Programa del Curso
Fundamentos y Principios de Data Mesh
Módulo 1: Introducción y contexto
• Evolución de la arquitectura de datos: DW, Data Lake y el surgimiento del Data Mesh
• Problemas comunes en arquitecturas centralizadas
• Principios rectores del enfoque Data Mesh
Módulo 2: Principio 1 – Propiedad de datos por dominio
• Organización orientada por dominios
• Beneficios y retos de descentralizar la responsabilidad
• Casos prácticos: definición de dominios en una empresa real
Módulo 3: Principio 2 – Datos como producto
• Qué es un “data product”
• Roles del data product owner
• Buenas prácticas para diseñar productos de datos
• Ejercicio práctico: diseño de un data product por equipo
Plataforma, Gobernanza y Diseño Operativo
Módulo 4: Principio 3 – Plataforma de autoservicio
• Componentes de una plataforma de datos moderna
• Herramientas comunes en un ecosistema Data Mesh (Kafka, dbt, Snowflake, etc.)
• Ejercicio: diseño de arquitectura de plataforma de autoservicio
Módulo 5: Principio 4 – Gobernanza federada
• Gobernanza en entornos distribuidos
• Políticas, estándares y automatización
• Implementación de políticas de calidad, seguridad y privacidad de datos
Módulo 6: Diseño organizacional y cambio cultural
• Nuevos roles en Data Mesh: data product owner, plataforma team, domain teams
• Cómo alinear incentivos entre dominios
• Transformación cultural y gestión del cambio
Implementación, Herramientas y Simulación
Módulo 7: Estrategias de adopción e implementación
• Roadmap para implementar Data Mesh en fases
• Criterios para seleccionar dominios piloto
• Lecciones aprendidas de implementaciones reales
Módulo 8: Herramientas, tecnologías y casos de estudio
• Stack tecnológico compatible con Data Mesh
• Ejemplos de implementación (Netflix, Zalando, etc.)
• Análisis de éxito y fracaso
Módulo 9: Simulación de examen y casos prácticos
• Ejercicios de repaso por módulo
• Simulacro de examen tipo certificación
• Revisión de resultados y discusión
Requerimientos
• Conocimientos básicos en gestión de datos, arquitectura de datos o ingeniería de datos
• Familiaridad con conceptos como Data Warehouse, Data Lake, ETL/ELT
• Deseable: experiencia en proyectos de datos a nivel empresarial
Testimonios (1)
La capacidad de Engauge en una base 1: 1 y asegurarme de que tenía claridad y comprensión sobre los conceptos discutidos.
Dave - Sea
Curso - Data Architecture Fundamentals
Traducción Automática