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 Entstehen des Data Mesh
- Übliche Probleme in zentralisierten Architekturen
- Leitprinzipien des Data Mesh-Ansatzes
Modul 2: Prinzip 1 – Datenbesitz durch Domäne
- Domänenorientierte Organisation
- Vorteile und Herausforderungen der Dezentralisierung von Verantwortlichkeiten
- Praktische Fälle: 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 den Design von Datenprodukten
- Praktische Übung: Design eines Datenprodukts in Teams
Plattform, Governance und operativer Design
Modul 4: Prinzip 3 – Selbstbedienungsplattform
- Komponenten einer modernen Datenplattform
- Gängige Tools in einem Data Mesh-Ökosystem (Kafka, dbt, Snowflake, etc.)
- Übung: Design der Architektur einer Selbstbedienungsplattform
Modul 5: Prinzip 4 – Föderierte Governance
- Governance in verteilten Umgebungen
- Richtlinien, Standards und Automatisierung
- Implementierung von Qualitäts-, Sicherheits- und Datenschutzrichtlinien
Modul 6: Organisationsdesign und kultureller Wandel
- Neue Rollen in Data Mesh: Data Product Owner, Plattformsteam, Domänen-Teams
- Wie Anreize zwischen Domänen aligniert werden können
- Kulturelle Transformation und Veränderungsmanagement
Implementierung, Tools und Simulation
Modul 7: Adoption- und Implementierungsstrategien
- Roadmap für die schrittweise Implementierung von Data Mesh
- Kriterien zur Auswahl von Pilotdomänen
- Lernpunkte aus realen Implementierungen
Modul 8: Tools, Technologien und Fallstudien
- Technischer Stack für Data Mesh
- Implementierungsbeispiele (Netflix, Zalando, etc.)
- Erfolgs- und Misserfolgsanalyse
Modul 9: Prüfungssimulation und praktische Fälle
- Übungen zur Wiederholung nach Modul
- Simulierte Zertifizierungsprüfung
- Ergebnisprüfung und Diskussion
Voraussetzungen
• Grundkenntnisse in Datenmanagement, Datenarchitektur oder Dateningenieurwesen
• Vertrautheit mit Konzepten wie Data Warehouse, Data Lake, ETL/ELT
• Wünschenswert: Erfahrung in datenbezogenen Unternehmensprojekten
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
