Programa do Curso
Fundamentos e Princípios do Data Mesh
Módulo 1: Introdução e contexto
• Evolução da arquitetura de dados: DW, Data Lake e o surgimento do Data Mesh
• Problemas comuns em arquiteturas centralizadas
• Princípios fundamentais da abordagem Data Mesh
Módulo 2: Princípio 1 – Propriedade de dados por domínio
• Organização orientada por domínios
• Benefícios e desafios da descentralização da responsabilidade
• Casos práticos: definição de domínios em uma empresa real
Módulo 3: Princípio 2 – Dados como produto
• O que é um “data product”
• Papéis do data product owner
• Melhores práticas para design de produtos de dados
• Exercício prático: design de um data product em equipe
Plataforma, Governança e Design Operacional
Módulo 4: Princípio 3 – Plataforma de autoatendimento
• Componentes de uma plataforma de dados moderna
• Ferramentas comuns em um ecossistema Data Mesh (Kafka, dbt, Snowflake, etc.)
• Exercício: design de arquitetura de plataforma de autoatendimento
Módulo 5: Princípio 4 – Governança federada
• Governança em ambientes distribuídos
• Políticas, padrões e automação
• Implementação de políticas de qualidade, segurança e privacidade de dados
Módulo 6: Design organizacional e mudança cultural
• Novos papéis no Data Mesh: data product owner, plataforma team, domain teams
• Como alinhar incentivos entre domínios
• Transformação cultural e gestão da mudança
Implementação, Ferramentas e Simulação
Módulo 7: Estratégias de adoção e implementação
• Roadmap para implementar Data Mesh em fases
• Critérios para selecionar domínios piloto
• Lições aprendidas com implementações reais
Módulo 8: Ferramentas, tecnologias e estudos de caso
• Stack tecnológico compatível com Data Mesh
• Exemplos de implementação (Netflix, Zalando, etc.)
• Análise de sucesso e fracasso
Módulo 9: Simulação de exame e casos práticos
• Exercícios de revisão por módulo
• Simulado de exame tipo certificação
• Revisão de resultados e discussão
Requisitos
• Conhecimentos básicos em gerenciamento de dados, arquitetura de dados ou engenharia de dados
• Familiaridade com conceitos como Data Warehouse, Data Lake, ETL/ELT
• Desejável: experiência em projetos de dados a nível empresarial
Declaração de Clientes (1)
A capacidade de Engajar numa base 1:1 e garantir que eu tinha clareza e compreensão sobre os conceitos discutidos.
Dave - Sea
Curso - Data Architecture Fundamentals
Máquina Traduzida