Présentation de la formation BigQuery & Data Warehouse Moderne
Sur 3 jours intensifs, cette formation BigQuery & Data Warehouse Moderne vous guide dans la conception, le déploiement et l’optimisation d’un entrepôt de données sur Google Cloud. Vous commencerez par comprendre les principes d’un data warehouse moderne et la modélisation de données, puis vous apprendrez à charger, transformer et interroger des données à grande échelle avec BigQuery. Le programme couvre des requêtes SQL avancées, les stratégies de partitionnement et clustering, ainsi que les techniques d’optimisation des performances et des coûts. Enfin, vous intégrerez BigQuery avec des outils de visualisation (Looker Studio ou équivalent) et apprendrez les fondamentaux du monitoring des jobs. Cette formation est idéale pour les data analysts, data engineers ou architectes souhaitant faire monter en charge leur usage BigQuery.
Objectifs de la formation BigQuery & Data Warehouse Moderne
Objectifs pédagogiques :
- Comprendre les principes d’un Data Warehouse moderne dans le Cloud
- Maîtriser l’utilisation de BigQuery pour l’analyse de données massives
- Charger, transformer et interroger des données avec SQL dans BigQuery
- Optimiser les performances et les coûts des requêtes
- Connecter BigQuery à des outils de visualisation et de reporting
Objectifs opérationnels :
- Construire et exploiter un entrepôt de données BigQuery moderne : modéliser les tables et vues, charger et transformer les données, optimiser les requêtes pour performance et coût, et connecter à des outils de visualisation pour rapporter les données.
Programme de la formation BigQuery & Data Warehouse Moderne
Jour 1 – Introduction à BigQuery & Chargement des données
Concepts d’un Data Warehouse moderne
Architecture serverless de BigQuery
Modélisation de données dans BigQuery (datasets, tables, vues)
Chargement de données depuis : Cloud Storage (CSV, JSON, Parquet, Avro), fichiers locaux, connexions externes (Federated Queries)
Lab pratique : créer un dataset BigQuery, importer des données et effectuer des requêtes simples
Jour 2 – SQL avancé & Optimisation
Requêtes analytiques SQL : fonctions d’agrégation et analytiques (fenêtres, partitions)
Jointures complexes et sous-requêtes
Fonctions géospatiales et temporelles.
Optimisation des performances : partitionnement des tables, clustering, meilleures pratiques de requêtage
Gestion des coûts dans BigQuery (prix à la requête, slots réservés)
Lab pratique : écrire et optimiser des requêtes analytiques sur un dataset volumineux
Jour 3 – Intégration BI & Cas pratiques
Export et partage des résultats
Connexion avec Looker Studio et autres outils BI
BigQuery ML : introduction au Machine Learning directement dans BigQuery
Supervision et monitoring des jobs BigQuery
Projet fil rouge : concevoir un mini Data Warehouse avec BigQuery (ingestion, modélisation, reporting)
Les autres formations en Data Engineering & Streaming
AWS – Data Engineering (Glue, Athena, Redshift, Lake Formation)
Construire des pipelines de données et un data lake sur AWS pour l’analyse et la BI
Big Data & Analytics avec Azure (Data Lake, Synapse, Databricks, Power BI)
Intégrer, transformer et visualiser des données massives avec les services Azure pour une analyse avancée
AWS – Big Data & Analytics (EMR, Kinesis, QuickSight)
Exploiter les services Big Data et Analytics d’AWS pour traiter et visualiser des données massives