Gouvernance et analyse de données

Description

Les données sont partout dans l’entreprise, mais en tirer une conclusion fiable demande une méthode : poser la bonne question, vérifier la qualité des données, choisir les bons indicateurs, éviter les pièges d’interprétation et présenter un résultat qui aide à décider.

Cette formation de deux jours constitue le point d’entrée du parcours données d’Hélios Académie. Elle donne les bases communes à tous ceux qui travaillent avec des chiffres, avant les formations plus techniques consacrées à SQL, Python, R ou Data Factory. Les exercices sont réalisés avec un tableur et Power BI Desktop.

Un fil rouge : une société de négoce international

Les participants découvrent la société de négoce utilisée dans l’ensemble du parcours données : ventes, clients, produits et délais de paiement dans une trentaine de pays. Ils partent d’une question de la direction commerciale, puis préparent, analysent et présentent les données jusqu’à une recommandation argumentée.

Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :

• Transformer une question métier en question d’analyse et en indicateurs mesurables
• Identifier les types de données, les sources et les principaux problèmes de qualité
• Préparer et nettoyer un jeu de données dans un tableur et dans Power Query
• Décrire des données avec les statistiques de base : moyenne, médiane, dispersion, évolution
• Choisir des visualisations adaptées et construire un tableau de bord simple dans Power BI
• Interpréter les résultats avec esprit critique et les présenter de façon convaincante

Méthodes et moyens pédagogiques

Alternance d’apports courts et d’exercices sur poste, sur les données fictives du fil rouge. Chaque notion est appliquée à une question métier, puis discutée en groupe. Supports fournis : aide-mémoire des indicateurs et des graphiques, grille de contrôle de la qualité des données, jeu de données d’exercice et modèle de tableau de bord.

Programme de la formation

1. Poser la bonne question

• Partir d’une décision à éclairer et formuler la question d’analyse
• Définir les indicateurs et leurs règles de calcul
• Distinguer indicateurs de résultat et indicateurs de pilotage
• Identifier les données nécessaires et leurs sources

Travaux pratiques : reformulation d’une demande de la direction commerciale en plan d’analyse avec indicateurs.

2. Comprendre et préparer les données

• Reconnaître les types de données : quantitatives, qualitatives, dates, géographiques
• Repérer les problèmes de qualité : valeurs manquantes, doublons, incohérences, formats
• Nettoyer et transformer les données avec Power Query
• Documenter les sources et les traitements appliqués

Travaux pratiques : préparation du fichier des ventes du fil rouge et contrôle de sa qualité.

3. Décrire et analyser

• Calculer moyenne, médiane, écart-type et pourcentages
• Comparer des groupes et des périodes, mesurer des évolutions
• Utiliser les tableaux croisés dynamiques
• Repérer valeurs atypiques, tendances et saisonnalité

Travaux pratiques : analyse des ventes et des délais de paiement par pays, gamme et trimestre.

4. Visualiser les données

• Choisir le graphique adapté au message
• Éviter les graphiques trompeurs
• Construire un tableau de bord simple dans Power BI
• Rendre un tableau de bord lisible : hiérarchie, couleurs, filtres

Travaux pratiques : tableau de bord des ventes export dans Power BI.

5. Interpréter et communiquer

• Distinguer corrélation et causalité
• Reconnaître les biais : échantillon, survivant, confirmation
• Construire un message clé et le soutenir par les chiffres
• Présenter une recommandation argumentée

Travaux pratiques : présentation des résultats et de la recommandation à un directeur commercial simulé, suivie d’un débriefing.

Le point d’entrée du parcours données

À l’issue de cette formation, les participants qui souhaitent aller plus loin peuvent suivre « Données : de la préparation à la visualisation » pour maîtriser Power BI, « SQL et analyse de données » pour interroger directement les bases, puis « Analyser les données avec Python » ou « avec R », et enfin « Analyser les données avec Data Factory » pour automatiser l’alimentation des analyses.

