Devenez Analytics Engineer
Vous êtes Data Analyst avec une solide maîtrise de SQL et souhaitez évoluer vers un rôle d'Analytics Engineer ? Data modelling, SQL avancé, bonnes pratiques de développement et outils modernes comme dbt, à travers un projet fil rouge end-to-end.
2 jours
Max 12 participants
Les apprentissages clés
de la formation
Maîtriser le data modelling
Comprendre et appliquer les approches ER, Kimball Dimensional et One Big Table, avec les patterns avancés (SCD, snapshot tables, incremental models).
Écrire du SQL avancé et adopter les bonnes pratiques
Structurer des requêtes complexes (CTEs, window functions, pivot), appliquer les principes du software engineering (tests, Git, documentation, CI/CD).
Mener un projet de transformation end-to-end
Cadrer, modéliser, implémenter et documenter un pipeline de transformation complet avec peer review, du staging aux marts.
Les modules de la formation
Huit modules progressifs pour passer du rôle de Data Analyst à celui d'Analytics Engineer, des fondamentaux du data modelling au projet fil rouge end-to-end.
Le métier d'Analytics Engineer
Comprendre le rôle d'Analytics Engineer dans les modern data teams et poser les fondamentaux du data modelling.
Objectifs :
- Comprendre le rôle d'Analytics Engineer, le paradigme ELT et la stack technique moderne
- Maîtriser les modèles ER, Kimball Dimensional (star/snowflake schema) et One Big Table
- Identifier les interactions avec les autres rôles data et business
MODULES :
- Rôle de l'Analytics Engineer, paradigme ELT et stack technique moderne
- Modèles ER, Kimball Dimensional (star/snowflake schema) et One Big Table
- Interactions avec les autres rôles data et business
Data Modelling avancé & SQL
Approfondir le data modelling avec les patterns avancés et maîtriser le SQL nécessaire au quotidien de l'Analytics Engineer.
Objectifs :
- Implémenter l'historisation (SCD Type 1, 2, 3) et les patterns avancés (snapshot, bridge tables, incremental)
- Structurer des requêtes complexes avec CTEs et CTEs récursives
- Maîtriser les window functions, pivot, GROUPING SETS et MERGE/UPSERT
MODULES :
- Projet fil rouge end-to-end : cadrage, modélisation, implémentation sur données réelles
- SQL avancé, tests, documentation et peer review en conditions réelles
- Data visualisation et usages avancés de dbt
Bonnes pratiques de développement
Adopter les pratiques du software engineering appliquées à la data : qualité du code, tests, documentation et collaboration via Git.
Objectifs :
- Organiser son code (staging/intermediate/marts), écrire des tests d'intégrité et documenter
- Maîtriser Git : branches, pull requests, peer review et CI/CD pour les projets data
- Centraliser les métriques avec la Metrics Layer (MetricFlow / dbt Semantic Layer)
MODULES :
- Organisation du code (staging/intermediate/marts), tests d'intégrité et documentation
- Git : branches, pull requests, peer review et CI/CD pour les projets data
- Metrics Layer : MetricFlow et dbt Semantic Layer
Mise en pratique & perspectives
Mettre en application tous les acquis sur un projet fil rouge et ouvrir les perspectives d'évolution.
Objectifs :
- Cadrer, modéliser et implémenter une transformation end-to-end sur données réelles
- Appliquer SQL avancé, tests, documentation et peer review en conditions réelles
- Découvrir la data visualisation et les usages avancés de dbt
MODULES :
- Projet fil rouge end-to-end : cadrage, modélisation, implémentation sur données réelles
- SQL avancé, tests, documentation et peer review en conditions réelles
- Data visualisation et usages avancés de dbt
Les petits + de la formation
Des ateliers ludiques et participatifs
Nous avons créé les Fresques de la data et de l’IA générative pour rendre l’apprentissage de concepts ludique et accessibles au plus grand nombre.
Des formats gamifiés et innovants
Nous avons imaginés des jeux pour apprendre les bonnes pratiques de prompting et appréhender différents types d’IA génératives.
Toutes nos formations sont finançable par votre OPCO
Ces formations pourraient aussi vous intéresser
ces offres pourraient aussi vous intéresser
Ces contenus pourraient
aussi vous intéresser
Article
Tech & Data
5 min
🌶️
Débutants
Comment leboncoin forme ses Product & Engineering Managers aux enjeux Data & IA.
28.01.2026
Article
Tech & Data
15 min
🌶️
🌶️
Confirmés
Surveiller les accès à vos données AWS avec CloudTrail, EventBridge, Lambda et Firehose.
24.06.2025
Article
Tech & Data
10 min
🌶️
🌶️
Experts
Combiner AWS SageMaker et Lambda pour des prédictions ML en temps réel, sans gérer de serveurs.
12.05.2025
Vidéo
Tech & Data
Quels sont les challenges d'un Lead AI dans une scale-up qui veut faire de l'IA son cheval de bataille stratégique ?
Quels sont les challenges d'un Lead AI dans une scale-up qui veut faire de l'IA son cheval de bataille stratégique ?
Au cours de cette interview, Remi Takase, Lead AI de Mirakl, nous expliquera son quotidien, ses questionnements et ses challenges passés et à venir.
08.07.2025
Vidéo
Tech & Data
Gaël Varoquaux est le co-fondateur de scikit-learn, le projet open-source le plus utilisé pour faire du Machine Learning en Python. Directeur de recherche à l’Inria, il est aussi membre du récent comité scientifique pour l’Intelligence Artificielle Générative. Il nous accorde une interview exclusive durant laquelle il nous partage ses convictions sur l'avenir de l'IA et sur la place de l'open-source.e
Au programme :
- Sa vision Produit autour de scikit-learn et son avenir - et plus généralement la place de l’open-source dans la tech et l’IA
- Ses travaux de recherche à l’Inria - en particulier les applications du Machine Learning sur des questions de santé et de société
- Ses messages et convictions sur les challenges à venir en IA - messages qu’il porte auprès du comité de l'intelligence artificielle générative
08.07.2025
01.07.2025
Construisons votre parcours de formation
Discutons de vos besoins en formation et créons un programme sur mesure pour vos équipes.