Le programme

• Introduction

  • Rappels des principes de base de l’informatique décisionnelle (business intelligence : BI)
  • Rappels des principes de base du Big Data
  • Présentation de l’architecture BI et Big Data de Google
  • Google BigQuery :
    • Interfaces du portail et de l’édition d’une requête
    • Connexion
    • Accès à la console
    • Tarification
    • Bac à sable.

• Premiers pas

  • Créer ou accéder à un projet
  • Détails de l’interface
  • Données publiques
  • Exploration des données
  • Requêtes SQL

  Travaux pratiques : Se connecter à, ajouter et explorer des données publiques.

• les type de données

  • Importance des types de données
  • Les différents types de données
  • Les fonctions de types.

  Travaux pratiques : Écriture de requêtes SQL.

• Nettoyage et transformation

  • Importance de la qualité des données
  • Qu’est-ce qu’une bonne qualité de données
  • Sous-ensembles de données.

• Stockage

  • Tables
    • Temporaires
    • Permanentes
  • Ensembles de données.

  Travaux pratiques : Stocker des données dans une table d’un ensemble de données à partir
  d’une requête sur les données publiques.

• Dataprep

  • Découverte de l’outil :
    • Création d’un flow
    • Édiction d’un réceptacle
    • Définir une destination
    • Lancer et planifier le flow.

  Travaux pratiques : Créer un flow pour explorer, nettoyer et charger des données dans une table.

• Requêtes SQL

  • Requêtes planifiées
  • Approfondissements SQL

• Chargement de données

  • Fichiers csv, json, avro
  • Options
  • Mockdata
  • Gestion des erreurs
  • Performance
  • Vues
  • Bases de données
  • Architecture
  • Google Dataflow

  Travaux pratiques : Charger des fichiers de tout type (csv, json, avro, xlsx) et explorer les
  spécificités.

• Visualisation

  • Google Sheet
  • Google Looker Studio

  Travaux pratiques : Mettre en place des visualisations de données avec Google Sheet et Google Looker Studio.