EYA-F03Action de formation continue

Gouvernance des Données & Data Engineering

Bâtir une stratégie data conforme et opérationnelle

Durée

21 heures (3 jours)

Délai de réponse au devis

24 h ouvrées

Délai d'entrée en formation

Premier démarrage disponible sous 7 à 30 jours après signature de la convention (selon planning). Convention à signer ≥ 7 jours ouvrés avant le J1.

Modalité

Blended Learning (50 % présentiel + 50 % distanciel)

Effectif

12 participants maximum

Lieu

Intra-entreprise, présentiel Paris ou distanciel

Langue

Français (anglais sur demande)

Modalités d'accès

▸Sur devis personnalisé en 24 h ouvrées
▸Signature d'une convention de formation par les deux parties
▸Test de positionnement préalable (≥ J-5)
▸Remise des documents préparatoires (programme, livret d'accueil, règlement intérieur) avant le démarrage

Délais d'accès en formation

▸Convention signée ≥ 7 jours ouvrés avant le démarrage de la formation
▸Premier J1 disponible 7 à 30 jours après signature de la convention (selon planning et financement)
▸Délai cumulé moyen : 14 à 30 jours entre la première demande et l'entrée en formation

Modalités d'évaluation

▸Test de positionnement à l'entrée (auto-évaluation + quiz, ≥ J-5)
▸Quiz formatifs en cours de session (J1, J2, J3 selon durée)
▸Livrable individuel évalué (seuil de validation 65/100)
▸Questionnaire d'évaluation à chaud (fin de session — J0)
▸Questionnaire d'évaluation à froid (J+90 — impact terrain)
▸Attestation d'assiduité et certificat de réalisation remis en fin d'action

Présentation

De la gouvernance des données (RGPD, qualité, rôles) jusqu'à l'architecture data moderne (Lakehouse, pipelines, DataViz), une formation pragmatique pour piloter votre stratégie data.

Objectifs pédagogiques

Définir et mettre en œuvre une politique de gouvernance des données
Maîtriser les concepts de Data Engineering : pipelines, Data Lake, Data Warehouse
Appliquer les cadres réglementaires (RGPD, qualité des données)
Choisir et évaluer les outils de la stack data moderne

Programme détaillé

Gouvernance des données : enjeux et cadres

Définition. Rôles : Data Owner, Data Steward, CDO. Cadre DAMA-DMBOK. Qualité des données : complétude, exactitude, cohérence, fraîcheur. RGPD et conformité.

Architecture Data moderne

Data Lake, Data Warehouse, Data Lakehouse. Architectures Lambda et Kappa. Ingestion : ETL vs ELT. Catalogues de données. Stack moderne : Spark, Kafka, dbt, Airflow.

Data Engineering en pratique

Construction d'un pipeline de données (démo). Modélisation dimensionnelle (Kimball). DataViz : Power BI, Tableau, Metabase. IA / ML sur données entreprise. Atelier d'architecture data.

Mise en œuvre & pilotage de la stratégie data

Data strategy et roadmap. Indicateurs de maturité data. Organisation : team structure, DataOps. ROI des projets data. REX sectoriels (assurance, secteur public, logistique).

Évaluation & suivi

Quiz initial (maturité data). Exercice de conception d'architecture data en binôme. Évaluation à chaud. Attestation de suivi individuelle.

Moyens pédagogiques

Cas réels issus de projets data (secteur public, banque, Banque Mondiale). Démonstrations live (Power BI, pipeline Python). Sandbox fournie si besoin.

Qualification du formateur

Expert en Data Engineering et Gouvernance des données. Certifié Hortonworks Big Data (2015). Expérience opérationnelle data à grande échelle.

Dernière mise à jour de cette page : 08/05/2026