Formation Moyens et solutions pratiques pour le Big Data Analysis Mixte : présentiel / à distance

• Comprendre les concepts et l'apport du Big Data par rapport aux enjeux métiers
• Comprendre l'écosystème technologique nécessaire pour réaliser un projet Big Data
• Acquérir les compétences techniques pour gérer des flux de données complexes, non structurés et massifs
• Implémenter des modèles d'analyses statistiques pour répondre aux besoins métiers
• Appréhender un outil de data visualisation pour restituer des analyses dynamiques

• Dataminers
• Chargés d'études statistiques
• Développeurs
• Chefs de projet
• Consultants en informatique décisionnelle

• Connaissances de base des modèles relationnels, des statistiques et des langages de programmation
• Connaissances de base des concepts de la Business Intelligence

PRE REQUIS TECHNIQUES

• Apache Hadoop : Une plateforme open source pour le stockage et le traitement distribué de grandes quantités de données.
• Apache Spark : Un Framework open source qui permet le traitement rapide des données en mémoire, idéal pour les analyses en temps réel.
• Elasticsearch : Un moteur de recherche et d'analyse de données distribué, conçu pour la recherche et l'analyse en temps réel.
• MongoDB : Une base de données NoSQL qui permet le stockage et le traitement de données non structurées pour des applications d'analyse en temps réel.
• Tableau : Un logiciel de visualisation de données puissant et convivial qui permet de créer des tableaux de bord interactifs et des analyses visuelles.
• Splunk : Une plateforme d'analyse des données en temps réel qui permet de collecter, indexer et analyser des données à partir de différentes sources.
• SAS : Un logiciel d'analyse avancée qui offre une large gamme d'outils pour l'exploration, la modélisation et la visualisation des données.
• R : Un langage de programmation open source populaire pour l'analyse statistique et la visualisation des données.
• Python : Un langage de programmation polyvalent avec de nombreuses bibliothèques et packages pour l'analyse des données, tels que Pandas et NumPy.
• IBM Watson Analytics : Une plateforme d'analyse cognitive qui utilise l'intelligence artificielle pour analyser les données et fournir des insights.
•  

Comprendre les concepts et les enjeux du Big Data

• Origines et définition du Big Data : la BI face à la croissance et à la diversité des données
• Les chiffres clés du marché dans le monde et en France
• Les enjeux du Big Data : ROI, organisation et confidentialité des données
• Un exemple d'architecture Big Data

Les technologies du Big Data

• Description de l'architecture et des composants de la plateforme Hadoop
• Les modes de stockage (NoSQL, HDFS)
• Principes de fonctionnement de MapReduce
• Présentation des distributions principales du marché et des outils complémentaires (Hortonworks, Cloudera, MapR, Aster)
• Installer une plateforme Hadoop
• Présentation des technologies spécifiques pour le Big Data (Talend, Tableau, Qlikview …)
• Exercice : installation d'une plateforme Big Data complète via Cloudera et ses composants.

Les méthodes d'analyse des données pour le Big Data

• Les méthodes d'exploration
• Segmentation et classification
• Estimation et prédiction
• L'implémentation des modèles
• Exercice : mise en place d'analyses avec le logiciel R

Gérer les données structurées et non structurées

• Principes de fonctionnement de Hadoop Distributed File System (HDFS)
• Importer des données externes vers HDFS
• Réaliser des requêtes SQL avec HIVE
• Utiliser PIG pour traiter la donnée
• Utiliser un ETL pour industrialiser la création de flux de données massives
• Présentation de Talend For Big Data.
• Exercice : implémentation de flux de données massives

Les méthodes d'analyse des données pour le Big Data

• Les outils de restitution du marché
• Méthodologie de mise en forme des rapports
• Apport du Big Data pour le « Social Business »
• Mesurer l'e-réputation et la notoriété d'une marque
• Mesurer l'expérience et la satisfaction clients, optimiser le parcours client

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

• Formation en présentiel
• En groupe (inter-entreprises ou intra-entreprise)
• En individuel (monitorat)
• En journée ou en cours du soir (sur demande spécifique)
• Formation en distanciel
• Distanciel synchrone
• Distanciel asynchrone

• Apports des connaissances communes.
• Mises en situation sur le thème de la formation et des cas concrets.
• Méthodologie d'apprentissage attractive, interactive et participative.
• Equilibre théorie / pratique : 60 % / 40 %.
• Supports de cours fournis au format papier et/ou numérique.
• Ressources documentaires en ligne et références mises à disposition par le formateur.
• Pour les formations en présentiel dans les locaux mis à disposition, les apprenants sont accueillis dans une salle de cours équipée d'un réseau Wi-Fi, d'un tableau blanc ou paperboard. Un ordinateur avec les logiciels appropriés est mis à disposition (le cas échéant).

En amont de la formation

• Recueil des besoins des apprenants afin de disposer des informations essentielles au bon déroulé de la formation (profil, niveau, attentes particulières...).
• Auto-positionnement des apprenants afin de mesurer le niveau de départ.

Tout au long de la formation

• Évaluation continue des acquis avec des questions orales, des exercices, des QCM, des cas pratiques ou mises en situation...

A la fin de la formation

• Auto-positionnement des apprenants afin de mesurer l'acquisition des compétences.
• Evaluation par le formateur des compétences acquises par les apprenants.
• Questionnaire de satisfaction à chaud afin de recueillir la satisfaction des apprenants à l'issue de la formation.
• Questionnaire de satisfaction à froid afin d'évaluer les apports ancrés de la formation et leurs mises en application au quotidien.

• Admission sans disposition particulière