Big Data

Concevoir et déployer une architecture Data Mesh

14 heures 0 mins

Big Data

Objectifs de la formation

  • Comprendre les fondements et les enjeux du Data Mesh
  • Positionner le Data Mesh dans un écosystème data existant
  • Définir des domaines et des Data Products alignés sur les besoins métiers
  • Concevoir une plateforme self-service et une gouvernance fédérée
  • Construire une feuille de route pragmatique de transformation Data Mesh

Programme de la formation

Évolution des architectures de données

  • De la centralisation à la décentralisation : Data Warehouse, Data Lake, Data Mesh
  • Limites organisationnelles et opérationnelles des architectures classiques
  • Le Data Mesh comme réponse aux enjeux de scalabilité, d’agilité et d’ownership

Les principes fondateurs du Data Mesh

  • Les 4 piliers du Data Mesh :
    • Domain Ownership
    • Data as a Product
    • Self-Service Data Platform
    • Federated Governance
  • Notions clés : domaine, data product, product thinking, gouvernance fédérée
  • Bénéfices attendus, pièges à éviter

Positionner le Data Mesh dans l’écosystème existant

  • Articulation avec Data Lake, Data Fabric, Data Hub
  • Impacts organisationnels et culturels du modèle distribué
  • Identification des rôles : producteurs, consommateurs, gouvernance


Domain-driven ownership et délimitation des domaines

  • Introduction au Domain Driven Design (DDD) appliqué à la data
  • Identification et délimitation des domaines métiers
  • Responsabilités et interfaces entre domaines

Études de cas

Concevoir un Data Product aligné sur les besoins d’un domaine

Concevoir des Data Products

  • Qu’est-ce qu’un Data Product : valeur, qualité, ownership, cycle de vie
  • Modélisation d’un Data Product :
    • Schéma
    • Métadonnées
    • API
    • SLA
  • Intégrations des data product avec les systèmes sources analytiques

Travaux pratiques

Concevoir un data product aligné sur les besoins d’un domaine

Infrastructure et plateforme self-service

  • Capacités clés :
    • Ingestion
    • Sécurité
    • Observabilité
    • Catalogage
  • Automatisation et standardisation des Data Products
  • Exemples d’implémentation sur AWS ou Azure

Travaux pratiques

Définir les capacités techniques d’une plateforme Data Mesh

Federated Computational Governance

  • Principes de la gouvernance fédérée computationelle
  • Politiques de gestion ses accès, conformité et traçabilité
  • Mise en œuvre des standards partagés sans centraliser les décisions

Travaux pratiques

Définition d’un modèle de gouvernance opérationelle

Mesure de la qualité et de la valeur des Data Products

  • Indicateurs de performance et de la qualité des données (KPI, SLA et SLO)
  • Data lineage et observabilité dans un environnement distribué

Construire sa feuille de route Data Mesh

  • Étapes clés :
    • Diagnostic de maturité
    • Pilote
    • Déploiement progressif
    • Industrialisation
  • Facteurs clés de succès et conduite du changement
  • Définir les Rôles et les compétences nécessaires à la tansformation

Travaux pratiques

Elaboration d’une feuille de route Data Mesh pour son organisation

MOYENS PÉDAGOGIQUES ET TECHNIQUES D’ENCADREMENT DES FORMATIONS

Modalités pédagogiques :

  • Évaluation des besoins et du profil des participants.
  • Apport théorique et méthodologique : séquences pédagogiques regroupées en différents modules.
  • Contenus des programmes adaptés en fonction des besoins identifiés pendant la formation.
  • Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de travaux pratiques, étude de cas et mise en situation.
  • Méthodes expositive, active et participative.
  • Réflexion et échanges sur cas pratiques.
  • Retours d'expériences.
  • Corrections appropriées et contrôles des connaissances à chaque étape, fonction du rythme de l’apprenant mais également des exigences requises au titre de la formation souscrite.

Éléments matériels :

  • Mise à disposition des outils nécessaires au bon déroulement des travaux pratiques.
  • Support de cours au format numérique projeté sur écran et transmis au participant en fin de la formation.

Référent pédagogique et formateur :

  • Chaque formation est sous la responsabilité du directeur pédagogique de l’organisme de formation.
  • Le bon déroulement est assuré par le formateur désigné par l’organisme de formation.
MOYENS PERMETTANT LE SUIVI ET L’APPRÉCIATION DES RÉSULTATS
  • Feuilles de présences signées des participants et du formateur par demi-journée.
  • Attestation de fin de formation mentionnant les objectifs, la nature et la durée de l’action et les résultats de l’évaluation des acquis de la formation.
Please login to get access to the quiz
Construire et orchestrer vos pipelines ELT avec DBT et Airflow (Prev Lesson)
(Next Lesson) Big data : passer de la donnée brute à la décision stratégique
Back to Big Data
Public

Data Leaders, CDO, Head of Data, Architectes Data / Cloud, Data Product Managers, Responsables métiers impliqués dans la gouvernance des données

Pré-requis

Connaissances de base des architectures data (DWH, Data Lake), Compréhension des enjeux data & analytics en entreprise

Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en effectuant le test disponible en bas de cette page.

Lieu de formation

Intra-entreprise/à distance

Dates ou période

À définir. Nous consulter

Tarif

Sur devis. Merci de nous contacter

Modalités

Pour s’inscrire à notre formation, veuillez nous contacter par mail ou téléphone.

Démarrage de la formation sous deux semaines (délai indicatif).

Nous contacer
training@profind.fr
Informations complémentaires

Pour toute réclamation, aléas ou difficultés rencontrés pendant la formation, veuillez prendre contact avec notre organisme par téléphone ou par e-mail. Nous mettrons tout en œuvre pour trouver une solution adapter.

Formation synchrone, réalisée à distance en visioconférence via l’application Microsoft Teams ou en présentiel dans les locaux du client.

Sur le même thème