Description

Un tableau de bord utile repose sur une chaîne maîtrisée : des données préparées de façon fiable et reproductible, un modèle bien construit, des mesures justes et une présentation qui guide la lecture. Quand l’un de ces maillons manque, les chiffres divergent d’un rapport à l’autre et la confiance disparaît.

Cette formation de trois jours parcourt toute la chaîne avec Power BI : préparation des données avec Power Query, modélisation en schéma en étoile, calculs avec le langage DAX, conception de rapports, puis publication, partage et actualisation dans le service Power BI. Elle prolonge les « Fondamentaux de l’analyse de données » pour ceux qui produisent et maintiennent des tableaux de bord.

Un fil rouge : une société de négoce international

Les participants reprennent la société de négoce du parcours données. Ils combinent les fichiers de ventes des filiales, la table des produits, les taux de change et les objectifs commerciaux, construisent le modèle de données, puis livrent le tableau de bord mensuel de la direction, publié et actualisé automatiquement.

Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :

• Importer et préparer des données de sources multiples avec Power Query de façon reproductible
• Construire un modèle de données en schéma en étoile, avec des relations et une table de dates
• Écrire des mesures DAX : agrégations, filtres avec CALCULATE, comparaisons dans le temps
• Concevoir des rapports lisibles et interactifs qui répondent aux questions des utilisateurs
• Publier, partager et planifier l’actualisation dans le service Power BI
• Sécuriser l’accès aux données et documenter le tableau de bord

Méthodes et moyens pédagogiques

Alternance d’apports courts et d’exercices sur poste dans Power BI Desktop et le service Power BI, sur les données fictives du fil rouge. Chaque module enrichit le même tableau de bord. Supports fournis : aide-mémoire Power Query et DAX, fichiers d’exercice corrigés, guide de conception de rapports et modèle de documentation d’un tableau de bord.

Programme de la formation

1. Préparer les données avec Power Query

• Se connecter à des fichiers Excel et CSV, à un dossier et à une base de données
• Nettoyer et transformer : types, colonnes, filtres, fractionnement, pivot
• Combiner des tables : ajout et fusion
• Rendre la préparation reproductible et paramétrable

Travaux pratiques : consolidation des fichiers de ventes des filiales et préparation des tables de référence.

2. Modéliser les données

• Comprendre le schéma en étoile : tables de faits et de dimensions
• Créer les relations et maîtriser leur sens de filtrage
• Construire une table de dates
• Organiser le modèle : noms, formats, masquage des colonnes techniques

Travaux pratiques : construction du modèle de données du fil rouge et contrôle de sa cohérence.

3. Calculer avec DAX

• Distinguer colonnes calculées et mesures
• Écrire des agrégations et utiliser CALCULATE pour modifier le contexte de filtre
• Comparer dans le temps : cumul annuel, variation sur l’année précédente
• Calculer des ratios, des parts et des écarts aux objectifs

Travaux pratiques : mesures de chiffre d’affaires en euros, de marge, d’écart à l’objectif et d’évolution annuelle.

4. Concevoir des rapports efficaces

• Choisir les visuels selon le message et l’utilisateur
• Organiser la page : hiérarchie, alignement, couleurs
• Ajouter de l’interactivité : segments, filtres croisés, extractions, info-bulles
• Éviter les visualisations trompeuses et surchargées

Travaux pratiques : conception du tableau de bord mensuel de la direction, revu par les autres participants.

5. Publier, partager et maintenir

• Publier dans le service Power BI et organiser les espaces de travail
• Partager avec des applications et gérer les droits
• Planifier l’actualisation et utiliser une passerelle pour les données internes
• Mettre en place la sécurité au niveau des lignes et documenter le tableau de bord

Travaux pratiques : publication du tableau de bord, configuration de l’actualisation et restriction des données par pays.

Pourquoi Power BI

Power BI est l’un des outils de visualisation les plus répandus en entreprise et sa version Desktop est gratuite, ce qui permet à chacun de reproduire les exercices. Les principes enseignés, de la préparation des données à la conception des rapports, restent valables avec d’autres outils comme Tableau ou Qlik. Helios Advisory n’est ni partenaire ni revendeur de Microsoft.

