Дизайн data mesh для аналитической команды

Условие задания

**Компания:** Авито

**Контекст:** Централизованная DE-команда (3 человека) не успевает обрабатывать запросы от 5 продуктовых команд. Каждая команда ждёт новую витрину неделями. Рассматривается переход к Data Mesh.

**Команды:** Объявления, Доставка, Платежи, Поиск, Антифрод.

**Задание:**
1. Опишите принципы Data Mesh и как они применимы к Авито
2. Спроектируйте data products для каждой команды
3. Определите, что остаётся централизованным (платформа)
4. Составьте план перехода от централизованного DWH к Data Mesh

Темы

data mesh домены data product децентрализация архитектура

Подсказки

• 4 принципа: domain ownership, data as product, self-serve platform, federated governance
• Data product = витрина + SLA + документация + владелец
• Платформа: инфраструктура, мониторинг, data catalog, access control

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Дизайн data mesh для аналитической команды"?

Это задание для уровня hard. Senior-уровень — глубокое понимание темы, опыт решения нестандартных задач, обсуждение trade-off на собеседовании.

На каких собеседованиях встречается такая задача?

Подобные задания в категории «data_engineering» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: data mesh, домены, data product, децентрализация, архитектура.

Сколько времени даётся на решение?

На реальном собеседовании на подобную задачу отводится 30-60 минут с обсуждением подходов, оптимизаций и trade-off. Для тренировки рекомендуем сначала решить самостоятельно, потом сверить с эталонным решением и подсказками.

Где ещё потренироваться по теме «data_engineering»?

На zasqlpython.ru есть другие задания в категории «data_engineering», продуктовые кейсы, справочник метрик, AI мок-собеседование с разбором ваших ответов.

← Все задания