Sechs Gründe, warum Data Mesh scheitern kann

Die Erfahrung mit Data Warehouses und Data Lakes hat nicht nur gezeigt, dass auch die Zugpferde unter den Datenarchitekturen dem berühmten Hype Cycle unterliegen, sondern dass schematische Datengroßprojekte mit noch größerer Wahrscheinlichkeit scheitern als ganz gewöhnliche Software-Bauvorhaben.

Wir werden untersuchen, wie es dazu kommt und warum auch das modische Data Mesh in den meisten Fällen zum Scheitern verurteilt ist.

Vorkenntnisse

• Grundkenntnisse in Datenarchitektur und Datenmanagement sind hilfreich aber nicht notwendig
  
• Schlechte Erfahrungen mit Datenmigrationen beleben sicher die Diskussion

Lernziele

• Differenzierte Einschätzung der verschiedenen gängigen Datenarchitekturen und um die wichtige Einsicht, dass es keine Silver Bullet gibt, auch nicht in der Datenarchitektur
  
• Das Gefährdungspotenzial des Data Mesh
  
• Die Möglichkeiten und Grenzen von architektonischen Blueprints in einer unermesslich komplexen und vielfältigen Datenwelt