Formation Big Data, Méthodes et solutions pratiques pour l'analyse des données Mixte : présentiel / à distance

• Analyser des besoins analytiques et définir un périmètre Big Data adapté
• Mettre en œuvre l'ingestion et la préparation à l'échelle (formats colonnes, partitionnement)
• Configurer des traitements distribués (batch/stream) et orchestrer des workflows
• Mettre en œuvre des visualisations et tableaux de bord orientés décision
• Analyser la performance et la qualité des données pour fiabiliser les usages

• Data analysts, data engineers et développeurs évoluant vers la data à l'échelle
• Équipes BI/IT souhaitant industrialiser l'analyse de données volumineuses

• Connaissances de base en SQL
• Notions de manipulation de données (CSV, JSON)
• Familiarité avec un langage de script (Python de préférence)

Jour 1 – Ingestion, stockage et préparation à l'échelle

Session du matin :

• Panorama Big Data pour l'analyse : cas d'usage, limites et bonnes pratiques
• Modélisation des zones de données (bronze/silver/gold), data lake et lakehouse
• Formats et optimisation : Parquet/ORC, partitionnement, gestion des schémas

Session de l'après-midi :

• Ingestion multi-sources (fichiers, API) et validation de schémas
• Préparation des données : nettoyage, jointures, agrégations, enrichissement
• Contrôles de qualité : règles, métriques et traçabilité

TP / Exercice :

• Construire un pipeline d'ingestion et de préparation (CSV/JSON → format colonne) avec contrôle qualité (livrables : scripts, diagramme de flux, rapport qualité)

Points clés & takeaways :

• Choisir formats et stratégies d'ingestion adaptés au volume
• Mettre en place une chaîne de préparation reproductible et contrôlée

Jour 2 – Traitements distribués et orchestration

Session du matin :

• Traitements batch et streaming : principes, usages et arbitrages
• Performance : partitions, parallélisme, coût vs latence
• Tests et observabilité : logs, métriques, profiling de jobs

Session de l'après-midi :

• Orchestration (Airflow, Prefect) : DAG, dépendances, retries, SLA
• Mise en œuvre d'un job distribué (Spark ou équivalent)
• Reprise sur incident, idempotence et fiabilité

TP / Exercice :

• Développer un workflow orchestré pour alimenter un datamart (batch + micro-batch) avec suivi de performance (livrables : DAG, code, métriques)

Points clés & takeaways :

• Exécuter et fiabiliser des traitements à l'échelle
• Mettre en place une observabilité utile à l'exploitation

Jour 3 – Visualisation, KPIs et restitution décisionnelle

Session du matin :

• Conception d'indicateurs : définitions, granularité, périodicité
• Bonnes pratiques de visualisation et storytelling
• Publication et gouvernance : data contracts, sécurité (aperçu)

Session de l'après-midi :

• Construction d'un dashboard de bout en bout (KPI, tendances, alertes)
• Documentation et checklist d'exploitation (qualité, coûts, rafraîchissement)
• Revue finale : limites, améliorations et feuille de route

TP / Exercice :

• Créer un dashboard alimenté par le pipeline (KPI, filtres, alertes) avec note d'exploitation

Points clés & takeaways :

• Produire des restitutions utiles et actionnables
• Relier pipeline, qualité des données et décision métier

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

• Formation en présentiel
• En groupe (inter-entreprises ou intra-entreprise)
• En individuel (monitorat)
• En journée ou en cours du soir (sur demande spécifique)
• Formation en distanciel
• Distanciel synchrone
• Distanciel asynchrone

• Alternance d'apports théoriques et de mises en pratique contextualisées.
• Progression pédagogique structurée, de la compréhension à la mise en œuvre opérationnelle.
• Pédagogie immersive favorisant une mise en application immédiate des compétences.
• Formation interactive et participative s'appuyant sur des ateliers pratiques, études de cas et échanges collectifs (+ 60 % du temps de formation.)
• Séquences pédagogiques rythmées et évaluations formatives régulières pour renforcer l'ancrage des apprentissages.
• Supports de cours, ressources documentaires et références mis à disposition par le formateur

En amont de la formation (évaluation en ligne dans l'extranet apprenant)

• Recueil des besoins et des attentes des participants.
• Auto-positionnement permettant d'évaluer le niveau initial des apprenants.

Tout au long de la formation

• Évaluations continues réalisées par le formateur travers des questions orales, exercices, QCM, études de cas et mises en situation pratiques.
  
  

À l'issue de la formation (évaluations en ligne dans l'extranet apprenant)

• Auto-positionnement afin de mesurer l'acquisition des compétences visées.
• Validation de l'acquisition des compétences par le formateur
• Questionnaire de satisfaction « à chaud » à l'issue de la formation
• Questionnaire de satisfaction "à froid", 45 jours après la formation afin d'évaluer l'ancrage des acquis et leur mise en application en situation professionnelle.