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 Auftreten des Data Mesh
• Gemeinsame Probleme in zentralisierten Architekturen
• Leitprinzipien des Data-Mesh-Ansatzes
Modul 2: Prinzip 1 – Dateneigentum nach Domänen
• Domänenorientierte Organisation
• Vorteile und Herausforderungen der Entzentralisierung der Verantwortung
• 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 die Gestaltung von Datenprodukten
• Praktische Übung: Entwurf 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: Entwurf der Architektur einer Selbstbedienungsplattform
Modul 5: Prinzip 4 – Föderierte Governance
• Governance in verteilten Umgebungen
• Richtlinien, Standards und Automatisierung
• Implementierung von Datenqualitäts-, Sicherheits- und Datenschutzrichtlinien
Modul 6: Organisationsdesign und Kulturaufbruch
• Neue Rollen in Data Mesh: Data-Product-Owner, Plattformsteam, DomänenTeams
• Ausrichtung von Anreizen zwischen den Domänen
• Kulturtransformation und Change Management
Implementierung, Tools und Simulation
Modul 7: Adoptions- und Implementierungsstrategien
• Roadmap zur schrittweisen Implementierung von Data Mesh
• Kriterien für die Auswahl von Pilotdomänen
• Erkenntnisse aus realen Implementierungen
Modul 8: Tools, Technologien und Fallstudien
• Kompatibles technisches Stack für Data Mesh
• Beispiele von Implementierungen (Netflix, Zalando, etc.)
• Erfolgs- und Misserfolgsanalysen
Modul 9: Prüfungssimulation und praktische Fälle
• Übungen zur Wiederholung nach Modulen
• Simulierte Zertifizierungsprüfung
• Bewertung der Ergebnisse und Diskussion
Voraussetzungen
• Grundkenntnisse in Datenverwaltung, Datenarchitektur oder Dateningenieurwesen
• Vertrautheit mit Konzepten wie Data Warehouse, Data Lake, ETL/ELT
• Wünschenswert: Erfahrung in unternehmensweiten Dataprojekten
21 Stunden
Erfahrungsberichte (1)
Die Fähigkeit, mich auf einer 1:1-Basis einzubringen und sicherzustellen, dass ich Klarheit und Verständnis für die besprochenen Konzepte habe.
Dave - Sea
Kurs - Data Architecture Fundamentals
Maschinelle Übersetzung
