Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Fondamenti e Principi di Data Mesh
Modulo 1: Introduzione e contesto
• Evoluzione dell'architettura dei dati: DW, Data Lake e l'emergere del Data Mesh
• Problemi comuni nelle architetture centralizzate
• Principi guida dell'approccio Data Mesh
Modulo 2: Principio 1 – Proprietà dei dati per dominio
• Organizzazione orientata ai domini
• Benefici e sfide della decentralizzazione delle responsabilità
• Caso pratico: definizione di domini in un'azienda reale
Modulo 3: Principio 2 – Dati come prodotto
• Cosa è un "data product"
• Ruoli del data product owner
• Best practice per la progettazione di prodotti dati
• Esercizio pratico: progettazione di un data product in gruppi
Piattaforma, Governance e Design Operativo
Modulo 4: Principio 3 – Piattaforma self-service
• Componenti di una moderna piattaforma dati
• Strumenti comuni in un ecosistema Data Mesh (Kafka, dbt, Snowflake, etc.)
• Esercizio: progettazione dell'architettura di una piattaforma self-service
Modulo 5: Principio 4 – Governance federata
• Governance in ambienti distribuiti
• Politiche, standard e automazione
• Implementazione di politiche di qualità, sicurezza e privacy dei dati
Modulo 6: Design organizzativo e cambiamento culturale
• Nuovi ruoli in Data Mesh: data product owner, team di piattaforma, team di dominio
• Come allineare gli incentivi tra i domini
• Trasformazione culturale e gestione del cambiamento
Implementazione, Strumenti e Simulazione
Modulo 7: Strategie di adozione e implementazione
• Roadmap per l'implementazione di Data Mesh in fasi
• Criteri per la selezione dei domini pilota
• Lezioni apprese da implementazioni reali
Modulo 8: Strumenti, tecnologie e casi studio
• Stack tecnologico compatibile con Data Mesh
• Esempi di implementazione (Netflix, Zalando, etc.)
• Analisi del successo e del fallimento
Modulo 9: Simulazione dell'esame e casi pratici
• Esercizi di ripasso per modulo
• Simulacro di esame tipo certificazione
• Revisione dei risultati e discussione
Requisiti
• Conoscenze di base in gestione dei dati, architettura dei dati o ingegneria dei dati
• Familiarità con concetti come Data Warehouse, Data Lake, ETL/ELT
• Desiderabile: esperienza in progetti di dati a livello aziendale
21 Ore
Recensioni (1)
La capacità di valutare su una base 1: 1 e assicurarmi di avere chiarezza e comprensione sui concetti discussi.
Dave - Sea
Corso - Data Architecture Fundamentals
Traduzione automatica
