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

 21 Horas

Número de participantes


Precio por Participante​

Testimonios (1)

Próximos cursos

Categorías Relacionadas