Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Βασικές Αρχές και Αρχές του Data Mesh

Ενότητα 1: Εισαγωγή και πλαίσιο

  • Εξέλιξη της αρχιτεκτονικής δεδομένων: DW, Data Lake και η ανάδυση του Data Mesh
  • Κοινά προβλήματα σε κεντρικοποιημένες αρχιτεκτονικές
  • Κατευθυντήριες αρχές της προσέγγισης Data Mesh

Ενότητα 2: Αρχή 1 – Ιδιοκτησία δεδομένων ανά τομέα

  • Οργάνωση προσανατολισμένη στους τομείς
  • Οφέλη και προκλήσεις της αποκέντρωσης της ευθύνης
  • Πρακτικές περιπτώσεις: ορισμός τομέων σε μια πραγματική εταιρεία

Ενότητα 3: Αρχή 2 – Δεδομένα ως προϊόν

  • Τι είναι ένα "προϊόν δεδομένων"
  • Ρόλοι του data product owner
  • Καλές πρακτικές για το σχεδιασμό προϊόντων δεδομένων
  • Πρακτική άσκηση: σχεδιασμός ενός προϊόντος δεδομένων ανά ομάδα

Πλατφόρμα, Διακυβέρνηση και Λειτουργικός Σχεδιασμός

Ενότητα 4: Αρχή 3 – Πλατφόρμα αυτοεξυπηρέτησης

  • Συνιστώσες μιας σύγχρονης πλατφόρμας δεδομένων
  • Κοινά εργαλεία σε ένα οικοσύστημα Data Mesh (Kafka, dbt, Snowflake, κ.λπ.)
  • Άσκηση: σχεδιασμός αρχιτεκτονικής πλατφόρμας αυτοεξυπηρέτησης

Ενότητα 5: Αρχή 4 – Ομοσπονδιακή διακυβέρνηση

  • Διακυβέρνηση σε κατανεμημένα περιβάλλοντα
  • Πολιτικές, πρότυπα και αυτοματοποίηση
  • Υλοποίηση πολιτικών ποιότητας, ασφάλειας και απορρήτου δεδομένων

Ενότητα 6: Οργανωτικός σχεδιασμός και πολιτισμική αλλαγή

  • Νέοι ρόλοι στο Data Mesh: data product owner, ομάδα πλατφόρμας, ομάδες τομέων
  • Πώς να ευθυγραμμίσετε τα κίνητρα μεταξύ των τομέων
  • Πολιτισμική μετάβαση και διαχείριση της αλλαγής

Υλοποίηση, Εργαλεία και Προσομοίωση

Ενότητα 7: Στρατηγικές υιοθέτησης και υλοποίησης

  • Χρονοδιάγραμμα για την υλοποίηση του Data Mesh σε φάσεις
  • Κριτήρια για την επιλογή πιλοτικών τομέων
  • Διδάγματα από πραγματικές υλοποιήσεις

Ενότητα 8: Εργαλεία, τεχνολογίες και μελέτες περίπτωσης

  • Τεχνολογικό stack συμβατό με το Data Mesh
  • Παραδείγματα υλοποίησης (Netflix, Zalando, κ.λπ.)
  • Ανάλυση επιτυχίας και αποτυχίας

Ενότητα 9: Προσομοίωση εξέτασης και πρακτικές περιπτώσεις

  • Ασκήσεις ανασκόπησης ανά ενότητα
  • Προσομοίωση εξέτασης τύπου πιστοποίησης
  • Ανασκόπηση αποτελεσμάτων και συζήτηση

Απαιτήσεις

• Βασικές γνώσεις στη διαχείριση δεδομένων, την αρχιτεκτονική δεδομένων ή τη μηχανική δεδομένων
• Εξοικείωση με έννοιες όπως Data Warehouse, Data Lake, ETL/ELT
• Επιθυμητή: εμπειρία σε έργα δεδομένων σε επιχειρηματικό επίπεδο

 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες