Data Mesh Como Paradigma de Arquitetura de Dados

Data Science Academy rafael.assis.amancio@gmail.
com 617aa65fe32fc3458c3267c0
Big Data Fundamentos 3.0
Big Data Fundamentos – Versão 3.0
Data Mesh Como Paradigma de

Arquitetura de Dados
Data Science Academy

www.datascienceacademy.com.br
Data Science Academy rafael.assis.amancio@gmail.com 617aa65fe32fc3458c3267c0
Data Mesh é um paradigma arquitetônico e organizacional que desafia a antiga suposição

de que devemos centralizar os dados para usá-los, ter todos os dados em um só lugar ou ter os
dados gerenciados por uma equipe de dados centralizada para agregar valor.
Para o Big Data fomentar a inovação, sua propriedade deve ser federada entre os
proprietários de dados que são responsáveis por fornecer seus dados como produtos (com o
suporte de uma plataforma de dados de autoatendimento para abstrair a complexidade técnica
envolvida em servir produtos de dados). Também devemos adotar uma nova forma de
governança federada por meio da automação para permitir a interoperabilidade de produtos de
dados orientados a domínio. A descentralização, junto com a interoperabilidade e o foco na
experiência dos consumidores de dados, são fundamentais para a democratização da inovação
usando dados.
Se uma organização tem muitos domínios com vários sistemas e equipes gerando dados
ou um conjunto diversificado de casos de uso e padrões de acesso orientados a dados, o uso de
Data Mesh pode ser uma opção viável. A implementação de Data Mesh requer investimento na
construção de uma plataforma de dados de autoatendimento e adoção de uma mudança
organizacional para domínios a fim assumir a propriedade de longo prazo dos produtos de dados,
bem como uma estrutura de incentivos que recompensa domínios que servem e utilizam dados
como um produto.
Data Mesh marca uma mudança bem-vinda de paradigma arquitetônico e organizacional

em como gerenciamos Big Data. O paradigma é baseado em quatro princípios:
(1) Descentralização orientada ao domínio da propriedade e arquitetura de dados;
(2) Dados orientados ao domínio servidos como um produto;
(3) Infraestrutura de dados de autoatendimento como uma plataforma para habilitar

equipes de dados autônomas e orientadas para o domínio;
(4) Governança federada para permitir ecossistemas e interoperabilidade.
Há ainda uma grande lacuna de ferramentas comerciais para acelerar a implementação

de Data Mesh e hoje o que vemos é a implementação de blocos isolados que então podem ser
conectados criando assim uma grande malha de dados e tornando esse tipo de arquitetura uma
realidade. Teremos ainda muita evolução e novas ferramentas surgindo nos próximos anos.
Arquitetos de Dados, Engenheiros de Dados e Engenheiros DataOps são os profissionais

que provavelmente participarão de projetos para implementar esse tipo de arquitetura.
Data Science Academy

www.datascienceacademy.com.br

Data Mesh Como Paradigma de Arquitetura de Dados

Enviado por

Direitos autorais:

Formatos disponíveis

Data Mesh Como Paradigma de Arquitetura de Dados

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Data Mesh Como Paradigma de Arquitetura de Dados

Enviado por

Direitos autorais:

Formatos disponíveis

Data Science Academy rafael.assis.amancio@gmail.

Big Data Fundamentos 3.0

Big Data Fundamentos 3.0

Big Data Fundamentos – Versão 3.0

Data Mesh Como Paradigma de

Data Science Academy

Big Data Fundamentos 3.0

Data Mesh é um paradigma arquitetônico e organizacional que desafia a antiga suposição

Data Mesh marca uma mudança bem-vinda de paradigma arquitetônico e organizacional

(1) Descentralização orientada ao domínio da propriedade e arquitetura de dados;

(2) Dados orientados ao domínio servidos como um produto;

(3) Infraestrutura de dados de autoatendimento como uma plataforma para habilitar

(4) Governança federada para permitir ecossistemas e interoperabilidade.

Há ainda uma grande lacuna de ferramentas comerciais para acelerar a implementação

Arquitetos de Dados, Engenheiros de Dados e Engenheiros DataOps são os profissionais

Data Science Academy

Você também pode gostar