Data analyst

• Data analyst - Code CertifInfo 114787
  • Niveau de qualification : 6 - Savoirs approfondis

Objectifs

• Identifier les possibilités d'utilisation des données, en fonction des besoins métier, en étant force de proposition dans l'exploration, l'évaluation de la qualité et l'interprétation de ces données


• Définir une stratégie de prise de décision par les données suivant les besoins métier


• Modéliser des bases de données relationnelles


• Réaliser des requêtes avancées répondant à des besoins métier complexes


• Automatiser des collectes de données


• Mettre en place une interface standard de partage automatique de données entre différentes applications et langages


• Contrôler les modalités de collecte et d'utilisation de données et mesurer les enjeux du RGPD


• Effectuer des choix méthodologiques pour l'automatisation des traitements et les documenter avec clarté et concision


• Utiliser les outils et méthodes modernes : méthodes agiles afin de permettre le travail en équipe, outils de suivi de projets, logiciel adapté à la rédaction de code


• Manipuler des structures de données et utiliser l'algorithmie afin de traduire en script des besoins de traitements de données


• Appliquer les bonnes pratiques de la programmation afin d'avoir un code organisé, réutilisable et partageable


• Utiliser les tableaux de données afin de faciliter l'import, la manipulation et la fusion de données


• Nettoyer les données, retraiter les valeurs aberrantes (outliers) et les valeurs manquantes


• Utiliser les expressions régulières (RegEx) pour traiter les valeurs textuelles et permettre une anonymisation des données personnelles dans le cadre du RGPD


• Utiliser les statistiques descriptives afin de modéliser les données


• Maîtriser le process d'apprentissage automatique (Machine Learning)


• Modéliser des régressions afin de définir des modèles de prévisions, et de trouver des tendances futures


• Modéliser des classifications et interpréter les métriques associées afin de catégoriser automatiquement des informations


• Identifier et prioriser les informations à rendre accessibles et à présenter visuellement


• Utiliser les visualisations descriptives afin de représenter graphiquement des données statistiques et des informations modélisées


• Manipuler la Dataviz interactive et dynamique


• Réaliser de la cartographie


• Utiliser un Tableur afin de proposer des croisements de variables pour obtenir des informations recherchées


• Réaliser des tableaux de bord avec des outils de Business Intelligence afin d'intégrer et de croiser des informations utiles à des approches stratégiques de problématiques


• Prendre en compte les handicaps visuels afin de produire des graphiques lisibles par tous


• Présenter à l'oral et à l'écrit de manière claire, concise et sans ambiguité les informations

Programme de la formation

Collecte de donne?es

Identifier, collecter, et interpre?ter des donne?es disponibles pour re?pondre aux besoins spe?cifiques gra?ce a? une recherche et une compre?hension approfondies.

(102 heures)

Explorer le contenu de bases de donne?es afin d'identifier les possibilite?s d'utilisation et d'interpre?tation des donne?es.

Mode?liser des bases de donne?es relationnelles (SQL) pour re?pondre aux besoins des utilisateurs.?

Re?aliser des reque?tes sur des bases de donne?es relationnelles pour extraire des donne?es.?

Re?aliser des agre?gations, des jointures et des sous-reque?tes sur des bases de donne?es (SQL).?

Automatisation du traitement des donne?es

Analyser les besoins, structurer et fiabiliser les outils de traitement de donne?es, tout en organisant les codes. (102 heures)

Utiliser un logiciel adapte? (Google colab, Spyder ou Jupyterlab) afin de re?diger et exe?cuter un script pour traiter des donne?es.

Utiliser des algorithmes en langage Python pour traduire des besoins de traitements de donne?es en fonction des objectifs d'exploitation.

Manipuler des structures de donne?es afin de permettre leur exploitation a? travers des applications.

Utiliser la programmation oriente?e objet en Python afin de faciliter la maintenance d'une application.

Mode?lisation des donne?es structure?es

Se?lectionner les informations utiles, e?laborer des structures de traitement et mode?liser les donne?es.

(135 heures)

Mai?triser le process de Machine Learning (syntaxe scikit-learn, train- test-split, fit, predict, score) afin de permettre a? des algorithmes d'apprendre automatiquement a? partir de donne?es.?

Mode?liser des re?gressions supervise?es et interpre?ter les me?triques associe?es afin de de?finir des mode?les de pre?visions.?

Mode?liser des classifications supervise?es et interpre?ter les me?triques associe?es pour de?finir des mode?les pre?dictifs.?

Visualisation des donne?es

Visualiser, pre?senter et partager des donne?es et informations de manie?re claire et impactante.

(206 heures)

Prioriser et identifier des donne?es et des informations a? rendre accessibles et a? pre?senter visuellement afin de structurer des repre?sentations graphiques de tableaux de bord.

Utiliser les visualisations descriptives, les nuages de points, les boi?tes a? moustache et les histogrammes pour repre?senter graphiquement des donne?es statistiques et des informations mode?lise?es.

Manipuler la Dataviz interactive et dynamique (Plotly) afin de re?aliser diffe?rents types de repre?sentations graphiques et visuelles de donne?es a? destination d'utilisateurs ope?rationnels.

Re?aliser de la cartographie (Folium) pour repre?senter des informations ge?ographiques.

Validation et sanction

A? l'issue de la formation Data Analyst a? la Wild Code School, vous pouvez vous pre?senter au titre professionnel "Data Analyst" inscrit au RNCP37429 de niveau 6 (e?quivalent Bac +3/4), dont les blocs de compe?tences sont les suivants :
Collecte des donne?es : exploration et reque?tage des diffe?rents types de bases de donne?es, et re?cupe?ration des donne?es.
Automatisation du traitement des donne?es : nettoyage, comple?tion, correction, uniformisation.
Mode?lisation des donne?es structure?es : identification des corre?lations existantes et utilisation du Machine Learning pour e?tablir des pre?visions.
Visualisation des donne?es : valorisation et interpre?tation des donne?es pertinentes, et mise en forme dans un tableau de bord.

L'e?valuation se de?roule sur une dure?e totale de 15h.

2 jours d'e?preuves sur les 4 blocs qui devront e?tre pre?sente?s a? l'oral. 1h05 d'oral afin de pre?senter les 4 blocs avec un jury.

Le jury e?valuera l'e?le?ve et lui posera des questions dans le but de ve?rifier que les compe?tences ont bien e?te? acquise.

Type de formation

Certifiante

Sortie

Bac + 3 et 4