Contacta con nosotros

Temario del curso

Fundamentos y Principios de Data Mesh

Módulo 1: Introducción y contexto

  • Evolución de la arquitectura de datos: Warehouses, Data Lakes y el surgimiento del modelo Data Mesh.
  • Problemáticas frecuentes en arquitecturas centralizadas.
  • Principios rectores que definen el enfoque Data Mesh.

Módulo 2: Principio 1 – Propiedad de datos por dominio

  • Organización basada en dominios.
  • Ventajas y desafíos de descentralizar la responsabilidad.
  • Casos prácticos: definición de dominios en una empresa real.

Módulo 3: Principio 2 – Datos como producto

  • Concepto de "data product" (producto de datos).
  • Roles del propietario del data product.
  • Buenas prácticas para el diseño de productos de datos.
  • Ejercicio práctico: diseño de un data product por parte de cada equipo.

Plataforma, Gobernanza y Diseño Operativo

Módulo 4: Principio 3 – Plataforma de autoservicio

  • Componentes clave de una plataforma de datos moderna.
  • Herramientas comunes en el ecosistema Data Mesh (Kafka, dbt, Snowflake, entre otras).
  • Ejercicio: diseño de la arquitectura de la plataforma de autoservicio.

Módulo 5: Principio 4 – Gobernanza federada

  • Modelos de 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, equipo de plataforma y equipos de dominio.
  • Estrategias para alinear incentivos entre dominios.
  • Gestión del cambio y transformación cultural.

Implementación, Herramientas y Simulación

Módulo 7: Estrategias de adopción e implementación

  • Hoja de ruta 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 en empresas líderes (Netflix, Zalando, etc.).
  • Análisis de factores 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 grupal.

Requerimientos

• Conocimientos básicos sobre gestión de datos, arquitectura de datos o ingeniería de datos.
• Familiaridad con conceptos como Data Warehouse, Data Lake y procesos ETL/ELT.
• Se valora positivamente: experiencia previa en proyectos de datos a nivel corporativo.

 21 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas