Menu Recherche Panier
(...)
Vous êtes ici : Accueil > Catalogue des formations > Formation Cursus Data Steward
Cursus MétierNouveauté

Cursus Data Steward

Cursus Métier

De nombreuses entreprises s’interrogent pour exploiter au mieux de leurs intérêts les immenses quantités de données dont elles disposent. Mais comment faire pour les faire « parler » ? En fonction du secteur d’activité de l’entreprise et des axes stratégiques fixés par la direction, le Data Steward doit collecter et fouiller toutes les données à sa disposition pour finalement fournir des jeux de données de qualité qui permettront à l’aide d’outils spécifiques de Data Mining et d’apprentissage automatique (Machine Learning) de déterminer des modèles, schémas ou tendances qui au final aideront l’entreprise à améliorer ses performances. A l’issue de ce cursus de 10 jours, les participants auront acquis les connaissances et compétences techniques propres au métier du Data Analyst.
Objectifs de ce cursus métier Cursus Data Steward
  • Disposer d’une vision claire du Big Data, de ses enjeux, de son écosystème et des principales technologies et solutions qui y sont associées
  • Comprendre le rôle stratégique de la gestion des données pour l’entreprise
  • Maitriser le cycle de vie de la donnée et savoir garantir la qualité des données
  • Etre en mesure d’aligner les usages métiers avec le cycle de vie de la donnée
  • Savoir transformer de gros volumes de données hétérogènes en informations utiles
  • Comprendre comment utiliser des algorithmes d'auto-apprentissage adaptés à une solution d'analyse
  • Savoir concevoir des modèles de documents répondant aux attentes de l’entreprise, en fonction du sujet analysé
  • Maitriser la restitution des données sous forme de graphiques répondant aux besoins métiers
Public
  • Chefs de projet
  • Développeurs
  • Analystes
  • Toute personne souhaitant évoluer vers une fonction de Data Steward
Pré-requis
Programme détaillé

Big Data – Enjeux et perspectives (2j)

  • Objectif : Découvrir à travers de nombreux cas d’usage les concepts, technologies et perspectives du Big Data et disposer d’une première expérience pratique des outils spécifiques au Big Data
  • Définition du Big Data : Modèles d’affaires, architecture, environnement juridique, compétences, emplois
  • Cas d’usage : comment des grandes et des petites entreprises utilisent le Big Data
  • Présentation des principales solutions logicielles qui compose un système Big Data
  • Les éléments d’architecture d’un système Big Data : schéma d’architecture, traitement de la donnée, stockage des données, construction d’une architecture
  • Les freins et les challenges : échecs et réussites des projets, freins financiers et techniques, qualité des données, cadre juridique et éthique des projets Big Data
  • Les impacts organisationnels : organisation des équipes, nouveaux rôles/métiers, besoin en compétences
  • Le projet Big Data : méthodologie et démarche, calcul du ROI, étapes d’un projet réussi

Big Data - Gouvernance, qualité et traitement des données (3j)

  • Objectif : Disposer des connaissances et compétences nécessaires pour identifier et collecter des données et s’assurer de leur qualité et de leur alignement sur les besoins et usages métiers de l’entreprise
  • Introduction : la donnée en tant que matière première, alignement de la qualité de la donnée avec les usages métiers, sources de données, systèmes d’information opérationnel et décisionnel, Big Data et smart Data
  • Enjeux, définition et problématiques liés à la qualité de la donnée Big Data, le 4ème V, la véracité : définitions, cycle de vie de la donnée, qualité des données, gouvernance de la donnée
  • Cycle de vie et qualité de la donnée : création, collecte, stockage, exploitation, archivage, nettoyage, gestion de la qualité
  • Alignement des usages métiers et gouvernance de la données Big Data : identification des usages, Urbanisation de la donnée, gestion de la qualité de la donnée
  • Urbanisation, mise sous contrôle des référentiels et qualité de la donnée
  • Assurer la qualité de la donnée : Outils et méthodes de gestion des référentiels et de la qualité des données
  • Le traitement de données : Considérations techniques, calcul et architecture distribués
  • Conclusion et plan d’actions

