A l'issue de cette formation, vous serez capable de :

• Décrire les nouveaux enjeux et défis de la Data, et l'apport des architectures Data modernes
• Expliquer les concepts et le vocabulaire des nouvelles architectures Data
• Identifier les principales offres Open Source et commerciales, et leurs avantages / inconvénients
• Utiliser des leviers comme le Data Mesh et l'approche DataOps pour exploiter au mieux une architecture Data moderne.

Jour 1

Nouveaux défis liés à la Data et à l'IA

• L'explosion cambrienne de la Data : un changement de paradigme
• Les données non-structurées : nouveaux formats, nouvelles opportunités, nouveaux défis
• Machine Learning, IA, LLM : la modélisation des données à large échelle
• Catalogues de données et analytiques self-service
• Technologies Cloud, pipelines de données, et l'approche DataOps
• Décentralisation avec le maillage de données (Data Mesh)
• Saisir le moment : exemples d'entreprises ayant pris de tournant des nouvelles architectures Data

Exemple de travaux pratiques (à titre indicatif)

• Etudes de cas d'entreprises ayant relevé avec succès les défis de la Data et de l'IA

Nouvelles architectures Data d'entreprise

• De l'entrepôt de données au Data Lake et au lakehouse
• Caractéristiques des lakehouses
• Lakehouses et services Cloud
• Offres du marché :
• Databricks
• Delta Lake
• Apache Hudi
• Apache Iceberg
• Exemples de nouveaux cas d'usage associés au lakehouse
• Lakehouse, catalogue de données, et analytiques self-service
• Exemples de pipelines de données sur un lakehouse
• L'architecture lakehouse et nouveaux services IA
• Gouvernance, sécurité et lakehouses
• Migration vers une architecture lakehouse : meilleures pratiques et points de vigilance

Exemple de travaux pratiques (à titre indicatif)

• Démonstration de la mise en oeuvre d'une architecture lakehouse avec pipelines de données et services IA

Jour 2

Décentraliser l'architecture Data avec les Data Mesh

• Les limites de l'approche monolithique et centralisée de la gestion des données
• Le maillage de données : un écosystème d'écosystèmes
• Challenges Data des entreprises innovantes : autonomie, rapidité, agilité
• Principes d'un maillage de données
• Caractéristiques d'un produit Data moderne
• Les contrats de données pour une QoS Data robuste
• Data Mesh et IA Générative

Exemples de travaux pratiques (à titre indicatif)

• Analyser des études de cas issues de la réalité montrant l'avant et l'après mise en place d'un Data Mesh
• Démonstration de mise en place d'un Data Mesh à partir d'un cas d'usage

Optimiser et orchestrer les processus Data avec l'approche DataOps

• De l'Agilité à DevOps à DataOps
• DataOps : exploiter au mieux les avantages d'une architecture Data moderne
• Ingrédients d'une approche DataOps
• Meilleure qualité et consistance des données
• Meilleure collaboration entre équipes
• Automatisation et scalabilité des Analytics Data, et réduction du temps de cycle
• Meilleure sécurité et conformité
• Réduction des coûts
• Culture Data-Driven
• Amélioration continue des processus Data
• Conduite du changement

Exemples de travaux pratiques (à titre indicatif)

• Etudes de cas de la mise en place de l'approche DataOps de bout-en-bout dans divers secteurs d'activité, et des gains obtenus
• Atelier conduite du changement : préparer l'adoption de l'approche DataOps à l'échelle de l'entreprise