Description

Dans une entreprise, les données utiles à la décision sont stockées dans des bases relationnelles : clients, produits, commandes, factures, livraisons. SQL est le langage qui permet de les interroger directement, sans dépendre d’extractions préparées par d’autres équipes.

Cette formation de trois jours apprend à écrire des requêtes fiables, à contrôler la qualité des données et à produire des analyses exploitables. Les exercices sont réalisés sur la base de données d’une entreprise fictive, avec PostgreSQL. Le SQL enseigné suit la norme du langage et se transpose aux bases les plus courantes en entreprise, dont Oracle et Microsoft SQL Server.

Un fil rouge : une société de négoce international

Les participants travaillent sur la base d’une société qui commercialise divers produits dans une trentaine de pays : clients, produits, commandes, factures et livraisons, en plusieurs devises. Au fil des modules, ils répondent aux questions du directeur commercial export, puis construisent un tableau de bord des ventes et des retards de paiement par pays.

Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :

• Comprendre la structure d’une base de données relationnelle : tables, clés et relations
• Écrire des requêtes de sélection, de filtre, de tri et d’agrégation
• Combiner plusieurs tables à l’aide de jointures
• Utiliser les sous-requêtes, les expressions de table communes et les fonctions de fenêtrage
• Contrôler la qualité des données et documenter les anomalies
• Préparer des jeux de données et des indicateurs pour la restitution

Méthodes et moyens pédagogiques

Alternance d’apports courts et d’exercices sur poste, sur la base de données d’une entreprise fictive installée pour la formation. Chaque notion est appliquée à une question métier. Supports fournis : aide-mémoire SQL, bibliothèque de requêtes commentées, dictionnaire de données de la base d’exercice et modèle de documentation des requêtes.

Programme de la formation

1. Comprendre les bases de données relationnelles

• Situer les tables, les colonnes, les clés primaires et étrangères
• Lire un modèle de données commercial : clients, produits, commandes, factures
• Écrire ses premières requêtes : sélection, filtre, tri
• Manipuler les types de données : textes, nombres, dates

Travaux pratiques : exploration de la base d’exercice et extraction des clients d’un pays donné.

2. Combiner et agréger les données

• Relier plusieurs tables par des jointures internes et externes
• Calculer des totaux, des moyennes et des effectifs
• Regrouper et filtrer les groupes
• Travailler sur des périodes : mois, trimestres, années

Travaux pratiques : calcul du chiffre d’affaires par pays, par famille de produits et par trimestre.

3. Écrire des requêtes avancées

• Utiliser les sous-requêtes et les expressions de table communes
• Créer des catégories avec des expressions conditionnelles
• Classer, cumuler et comparer avec les fonctions de fenêtrage
• Rendre ses requêtes lisibles et réutilisables

Travaux pratiques : évolution mensuelle des ventes et classement des vingt premiers clients par chiffre d’affaires.

4. Contrôler la qualité des données

• Détecter les doublons, les valeurs manquantes et les incohérences
• Rapprocher deux sources de données
• Formaliser des règles de contrôle réutilisables
• Harmoniser les codes pays, les devises et les références produits

Travaux pratiques : série de contrôles sur le fichier clients et le catalogue produits, et production d’un rapport d’anomalies.

5. Analyser et restituer

• Construire des indicateurs à partir de requêtes documentées
• Préparer des jeux de données pour un tableur ou un outil de visualisation
• Créer des vues pour partager une analyse
• Respecter les règles d’accès et de protection des données personnelles

Travaux pratiques : construction d’un tableau de bord des ventes et des retards de paiement par pays, présenté au directeur commercial export.

Description

Les données d’une entreprise reposent pour l’essentiel sur des systèmes de gestion de bases de données relationnelles : clients, commandes, factures, comptes, opérations. Bien les concevoir et les exploiter conditionne la fiabilité des applications, la qualité des données, la sécurité et les performances.

