Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Grundlagen und Prinzipien von Data Mesh
Modul 1: Einführung und Kontext
- Entwicklung der Datenarchitektur: DW, Data Lake und das Aufkommen von Data Mesh
- Häufige Probleme in zentralisierten Architekturen
- Leitprinzipien des Data-Mesh-Ansatzes
Modul 2: Prinzip 1 – Domänenverantwortung für Daten
- Domänenorientierte Organisation
- Vorteile und Herausforderungen der Dezentralisierung von Verantwortlichkeiten
- Praxisbeispiele: Definition von Domänen in einem realen Unternehmen
Modul 3: Prinzip 2 – Daten als Produkt
- Was ist ein "Data Product"?
- Rollen des Data Product Owners
- Best Practices für die Gestaltung von Datenprodukten
- Praxisübung: Design eines Data Products pro Team
Plattform, Governance und operatives Design
Modul 4: Prinzip 3 – Self-Service-Plattform
- Komponenten einer modernen Datenplattform
- gängige Tools in einem Data-Mesh-Ökosystem (Kafka, dbt, Snowflake usw.)
- Übung: Design der Architektur einer Self-Service-Datenplattform
Modul 5: Prinzip 4 – Föderierte Governance
- Governance in verteilten Umgebungen
- Richtlinien, Standards und Automatisierung
- Implementierung von Richtlinien für Datenqualität, Sicherheit und Datenschutz
Modul 6: Organisatorisches Design und kultureller Wandel
- Neue Rollen in Data Mesh: Data Product Owner, Platform Team, Domain Teams
- Wie man Anreize zwischen Domänen ausrichtet
- Kultureller Wandel und Change Management
Implementierung, Tools und Simulation
Modul 7: Strategien für Adoption und Implementierung
- Roadmap zur schrittweisen Implementierung von Data Mesh
- Kriterien zur Auswahl von Pilot-Domänen
- Erkenntnisse aus realen Implementierungen
Modul 8: Tools, Technologien und Fallbeispiele
- Technologiestack für Data Mesh
- Beispiele aus der Praxis (Netflix, Zalando usw.)
- Analyse von Erfolgs- und Misserfolgsfällen
Modul 9: Simulierte Prüfung und Fallstudien
- Wiederholungsübungen pro Modul
- Zertifizierungsähnliche Übungsprüfung
- Auswertung der Ergebnisse und Diskussion
Voraussetzungen
• Grundkenntnisse in Datenmanagement, Datenarchitektur oder Data Engineering
• Vertrautheit mit Konzepten wie Data Warehouse, Data Lake, ETL/ELT
• Wünschenswert: Erfahrung mit datenzentrierten Projekten im Unternehmenskontext
21 Stunden
Erfahrungsberichte (1)
Die Fähigkeit, im 1:1-Modus zu engagieren und sicherzustellen, dass ich Klarheit und Verständnis der diskutierten Konzepte hatte.
Dave - Sea
Kurs - Data Architecture Fundamentals
Maschinelle Übersetzung
