Big Data : récolte et analyse de données volumineuses module Big Data - Enjeux et perspective - Architecture

• BIG DATA : Récolte et analyse de données volumineuses - Code CertifInfo 93835
  • Niveau de qualification : Sans équivalence de niveau

Objectifs

• Comprendre le Big Data et ses enjeux
• Identifier les besoins et la problématique des directions métiers
• Construire des modèles prédictifs pour répondre à la problématique
• Construire des algorithmes pour améliorer les résultats de recherches et de ciblage
• Trouver et rassembler l'ensemble des sources de données structurées ou non structurées nécessaire à l'analyse pertinente
• Faire des recommandations business qui vont servir à la prise de décision et influencer la stratégie de l'entreprise
• Développer des métriques pertinentes d'aide à la décision
• Développer une vision globale des risques et des outils
• Identifier les opportunités à travers l'open data et les cas d'usage métiers
• Acquérir le vocabulaire lié à cet écosystème complexe
• Adapter la stratégie d'entreprise
• Concevoir un projet Big Data et acquérir les technologies (acquisition et stockage des données, traitement distribué, analyse de données à large échelle)
• Maîtriser les technologies par des études de cas concrètes
• Maîtriser les enjeux juridiques et liés à la protection des données

Programme de la formation

Jour 1
Comprenez a nécessité du Big Data et son environnement
Introduction :
• Démystifier le Big Data
• Présentation du module : Programme et exercices
Définition du contexte spécifique au projet Big Data :
• Les Origines
• Les données au centre du Big Data
• La règle des 4 V
• Structuration ou non des données
• Quelles sont les limites des architectures actuelles
• Définition d'un projet Big Data
• Principes de fonctionnement
• Présentation des offres du marché
• Questionnaire de validation
• Conclusion
Atelier et Cas pratique
Jour 2
Découvrez les différents choix d'architecture possible et le principe d'architecture distribuées
Découvrir les Infrastructures et Architectures possible du Big Data : (0.5J)
• Les architectures traditionnelles
• Philosophie du NoSQL
• Les acteurs
• Les database Machine
• Les bases de données vectorielles
• Que penser de Hadoop ?
• Impacts Techniques et Financières du Big Data
• Questionnaire de validation
La fondation : les qualités de données : (0.5J)
• Problématique entre infrastructure de qualité de données
• La qualité des données dictera la qualité de l'analyse
• Outil de Data Quality
• Qu'est-ce qu'un ETL
• Exercice avec Talend
• MDM (Master Data Management)
Atelier et Cas pratique

Validation et sanction

Certification

Type de formation

Certifiante

Sortie

Sans niveau spécifique