Cette formation de trois jours va au-delà de l’interrogation des données. Elle apprend à modéliser une base, à la créer avec ses contraintes, à gérer les transactions et les accès concurrents, à sécuriser les accès, à sauvegarder et restaurer, et à optimiser les performances. Les exercices sont réalisés avec PostgreSQL ; les principes se transposent à Oracle, Microsoft SQL Server et MySQL.

Un fil rouge : la base de données d’une société de négoce international

Les participants reprennent la société de négoce du parcours données. À partir des besoins exprimés par les services commercial, logistique et comptable, ils conçoivent le modèle de données, créent la base, définissent les droits d’accès, simulent des accès concurrents, mettent en place les sauvegardes et optimisent les requêtes les plus lentes.

Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :

• Expliquer le modèle relationnel et le rôle d’un système de gestion de base de données
• Concevoir un modèle entité-association et le normaliser
• Créer les tables, les contraintes et les index avec le langage de définition des données
• Comprendre les transactions, les propriétés ACID et les niveaux d’isolation
• Gérer les utilisateurs, les rôles et les droits, puis sauvegarder et restaurer une base
• Analyser un plan d’exécution et améliorer les performances

Méthodes et moyens pédagogiques

Alternance d’apports courts et d’exercices sur poste, dans un environnement PostgreSQL fourni pour la formation. Chaque module enrichit la base du fil rouge. Supports fournis : aide-mémoire du langage de définition et de contrôle des données, modèle de données corrigé, scripts d’exercice et check-list d’exploitation d’une base.

Programme de la formation

1. Le modèle relationnel et les SGBDR

• Comprendre les principes du modèle relationnel : relations, clés, intégrité
• Découvrir l’architecture d’un SGBDR : moteur, stockage, journal, cache
• Comparer PostgreSQL, Oracle, SQL Server et MySQL
• Situer les bases relationnelles face aux bases NoSQL

Travaux pratiques : installation de l’environnement et exploration d’une base existante.

2. Concevoir le modèle de données

• Recueillir les besoins et identifier entités, attributs et associations
• Construire un modèle entité-association
• Normaliser jusqu’à la troisième forme normale, et savoir dénormaliser
• Passer du modèle conceptuel au modèle physique

Travaux pratiques : modèle de données des ventes, des stocks et de la facturation de la société de négoce.

3. Créer et faire vivre la base

• Créer tables, types et contraintes : clés primaires et étrangères, unicité, contrôles
• Créer des vues, des index et des séquences
• Écrire procédures, fonctions et déclencheurs simples
• Faire évoluer le schéma sans perte de données

Travaux pratiques : création de la base du fil rouge et chargement des données de test.

4. Transactions, concurrence et sécurité

• Comprendre les transactions et les propriétés ACID
• Maîtriser les niveaux d’isolation, les verrous et les interblocages
• Gérer utilisateurs, rôles et droits selon le principe du moindre privilège
• Protéger les données sensibles

Travaux pratiques : simulation d’accès concurrents à une commande et définition des droits par service.

5. Exploitation et performances

• Sauvegarder et restaurer une base, comprendre les journaux de transactions
• Surveiller l’activité et l’espace utilisé
• Lire un plan d’exécution et choisir les bons index
• Optimiser les requêtes les plus coûteuses

Travaux pratiques : plan de sauvegarde, restauration après incident simulé et optimisation de trois requêtes lentes.

La suite logique de la formation SQL

La formation « SQL et analyse de données » apprend à interroger les données ; celle-ci apprend à concevoir, administrer et optimiser la base qui les contient. Elle prépare aux responsabilités de conception et d’exploitation, sans viser une certification d’éditeur.

Description

Les analyses réalisées dans un tableur atteignent vite leurs limites : fichiers trop volumineux, copier-coller répétés d’un mois sur l’autre, formules difficiles à contrôler. Python, avec la bibliothèque pandas, permet de traiter de gros volumes de données, de documenter chaque étape et de relancer une analyse en un clic.

