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: Von Data Warehouses über Data Lakes bis hin zum Aufkommen von Data Mesh
- Häufige Probleme zentralisierter Architekturen
- Die Leitprinzipien des Data-Mesh-Ansatzes
Modul 2: Prinzip 1 – Domänenbasierte Datenverantwortung
- Organisation nach Domänenstrukturen
- Vor- und Nachteile der Dezentralisierung von Verantwortlichkeiten
- Praxisbeispiele: Bestimmung von Domänen in einem realen Unternehmen
Modul 3: Prinzip 2 – Daten als Produkt
- Was ist ein „Data Product“?
- Die Rolle des Data Product Owners
- Empfehlungen für die Gestaltung von Datenprodukten
- Praktische Übung: Entwurf eines Data Products pro Team
Plattform, Governance und operative Gestaltung
Modul 4: Prinzip 3 – Selbstbedienungsplattform
- Komponenten einer modernen Datenplattform
- Gängige Werkzeuge in einem Data-Mesh-Ökosystem (z. B. Kafka, dbt, Snowflake)
- Übung: Entwurf einer Architektur für eine Selbstbedienungsplattform
Modul 5: Prinzip 4 – Föderierte Governance
- Datengovernance in dezentral organisierten Umgebungen
- Richtlinien, Standards sowie Automatisierungsmöglichkeiten
- Umsetzung von Maßnahmen zur Datenqualität, -sicherheit und Datenschutz
Modul 6: Organisatorisches Design und kultureller Wandel
- Neue Rollen im Data-Mesh-Kontext: Data Product Owner, Plattform-Team sowie Domänenteams
- Wie Anreizsysteme zwischen den einzelnen Domänen abgestimmt werden können
- Kulturelle Transformation und Change Management
Implementierung, Werkzeuge und Simulationen
Modul 7: Strategien zur Adoption und Umsetzung
- Phasengestückter Implementierungsplan für Data Mesh
- Kriterien zur Auswahl von Pilotdomänen
- Erfahrungen und Erkenntnisse aus realen Implementierungen
Modul 8: Werkzeuge, Technologien und Fallstudien
- Technologie-Stack, der zu Data Mesh passt
- Beispiele erfolgreicher Implementierungen (z. B. Netflix, Zalando)
- Analyse von Erfolgs- und Misserfolgsfaktoren
Modul 9: Prüfungssimulationen und praktische Übungen
- Wiederholungsaufgaben zu den einzelnen Modulen
- Simulierter Test im Stil einer Zertifizierungsprüfung
- Auswertung der Ergebnisse und Diskussion
Voraussetzungen
• Grundkenntnisse in Datenmanagement, Datenarchitektur oder Datenengineering
• Vertrautheit mit Begriffen wie Data Warehouse, Data Lake sowie ETL/ELT
• Vorteilhaft: Erfahrung bei Dataprojekten im Unternehmenskontext
21 Stunden
Erfahrungsberichte (1)
Die Fähigkeit, im 1:1-Modus zu engagieren und sicherzustellen, dass ich Klarheit und Verständnis der diskutierten Konzepte hatte.
Dave - Sea
Kurs - Data Architecture Fundamentals
Maschinelle Übersetzung
