Εξέλιξη Κομματιού

Βασικές Αρχές και Προσαρμογές Data Mesh

Μόνιμο 1: Εισαγωγή και κύριε χώρος

  • Εξέλιξη της αρχιτεκτονικής δεδομένων: DW, Data Lake και η εμφάνιση του Data Mesh
  • Κοινά προβλήματα σε απόκεντρες αρχιτεκτονικές
  • Οδηγίες για την προσέγγιση Data Mesh

Μόνιμο 2: Αρχή 1 – Ιδιοκτησία δεδομένων από τον τομέα

  • Οργάνωση που εξυπηρετεί τους τομείς
  • Πλεονεκτικές και προκλήσεις από την κατανομή ευθύνης
  • Πρακτικά περιπτώσεις: ορισμός τομέων σε μια πραγματική εταιρεία

Μόνιμο 3: Αρχή 2 – Δεδομένα ως προϊόν

  • Τι είναι ένα «data product»
  • Ρόλοι δημιουργού data product
  • Καλές πρακτικές για το σχεδιασμό προϊόντων δεδομένων
  • Πρακτική εξάσκηση: σχεδιασμός data product από την ομάδα

Πλατφόρμη, Διακυβέρνηση και Λειτουργική Σχεδίαση

Μόνιμο 4: Αρχή 3 – Πλατφόρμα αυτού της υπηρεσίας

  • Συστατικά μιας σύγχρονης πλατφόρμας δεδομένων
  • Κοινά εργαλεία σε ένα δίκτυο Data Mesh (Kafka, dbt, Snowflake κλπ.)
  • Εξάσκηση: σχεδιασμός αρχιτεκτονικής πλατφόρμας υπηρεσίας

Μόνιμο 5: Αρχή 4 – Κεντρική διακυβέρνηση

  • Διακυβέρνηση σε κατανεμημένες περιβάλλοντα
  • Πολιτική, πρότυπα και αυτομάτωση
  • Υλοποίηση πολιτικών ποιότητας, ασφάλειας και προσωπικής δεδομένης

Μόνιμο 6: Διαχείριση οργάνωση και αλλαγή πολιτισμού

  • Νέοι ρόλοι στο Data Mesh: δημιουργός data product, ομάδα πλατφόρμας, τομείς
  • Πώς να αντισυνεχίζεται τα κίνητρα μεταξύ των τομέων
  • Αλλαγή πολιτισμού και διαχείριση αλλαγών

Υλοποίηση, εργαλεία και πρακτική υποδοχή

Μόνιμο 7: Συναφές στρατηγική και εφαρμογή

  • Κατεύθυνση για την υλοποίηση Data Mesh σε βάθος
  • Κριτήρια επιλογής προδιαγραφών
  • Μάθημα από πρακτικές υλοποιήσεις

Μόνιμο 8: Εργαλεία, τεχνολογίες και περιπτώσεις μελετών

  • Τεχνολογικό stack συμβατό με Data Mesh
  • Πρακτικές υλοποιήσεις (Netflix, Zalando κλπ.)
  • Ανάλυση επιτυχίας και αποτυχίας

Μόνιμο 9: Πρακτική υποδοχή εξέταση και περιπτώσεις μελετών

  • Εξάσκηση αναθεώρησης των μονίμων
  • Προτυπική πρόβλεψη εξέταση προσδιορισμένης
  • Ανάθεση αποτελεσμάτων και συζήτηση

Απαιτήσεις

• Βασικές γνώσεις στη διοίκηση δεδομένων, αρχιτεκτονική δεδομένων ή μηχανική δεδομένων
• Γνώση κανθριπινών όπως Data Warehouse, Data Lake, ETL/ELT
• Προτείνεται: εμπειρία σε επιχειρηματικά πρόγραμμα δεδομένων

 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες