- Data analytics, statistique,analyse des données - Connaissances fondamentales en statistique, analyse des données (y compris corrélation, régression et segmentation) et méthodes de prévision – Croissance (décroissance), calculs d’indices
Perfectionnement
Public visé
- Auditeurs internes
- Banquiers / Chargés d'affaires
- Contrôleurs de gestion
- Directeurs et contrôleurs financiers
- Experts comptables, Commissaires aux comptes
- Trésoriers
1 jour
Pré-requis
Aucun niveau de connaissance préalable n’est requis
Objectifs
◗ Identifier les concepts fondamentaux des bases de données et de la modélisation.
◗ Concevoir des relations multiples entre bases pour disposer d’un modèle adapté à la prise de décision.
◗ Formuler les demandes quant à l’organisation du Data Warehouse.
Programme de la formation
◗ Comprendre ce qu’est une donnée et ses caractéristiques
– Définition d’une donnée : nature, structure, typologie
– Différences entre données structurées et non structurées
– Sources de données en entreprise
✔ COMPRENDRE | Illustration : exemples concrets de données utilisées en gestion
✔ ÉVALUER | Quiz : à votre avis… Une image peut-elle être considérée comme une donnée structurée ?
✔ APPLIQUER | Cas pratique : transformer une phrase descriptive en ligne de données formatée
◗ Maîtriser les bases de données et les logiques relationnelles
– Types de bases : relationnelles, hiérarchiques, objets, dimensionnelles
– Tables, attributs, enregistrements, relations
– Clés primaires, étrangères, cardinalités et règles de normalisation
✔ COMPRENDRE | Étude de cas : représentation d’un modèle relationnel à partir de tables Excel
✔ APPLIQUER | Cas pratique : construire un schéma entités-associations avec relations (1,1 / 1,n / n,n )
✔ ÉVALUER | Quiz : à votre avis… Pourquoi normaliser un modèle relationnel ?
◗ Concevoir un modèle dimensionnel pour l’analyse
– Différences entre modèle relationnel et modèle en étoile
– Table des faits, dimensions, granularité, hiérarchies
– Importance de la cohérence des croisements et des agrégations
✔ COMPRENDRE | Illustration : construction d’un cube OLAP avec vues multi-dimensionnelles
✔ APPLIQUER | Cas pratique : identifier faits et dimensions dans un reporting commercial
✔ ÉVALUER | Quiz : à votre avis… Qu’est-ce que la granularité dans un modèle dimensionnel ?
◗ Adopter une démarche projet de modélisation
– Étapes clés : expression de besoin, modèle conceptuel, logique, physique
– Construction du dictionnaire de données
– Rôle des utilisateurs, experts métiers et IT dans le projet
✔ COMPRENDRE | Illustration : feuille de route projet et RACI
✔ EXPÉRIMENTER | Atelier : construire un dictionnaire de données pour un modèle RH
✔ ÉVALUER | Quiz : à votre avis… Quelle différence entre modèle logique et physique ?
◗ Appliquer ses acquis à un cas concret
– Cas du recensement des équipements sportifs
– Identification des sources, des dimensions, des faits
– Construction d’un modèle de données exploitable pour analyse
✔ APPLIQUER | Cas pratique : établir un modèle de données à partir de données publiques (RES)
✔ EXPÉRIMENTER | Mise en situation : échanger avec les « demandeurs » (animateur) pour cadrer le besoin
✔ ÉVALUER | Quiz : à votre avis… Peut-on créer un modèle sans clarifier les usages en amont ?
Pourquoi choisir cette formation ?
Si votre entreprise (ou votre département) est en phase de construction ou de refonte de son modèle de données, ce module vous concerne !
Vous y apprendrez notamment le vocabulaire et la méthode pour devenir un interlocuteur crédible de la Direction Informatique.
Méthode pédagogique et modalités d’évaluation
Avant la formation : recueil de vos attentes depuis votre espace web 15 jours avant le début de la formation et auto-diagnostic de vos compétences.
Méthodes pédagogiques : une diversité de méthodes pédagogiques pour répondre aux différents profils d’apprentissage, encourager la participation active et consolider les acquis par l’expérimentation et la pratique.
Supports pédagogiques : support d’animation, apports documentaires (fiches de synthèse, tableaux…) et autres ressources disponibles dans votre espace.
Pendant la formation : alternance de développements théoriques et d’illustrations tirées de cas réels. Une mise en situation des participants est proposée. De nombreux cas pratiques permettent de valider l’acquisition des compétences au fur et à mesure de la formation.
Suivi et évaluation de la formation : feuille d’émargement et attestation de fin de formation. Évaluation à chaud et à froid assurée par la solution LearnEval.
Prix
1 295 € HT
Témoignages
Formation big data
Formation big data
Formation big data
Jonathan C.
Entreprise
Formation