepp som Data Warehouse, Data Lake, ETL/ELT• Önskvärt: erfarenhet av företagsdata-projekt
21 timmar
Vittnesmål (1)
Förmågan att engagera på en 1:1-basis och säkerställa att jag hade klarhet och förståelse för de begrepp som diskuterades.
Dave - Sea
Kurs - Data Architecture Fundamentals
Maskintolkat