Cette formation de trois jours s’adresse à des débutants en programmation. Les participants travaillent dans des notebooks Jupyter, sur les données d’une entreprise fictive. Ils apprennent à importer et nettoyer des données, à les analyser, à produire des graphiques et à automatiser un rapport récurrent.

Un fil rouge : une société de négoce international

Les participants reprennent les données de la société de négoce utilisée dans la formation SQL : clients, produits, commandes, factures et livraisons dans une trentaine de pays, en plusieurs devises. Ils répondent aux questions du directeur commercial export et de la direction financière, puis automatisent le rapport mensuel des ventes et des retards de paiement.

Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :

• Écrire et exécuter des programmes Python simples dans un notebook Jupyter
• Importer des données depuis des fichiers Excel et CSV et depuis une base SQL
• Nettoyer et préparer les données : types, valeurs manquantes, doublons, devises et dates
• Analyser les données avec pandas : filtres, agrégations, jointures, tableaux croisés
• Produire des graphiques lisibles avec Matplotlib et seaborn
• Automatiser une analyse récurrente et exporter les résultats vers Excel

Méthodes et moyens pédagogiques

Alternance d’apports courts et d’exercices sur poste, dans un environnement Python prêt à l’emploi fourni pour la formation. Chaque notion est appliquée à une question métier du fil rouge. Supports fournis : aide-mémoire Python et pandas, notebooks corrigés, jeu de données d’exercice et modèle de rapport automatisé réutilisable.

Programme de la formation

1. Prendre en main Python

• Découvrir l’environnement : Jupyter, cellules, exécution
• Manipuler les types de base : nombres, textes, listes, dictionnaires
• Écrire des conditions, des boucles et des fonctions simples
• Lire un message d’erreur et corriger son code

Travaux pratiques : premiers calculs sur les ventes du fil rouge et écriture d’une fonction de conversion de devises.

2. Importer et préparer les données

• Charger des fichiers Excel et CSV dans un DataFrame pandas
• Se connecter à une base de données et exécuter une requête SQL
• Traiter les types, les dates, les valeurs manquantes et les doublons
• Contrôler la qualité des données et documenter les corrections

Travaux pratiques : import des commandes et des factures, contrôle de cohérence et constitution d’un jeu de données propre.

3. Analyser avec pandas

• Filtrer, trier et sélectionner les données
• Agréger par client, produit, pays ou période
• Joindre plusieurs tables et construire des tableaux croisés
• Calculer des indicateurs : chiffre d’affaires, marge, délais de paiement, évolutions

Travaux pratiques : analyse des ventes par pays et par gamme, puis identification des clients en retard de paiement.

4. Visualiser les résultats

• Choisir le graphique adapté au message
• Tracer des courbes, histogrammes et diagrammes en barres avec Matplotlib et seaborn
• Soigner les titres, les axes et les annotations
• Repérer tendances, saisonnalité et valeurs atypiques

Travaux pratiques : tableau de bord graphique des ventes export présenté au directeur commercial.

5. Automatiser et partager

• Transformer un notebook en script réutilisable
• Paramétrer une analyse : période, pays, devise
• Exporter des résultats mis en forme vers Excel
• Bonnes pratiques : organisation du code, commentaires, contrôle des versions

Travaux pratiques : automatisation du rapport mensuel des ventes et des retards de paiement, relancé sur un nouveau mois de données.

Python ou R ?

Les deux langages permettent d’analyser des données. Python est un langage polyvalent, très utilisé pour l’automatisation et l’intégration aux systèmes d’information. R est conçu pour la statistique et la visualisation. Helios Advisory propose les deux formations ; le choix dépend des usages visés et des outils déjà en place dans l’entreprise.

Description

R est un langage conçu pour l’analyse statistique et la visualisation. Associé au tidyverse, un ensemble de bibliothèques cohérentes, il permet de préparer des données, de produire des graphiques de qualité et de tester des hypothèses avec rigueur, tout en gardant une trace complète de chaque étape.

