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
- Evolution 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
- Domänengesteuerte Organisation
- Vorteile und Herausforderungen der Dezentralisierung der Verantwortung
- Praxisbeispiele: Definition von Domänen in einem echten Unternehmen
Modul 3: Prinzip 2 – Daten als Produkt
- Was ist ein „Data Product“?
- Rolle des Data-Product-Owners
- Best Practices für das Design von Data Products
- Übung: Design eines Data Products durch das Team
Plattform, Governance und operatives Design
Modul 4: Prinzip 3 – Self-Service-Plattform
- Komponenten einer modernen Datenplattform
- Häufige Tools im Data-Mesh-Ökosystem (Kafka, dbt, Snowflake usw.)
- Übung: Design der Architektur einer Self-Service-Datenplattform
Modul 5: Prinzip 4 – Federierte Governance
- Governance in verteilten Umgebungen
- Richtlinien, Standards und Automatisierung
- Implementierung von Richtlinien für Datenqualität, Sicherheit und Datenschutz
Modul 6: Organisationsdesign und kultureller Wandel
- Neue Rollen in Data Mesh: Data-Product-Owner, Plattformteam, Domänenteams
- Wie man Anreize zwischen Domänen ausrichtet
- Kultureller Wandel und Change Management
Implementierung, Tools und Simulation
Modul 7: Strategien für Adoption und Implementierung
- Fahrplan zur phasenweisen Implementierung von Data Mesh
- Kriterien zur Auswahl der Pilotdomänen
- Lernende aus realen Implementierungen
Modul 8: Tools, Technologien und Fallstudien
- Tech-Stack, der mit Data Mesh kompatibel ist
- Implementierungsbeispiele (Netflix, Zalando usw.)
- Erfolgs- und Misserfolgsanalyse
Modul 9: Prüfungssimulation und Praxisfälle
- Modulspezifische Wiederholungsaufgaben
- Zertifizierungsähnliche Prüfungsübungen
- Ergebnissprechung und Diskussion
Voraussetzungen
• Grundkenntnisse in Datenmanagement, Datenarchitektur oder Data Engineering
• Vertrautheit mit Konzepten wie Data Warehouse, Data Lake, ETL/ELT
• Von Vorteil: Erfahrung mit datenzentrierten Projekten auf Unternehmensebene
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