Data Mining et Machine Learning (2j)

  • Objectif : Maîtriser le Data Mining et le Machine Learning pour explorer de très importants volumes de données et construire des modèles répondant aux problèmes très variés des entreprises lorsque les méthodes statistiques traditionnelles deviennent inopérantes
  • Introduction : Data Mining vs Big Data, Data Mining vs Machine Learning vs Deep Learning, apprentissage supervisé vs Apprentissage non supervisé et méta-apprentissage
  • Ingénierie de la décision : analyse procédurale hiérarchique, problème d’association stable, chaîne de Markove discrète, jeu d’entraînement et jeu de test
  • Sélection d’instances : échantillonnages balancés et stratifié
  • Data Mining (fouille de données) : analyse en composantes principales, analyse d'affinité, agglomération hiérarchique et dendrogrammes, bagging de dendrogrammes, positionnement multidimensionnel, K-means, SVM
  • Machine Learning : régression logistique binaire, GLM, One-R, regroupements, arbres aléatoires, K-NN, détections automatiques d’interactions, analyses discriminantes, réseaux de neurones
  • Text Mining : analyse statistique de corpus, détection automatique de langues, de genres, nuage de mots, table de contingence de mots, analyse de sentiments, LSA
  • Big Data : gestion de gros volumes de données

Big Data - Analyse, Data Visualization et Data StoryTelling pour la restitution de données (3j)

  • Objectif : Etre en mesure de concevoir des modèles de documents adaptés aux besoins métiers de l’entreprise et savoir mettre en oeuvre différentes techniques de visualisation graphique, de mise en récit et de présentation permettant de valoriser les données.
  • Data Visualisation ou la découverte de la grammaire graphique : des chiffres aux graphiques, les 3 dimensions, présentation de Tableau Software, de l'idée d'un graphique à sa formalisation dans un outil
  • Data Storytelling : présentation, exemples, techniques de la mise en récit des données, Storytelling des idées et des données
  • Comment construire son histoire : Pitch, scénario, schéma narratif, méthodologies, 10 règles à respecter pour écrire une bonne présentation
  • Les outils : fonctions de storytelling des outils de BI, le module Data Storytelling de Tableau Software, autres outils
  • Les bonnes pratiques de la mise en récit de données : rôle du présentateur, scénarisation de la présentation, 10 règles pour garder en mémoire sa présentation
Les plus de ce cursus métier Cursus Data Steward
  • Chaque participant établit son propre planning de formation. En fonction de la date de début choisie parmi celles proposées ci-dessous, nos Conseillers Formation proposent différentes dates pour chacun des modules du cursus. Pour des raisons d’efficacité pédagogique, il est fortement recommandé de suivre les modules dans l’ordre présenté sur ce programme.
  • L’alternance de formations et de périodes de mise en pratique en entreprise favorise l’acquisition rapide et durable de nouveaux savoirs.
  • Animé par un expert spécialiste du sujet traité, chacun des 4 modules aborde un aspect spécifique de la thématique de formation.
  • A travers de nombreuses mises en situation, les participants mettront en pratique les aspects théoriques abordés au cours des différentes étapes du cursus.

Informations

  • Durée : 10 Jours (70h)
  • Tarif : 4 550 € HT
  • Réf. : CM062
  • Option(s)
    • Repas Paris : 230 € HT


Dates des sessions
Session garantie Formation à distance Session accessible à distance Visio
Bon à savoir...


= une réponse possible
= plusieurs réponses possibles

Vous n'avez pas répondu à toutes les questions !
Vous avez % de bonnes réponses, vous pouvez donc suivre cette formation.
Vous avez % de bonnes réponses.
Nous vous invitons à contacter nos Conseillers Formation au 0825 07 6000 afin qu'ils vous orientent vers une formation plus adaptée à vos connaissances.