Data Mesh: Einführung

für Softwarearchitekt:innen und Datenexpert:innen – 2 Tage

Dates and Booking

Description

In diesem Training zeigen wir dir, was die vier Prinzipien von Data Mesh bedeuten. Du lernst die Herausforderungen der Einführung von Data Mesh kennen und bekommst Empfehlungen für ein schrittweises Vorgehen. Wir werden gemeinsam ein Datenprodukt, das zentrale Element in einem Data Mesh, mithilfe unseres Data Product Canvas entwerfen und die Implementierungsalternativen aufzeigen. Am Ende des Workshops kannst du die soziotechnischen Implikationen von Data Mesh bewerten und Datenprodukte entwerfen.

Das Konzept Data Mesh basiert auf domänenorientierten, dezentralisierten Datenarchitekturen und ermöglicht es Entwicklungsteams, Datenanalysen autonom durchzuführen. Data Mesh ist eine sozio-technische Datenarchitektur und wird in Form der folgenden vier Prinzipien präsentiert:

Das “Domain Ownership”-Prinzip setzt voraus, dass die Domänenteams die Verantwortung für ihre Daten übernehmen. Nach diesem Prinzip sollten analytische Daten in Domänen aufgebaut sein, ähnlich wie die Teamgrenzen, die mit den Bounded Contexts übereinstimmen. Die Verantwortung für analytische und operative Daten wird von dem zentralen Datenteam auf die Domain Teams übertragen.

Das Prinzip “Data as a Product” wendet die Philosophie des Produktdenkens auf analytische Daten an. Dieser Grundsatz bedeutet, dass es für die Daten Verbraucher jenseits der Domäne gibt. Das Domänenteam ist dafür verantwortlich, die Bedürfnisse anderer Domänen durch die Bereitstellung hochwertiger Daten als Datenprodukte zu befriedigen. Im Grunde sollten die Domänendaten wie jede andere öffentliche API behandelt werden.

Das dritte Prinzip besteht darin, die “Platform Thinking”-Idee auf die Dateninfrastruktur zu übertragen. Ein spezielles Datenplattformteam stellt domänenagnostische Funktionen, Werkzeuge und Systeme zur Erstellung und Konsum von interoperabler Datenprodukte für alle Domänen bereit.

Das Prinzip “Federated Computational Governance” stellt organisationsübergreifende Prozesse für Data Governance dar. Mit diesem Prinzip erreicht man die Interoperabilität aller Datenprodukte durch eine Standardisierung, die von der Governance-Gilde bestimmt wird. Das Hauptziel ist die Einhaltung der organisatorischen Regeln und der Regularien der Branche.

Agenda

Die Motivation zu Data Mesh. Was sind typische Probleme im Data Engineering, die zur Dezentralisierung von Datenarchitekturen führen?

Wann ist Data Mesh ein richtiger Ansatz?

Das Prinzip “Domain Ownership”

Das Prinzip “Data as a Product”

Das Prinzip “Self-serve Data Platform”

Das Prinzip “Federated Computational Governance”

Entwurf eines Datenprodukts

Your Benefits

Lerne den Unterschied zwischen operativen und analytischen Daten.

Lerne die wichtigsten Data-Mesh-Prinzipien wie “Domain Ownership”, “Data as a Product”, “Self-serve Data Platform” und “Federated Computational Governance” kennen.

Lerne, wie man ein Datenprodukt entwirft.

Lerne das Zusammenspiel zwischen mehreren Datenprodukten in einem Data Mesh kennen.

Lerne die Bedeutung soziotechnischer Aspekte innerhalb eines Data Mesh kennen.

Audience

Softwarearchitekt:innen, Datenexpert:innen

Training Objectives

Data-Mesh-Konzepte für dezentralisierte Datenarchitekturen verstehen

Entwurf und Implementierung von Datenprodukten kennenlernen

Die vier Data-Mesh-Prinzipien verstehen

Technische und soziotechnische Komponenten für Data Mesh definieren können

Your Trainers

Dr. Larysa Visengeriyeva

INNOQ

Machine Learning and MLOps

Larysa is a senior consultant with INNOQ in Berlin. She received her doctorate in Augmented Data Quality Management at the TU Berlin. At INNOQ she is working on the operationalization of Machine Learning (MLOps). She’s the author of ml-ops.org.

Jochen Christ

INNOQ

Self-contained Systems, Autor von rest-feeds.org

Jochen Christ is a Senior Consultant at INNOQ. He is an experienced software architect and Data Mesh specialist. He has supported over 10 companies in the introduction of Data Mesh. Jochen is co-author of datamesh-architecture.com, datamesh-governance, and datacontract.com.

Dr. Simon Harrer

INNOQ

Passende Architektur, Clean Code, Remote Mob Programming

Dr. Simon Harrer is a Senior Consultant at INNOQ. He is a software developer at heart who has now turned to the dark side, namely the world of data. He co-authored datamesh-architecture.com and translated the Data Mesh book by Zhamak Dehghani into German. He is currently developing the Data Mesh Manager, a SaaS product to fast-track any data mesh initiative.

Theo Pack

INNOQ

Software-Architektur, verteilte Systeme, Cloud-Native

Theo ist Senior Consultant bei INNOQ und seit 10+ in der Softwareentwicklung tätig. Er begeistert sich für Cloud-native Anwendungen, verteilte Systeme, Domain-driven Design, DevOps und agile Softwareentwicklung.

Technical Information and Books

Data Mesh

Wir befinden uns an einem Wendepunkt im Umgang mit Daten. Unser bisheriges Datenmanagement wird den komplexen Organisationsstrukturen, den immer zahlreicheren Datenquellen und dem zunehmenden Einsatz von KI nicht mehr gerecht. Dieses praxisorientierte Buch von Zhamak Dehghani führt dich in Data Mesh ein, ein dezentrales soziotechnisches Konzept basierend auf modernen verteilten Architekturen. Data Mesh ist ein neuer Ansatz für die Beschaffung, Bereitstellung, den Zugriff und die Verwaltung analytischer Daten, der auch skaliert. Ins Deutsche übersetzt von unseren Trainern Jochen Christ und Simon Harrer.

Online Courses

Dates by Request

On-site Courses

Event ticketing software by pretix

In-House Training

You can also book this training as an in-house training course exclusively for your team. Please use the enquiry form for more details.

Enquire now