Plan du cours

Fondements et Principes du Data Mesh

Module 1 : Introduction et contexte

  • Évolution de l’architecture des données : DW, Data Lake et l’émergence du Data Mesh
  • Problèmes courants dans les architectures centralisées
  • Principes directeurs de l'approche Data Mesh

Module 2 : Principe 1 – Propriété des données par domaine

  • Organisation axée sur les domaines
  • Avantages et défis de la décentralisation de la responsabilité
  • Cas pratiques : définition des domaines dans une entreprise réelle

Module 3 : Principe 2 – Données comme produit

  • Qu'est-ce qu'un « data product »
  • Rôles du propriétaire de produit de données (data product owner)
  • Bonnes pratiques pour concevoir des produits de données
  • Exercice pratique : conception d’un data product par équipe

Plateforme, Gouvernance et Design Opérationnel

Module 4 : Principe 3 – Plateforme de self-service

  • Composants d’une plateforme de données moderne
  • Outils courants dans un écosystème Data Mesh (Kafka, dbt, Snowflake, etc.)
  • Exercice : conception d’une architecture de plateforme de self-service

Module 5 : Principe 4 – Gouvernance fédérée

  • Gouvernance dans les environnements distribués
  • Politiques, standards et automatisation
  • Mise en œuvre des politiques de qualité, sécurité et confidentialité des données

Module 6 : Design organisationnel et changement culturel

  • Nouveaux rôles dans le Data Mesh : data product owner, équipe de plateforme, équipes de domaine
  • Comment aligner les incitatifs entre les domaines
  • Transformation culturelle et gestion du changement

Mise en Œuvre, Outils et Simulation

Module 7 : Stratégies d’adoption et de mise en œuvre

  • Feuille de route pour mettre en œuvre le Data Mesh par phases
  • Critères pour sélectionner des domaines pilotes
  • Leçons tirées d’implémentations réelles

Module 8 : Outils, technologies et études de cas

  • Stack technologique compatible avec le Data Mesh
  • Exemples d’implémentation (Netflix, Zalando, etc.)
  • Analyse des succès et des échecs

Module 9 : Simulation d’examen et cas pratiques

  • Exercices de révision par module
  • Simulacre d’examen type certification
  • Révision des résultats et discussion

Pré requis

• Connaissances de base en gestion de données, architecture de données ou ingénierie des données
• Familiarité avec les concepts tels que le Data Warehouse, le Data Lake, ETL/ELT
• Désirable : expérience dans des projets de données au niveau entreprise

 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires