Partie 2 · Origines et 4 piliers
Origines du Data Mesh et 4 piliers
Zhamak Dehghani (Principal Technology Consultant, ThoughtWorks) formalise le concept en 2019 (article « How to Move Beyond a Monolithic Data Lake to a Distributed Data Mesh », martinfowler.com, mai 2019) comme réponse aux limites des grandes organisations. Elle publie l'ouvrage de référence « Data Mesh: Delivering Data-Driven Value at Scale » (O'Reilly, 2022).
Le Data Mesh est une approche socio-technique : elle recouvre des aspects organisationnels et culturels et des solutions techniques ; décentralisée et orientée produit ; un vrai changement de paradigme. La donnée devient un produit en tant que tel.
Les 4 piliers
| # | Pilier | Idée |
|---|---|---|
| 1 | Ownership par domaine | la responsabilité revient aux équipes métier, par domaine d'activité |
| 2 | Data product | la donnée est conçue et gérée comme un véritable produit |
| 3 | Plateforme self-service | infrastructure partagée permettant l'autonomie des domaines |
| 4 | Gouvernance fédérée | équilibre entre autonomie locale et cadre commun partagé |
Vérifie que tu as compris
Pilier 1 : le domaine et son ownership
Un domaine est un découpage logique de l'activité par grand pan (RH, finance, commercial, production…), correspondant souvent à des blocs d'organisation existants. Rupture avec le modèle traditionnel : la donnée est produite et gérée directement par le domaine, qui devient producteur de ses propres data products (réutilisables, fiables, documentés, accessibles) et assume qualité, gouvernance et mise à disposition comme pour des clients internes. Pourquoi lui donner la main ? Il est souvent le premier consommateur de ses données, maîtrise leur définition, leur cycle de vie, les réglementations ; proximité entre experts métiers et données, meilleure réactivité.
Pilier 2 : le data product
Un produit digital est une solution numérique qui répond à un besoin utilisateur de façon continue et évolutive, un actif vivant plutôt qu'un livrable ponctuel. Trois caractéristiques : une cible d'utilisateurs identifiée, une proposition de valeur claire, une équipe qui assure conception, développement, support et évolution dans la durée.
Le data product en est la transposition : un actif de données conçu comme un produit (utilisateurs cibles, promesse de valeur, cycle de vie). Exemple du cours : jeu de données consolidé sur les clients (description, historique d'achat, score de satisfaction). Il doit être facile à découvrir, simple à consommer, bien documenté, fiable, évolutif. On passe d'une logique centrée stockage à une logique centrée sur la valeur créée.
Vérifie que tu as compris