Cette formation de trois jours s’adresse à des débutants en programmation. Les participants travaillent dans RStudio, sur les données d’une entreprise fictive. Ils apprennent à importer et transformer des données, à les visualiser avec ggplot2, à mener des analyses statistiques simples et à produire un rapport reproductible avec Quarto.

Un fil rouge : une société de négoce international

Les participants reprennent les données de la société de négoce utilisée dans la formation SQL : clients, produits, commandes, factures et livraisons dans une trentaine de pays. Ils cherchent ce qui explique les écarts de marge entre pays et gammes, testent l’effet d’une campagne commerciale et livrent un rapport d’étude à la direction.

Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :

• Écrire et exécuter des scripts R dans RStudio
• Importer des données depuis Excel, des fichiers CSV et une base SQL
• Transformer et préparer les données avec dplyr et tidyr
• Produire des graphiques soignés avec ggplot2
• Mener des analyses statistiques : tests de comparaison, corrélation, régression linéaire
• Rédiger un rapport reproductible avec Quarto, du code au document final

Méthodes et moyens pédagogiques

Alternance d’apports courts et d’exercices sur poste, dans un environnement R et RStudio prêt à l’emploi fourni pour la formation. Chaque notion est appliquée à une question métier du fil rouge. Supports fournis : aide-mémoire R et tidyverse, scripts corrigés, jeu de données d’exercice et modèle de rapport Quarto réutilisable.

Programme de la formation

1. Prendre en main R et RStudio

• Découvrir l’interface de RStudio : console, scripts, environnement
• Manipuler les objets de base : vecteurs, facteurs, data frames
• Installer et charger des packages
• Organiser son travail en projets

Travaux pratiques : premiers calculs sur les ventes du fil rouge et création d’un projet RStudio.

2. Importer et transformer les données

• Importer des fichiers Excel et CSV, interroger une base SQL
• Sélectionner, filtrer, trier et créer des variables avec dplyr
• Agréger, joindre des tables et restructurer avec tidyr
• Traiter les dates, les valeurs manquantes et les doublons

Travaux pratiques : constitution d’une table d’analyse des marges par pays, gamme et trimestre.

3. Visualiser avec ggplot2

• Comprendre la grammaire des graphiques
• Construire nuages de points, histogrammes, boîtes à moustaches et courbes
• Comparer des groupes avec les facettes
• Soigner les thèmes, les échelles et les annotations

Travaux pratiques : série de graphiques sur les écarts de marge, commentés devant le groupe.

4. Analyser statistiquement

• Décrire une distribution et repérer les valeurs atypiques
• Comparer des groupes : test de Student, test du khi-deux
• Mesurer une corrélation et ajuster une régression linéaire
• Interpréter les résultats sans sur-interpréter

Travaux pratiques : test de l’effet d’une campagne commerciale sur les ventes et modèle explicatif de la marge.

5. Produire un rapport reproductible

• Structurer un document Quarto : texte, code et résultats
• Générer un rapport HTML, Word ou PDF
• Paramétrer le rapport pour l’actualiser sur de nouvelles données
• Bonnes pratiques : lisibilité du code, commentaires, contrôle des versions

Travaux pratiques : rapport d’étude complet remis à la direction, régénéré sur un nouveau trimestre de données.

R ou Python ?

Les deux langages permettent d’analyser des données. R est conçu pour la statistique et la visualisation, et reste très présent dans les études et la recherche. Python est un langage polyvalent, très utilisé pour l’automatisation et l’intégration aux systèmes d’information. Helios Advisory propose les deux formations ; le choix dépend des usages visés et des outils déjà en place dans l’entreprise.

Description

Une analyse n’est fiable que si les données qui l’alimentent sont complètes, cohérentes et à jour. Or ces données sont souvent dispersées : progiciel de gestion, fichiers transmis par les filiales, services en ligne. Azure Data Factory, le service d’intégration de données de Microsoft, permet de les collecter, de les transformer et de les charger automatiquement dans une base ou un lac de données, prêtes à être analysées.

