Objectifs de la formation

  • Comprendre les concepts de Domain Driven Design, Data Mesh, Data as a Product, et Data Contracts; Aligner ces concepts avec la gouvernance des données

  • Découvrir les premiers retours d’expériences d’entreprise ayant choisi une architecture Data Mesh

  • Construire sa feuille de route, lister et prioriser les tâches à réaliser, identifier les équipes à impliquer; intégrer le data mesh dans l’existant informatique de l’entreprise

  • Identifier et choisir les outils informatiques utiles dans une démarche Data Mesh

Informations Pratiques

Programme de la formation

Replacer le data mesh dans le contexte des architectures de données

  • Pourquoi est-on arrivé aux limites du couple data warehouse - data lake

  • Comment ont évolué les organisations, du paternalisme au managérisme

  • De l’entreprise centralisée à l’entreprise fédérale

  • Comparaison des architectures : Data Lake, Lakehouse, Data Fabric, Data Hub…

  • Le rôle croissant des métiers dans l’organisation : sa traduction en termes de développements informatiques, le Domain Driven Design (DDD)

  • Evaluer la maturité de votre organisation face au Data Mesh : mise en place d’une matrice de mesure

  • Identifier les domaines métiers à prioriser

Le Data Mesh et sa proposition de valeur

  • Les 4 grands principes du Data Mesh

    • Responsabilisation des métiers

    • Data Product

    • Plateforme libre-service de données

    • Gouvernance fédérée

  • Le data mesh appliqué aux données opérationnelles, et aux données analytiques

  • La responsabilisation des métiers

    • Application du Domain Driven Design aux données

    • Embarquez les data owners pour valoriser leur travail

    • Comment passer de la gouvernance actuelle à une gouvernance orientée métiers

    • Impacts sur l’implémentation

  • Les Data Products

    • Appliquer la démarche de création de produits et services aux données

    • Créer et formaliser les schémas des Data Products

    • Contractualiser les Data Products : les data contracts et leurs outils

    • Le rôle du Data Contract dans l’amélioration de la qualité des données

    • Utilisation de Data Contracts Studio

    • Comment implémenter les Data Products dans l’organisation

    • Conduite du changement : passer à une culture “Confiance Vérifiée” de la consommation de la donnée

  • Mettre en place une plateforme de données en libre-service

    • Industrialiser les Data Products

    • Construire une matrice Domaines Métiers / Centralisation Technique et répartir les rôles entre l’informatique et les métiers

    • Le rôle du Data Steward dans la mise en place du Data Mesh

  • Passer d’une gouvernance des données centralisée (ou absente) à une gouvernance fédérale

    • Répartir les rôles et responsabilités entre les métiers, le data office et l’informatique

    • Faire cohabiter le Data Mesh et la gestion des données de référence (MDM)

    • Equilibrer les contraintes entre l’autonomie des métiers et l’interopérabilité globale du système

    • Coder les différents éléments de la gouvernance : les standards, les règles, les tests, les indicateurs

L’architecture Data Mesh

  • Quel plan de marche pour débuter un projet Data Mesh en un mois

  • Le Data Mesh est une organisation, pas une architecture clef en main

    • L’architecture logique

    • L’architecture technique

  • Comment définir l’architecture d’un Data Product : Collecter, Transformer / Préparer, et Consommer les jeux de données

  • Aligner les besoins des consommateurs et les contraintes des producteurs de données : les ateliers de co-création des Data Products, la formalisation des Data Contracts

  • Publier et partager les Data Products : maximiser l’interopérabilité

  • Garantir la compatibilité ascendante des Data Products

  • Observer et contrôler le cycle de vie des Data Products

  • Respecter les règles de conformité (RGPD et autres)

  • Stratégie et exécution du projet Data Mesh : plan de marche, personnes à impliquer, rôles, charge de travail, budget initial, budget de fonctionnement

Les outils du Data Mesh

  • Le Data Mesh : en interne ou en cloud - avantages et inconvénients des différentes solutions

  • Construire un Data Mesh basé sur les événements - Change Data Capture (CDC) et Data Mesh : les outils de création des pipelines de données

  • Les solutions spécialisées : Nextdata, Starburst, Snowflake, Databricks, Denodo…

  • Les briques à assembler : Estuary Flow, K2view…

  • Les solutions open source : Dremio, Apache…

  • Les architectures complémentaires : Edge, micro-bases de données, etc.

  • Sécurité et conformité de l’architecture

Retours d’expériences

  • Les premières entreprises à avoir mis en place une démarche Data Mesh

  • Difficultés rencontrées, et comment les contourner

  • Bénéfices obtenus, et comment les mesurer

  • Déployer votre premier MVP Data Mesh dans toute l’entreprise

  • Impact de la mise en oeuvre du Data Mesh sur l’acculturation à la donnée dans l’entreprise