A l'issue de cette formation, vous serez capable de :

• Définir et concevoir un maillage de données (Data Mesh) d'entreprise selon les meilleurs pratiques et outils
• Identifier, définir et déployer des produits Data interopérables et optimaux avec ce maillage
• Etablir une structure organisationnelle capable d'opérer les produits, plateformes et fabriques de Data.

Jour 1

Qu'est-ce qu'un maillage de données ?

• Les limites de l'approche monolithique et centralisée de la gestion des données
• Challenges Data des entreprises innovantes : autonomie, rapidité, agilité
• Principes d'un maillage de données
• Caractéristiques d'un produit Data moderne

Exemple de travaux pratiques (à titre indicatif)

• Analyse de cas d'étude issus de la réalité montrant l'avant et l'après mise en place d'un Data Mesh

Concevoir, définir et déployer un maillage de données

• Interfaces d'ingestion
• Interfaces de consommation
• Interfaces de découvrabilité
• Interfaces d'observabilité
• Interfaces de gouvernance
• Mise en application des politiques
• Contrats de données
• Acteurs d'un projet de maillage de données

Exemples de travaux pratiques (à titre indicatif)

• Conception et définition du Data Mesh du cas pratique fil rouge

Architecture d'un maillage de données

• Marketplace
• Registre
• Console
• Fabrique

Exemple de travaux pratiques (à titre indicatif)

• Architecture détaillée du Data Mesh du cas fil rouge

Jour 2

Piloter les produits Data avec des contrats de données

• Qu'est-ce que la Qualité de Service (QoS) Data ?
• Importance du versioning et de la simplicité
• Le défi de la sémantique
• Représentation des données
• Dimensions de la qualité des données
• Les niveaux de service pour complémenter la qualité des données
• Formaliser la QoS Data sous la forme d'un contrat de données

Exemples de travaux pratiques (à titre indicatif)

• Définition et implémentation de contrats de données et de produits Data pour le cas fil rouge

Maillage de données et IA Générative

• Rappels sur l'IA Générative et les LLM
• Challenges de l'IA Générative du point de vue de la Data
• Exemple d'architecture pour l'IA Générative

Exemples de travaux pratiques (à titre indicatif)

• Intégration de l'IA Générative dans le cas fil rouge et mise à jour du Data Mesh

Etablir la Data Mesh Team

• Topologie des équipes dans un maillage de données
• L'équipe Data Product
• Rôles et responsabilités clés
• Data Product Owner
• Release Manager
• Manager métadonnées et gouvernance
• Manager données et sécurité
• Manager des services de consommation
• Manager des services d'ingestion
• Matrice des compétences Data Product

Exemple de travaux pratiques (à titre indicatif)

• Conception de l'équipe en charge du Data Mesh du cas fil rouge

Définir un modèle opératoire de maillage de données

• Le maillage de données : un écosystème d'écosystèmes
• Exigences du modèle opératoire
• Impact du couplage faible / fort dans un modèle opératoire
• Avantages et inconvénients des alternatives de modèles opératoires

Exemple de travaux pratiques (à titre indicatif)

• Conception du modèle opératoire du cas fil rouge