Cette formation de trois jours apprend à concevoir des pipelines de données sans écrire de code, à l’aide de l’interface visuelle du service. Les participants construisent une chaîne complète, de la connexion aux sources jusqu’au tableau de bord Power BI, puis apprennent à l’automatiser, à la superviser et à la sécuriser.

Un fil rouge : une société de négoce international

Les participants reprennent la société de négoce utilisée dans les formations SQL, Python et R. Ses ventes sont enregistrées dans un progiciel installé dans ses locaux, ses filiales envoient des fichiers mensuels et les taux de change proviennent d’un service en ligne. Les participants construisent la chaîne qui consolide chaque nuit ces données et alimente le tableau de bord des ventes de la direction.

Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :

• Expliquer l’architecture d’une chaîne d’intégration de données dans le cloud et la place de Data Factory
• Connecter des sources variées : bases de données internes, fichiers, services en ligne
• Copier et transformer les données avec l’activité de copie et les flux de données
• Orchestrer et automatiser des pipelines paramétrés, avec chargement incrémental et déclencheurs
• Superviser, sécuriser et maîtriser le coût des traitements
• Mettre les données à disposition de Power BI pour l’analyse

Méthodes et moyens pédagogiques

Alternance d’apports courts et de manipulations dans un environnement Azure de formation, avec des données fictives. Chaque module se termine par une étape de la chaîne du fil rouge. Supports fournis : guide pas à pas des manipulations, schéma d’architecture de référence, modèles de pipelines réutilisables et grille de bonnes pratiques d’exploitation.

Programme de la formation

1. Comprendre l’intégration de données dans le cloud

• Distinguer les approches ETL et ELT, le lac de données et l’entrepôt de données
• Situer Azure Data Factory et Data Factory dans Microsoft Fabric
• Découvrir les composants : pipelines, activités, services liés, jeux de données, runtimes d’intégration
• Se repérer dans Data Factory Studio

Travaux pratiques : création de la fabrique de données du fil rouge et cartographie des sources à intégrer.

2. Connecter et copier les données

• Créer des services liés vers une base SQL, un stockage de fichiers et une API
• Accéder aux sources internes avec un runtime d’intégration auto-hébergé
• Paramétrer l’activité de copie et choisir le format : CSV, JSON, Parquet
• Organiser les zones du lac de données : données brutes, préparées, exploitables

Travaux pratiques : ingestion des ventes du progiciel, des fichiers des filiales et des taux de change.

3. Transformer les données

• Concevoir des flux de données : jointures, agrégations, colonnes calculées, filtres
• Contrôler la qualité : valeurs manquantes, doublons, rejets
• Choisir entre flux de données et traitements SQL dans la base
• Documenter les règles de gestion appliquées

Travaux pratiques : flux de données qui calcule le chiffre d’affaires en euros et la marge par pays et par gamme.

4. Orchestrer et automatiser

• Utiliser paramètres, variables et expressions
• Enchaîner les activités avec conditions, boucles et dépendances
• Mettre en place un chargement incrémental
• Planifier l’exécution avec des déclencheurs planifiés, par fenêtre ou sur événement

Travaux pratiques : pipeline principal exécuté chaque nuit, avec chargement incrémental des nouvelles ventes.

5. Superviser, sécuriser et analyser

• Suivre les exécutions, diagnostiquer les erreurs et créer des alertes
• Protéger les accès : identités managées, coffre de secrets Azure Key Vault
• Versionner les pipelines avec Git et les déployer entre environnements
• Maîtriser les coûts et connecter Power BI aux données préparées

Travaux pratiques : tableau de bord Power BI des ventes alimenté par la chaîne, puis revue d’exploitation en cas d’incident simulé.

Azure Data Factory et Data Factory dans Microsoft Fabric

Microsoft propose Data Factory dans deux environnements : le service Azure Data Factory et Data Factory intégré à Microsoft Fabric. Les principes de conception sont largement communs. La formation s’appuie sur Azure Data Factory et consacre un temps à la transposition vers Fabric. Helios Advisory n’est ni partenaire ni revendeur de Microsoft.