Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Formation : Big data : passer de la donnée brute à la décision stratégique

Collectez, structurez, analysez et valorisez la data pour créer de la valeur

Formation pratique - 5j - 35h00 - Réf. BID
Prix : 3660 CHF H.T.

Big data : passer de la donnée brute à la décision stratégique

Collectez, structurez, analysez et valorisez la data pour créer de la valeur

Moyenne des avis clients Moyenne des avis clients Moyenne des avis clients Moyenne des avis clients
4,1 / 5

Formation incontournable

Vous comprendrez les enjeux et les apports du big data ainsi que les technologies pour le mettre en œuvre. Vous intégrerez des volumétries massives de données structurées et non structurées via un Extract Transform Load (ETL), puis les analyserez grâce à des modèles statistiques et des dashboards dynamiques.


INTER
INTRA
SUR MESURE

Formation pratique en présentiel ou à distance
Disponible en anglais, à la demande

Réf. BID
  5j - 35h00
3660 CHF H.T.

Télécharger le programme

Partager cette formation




Vous comprendrez les enjeux et les apports du big data ainsi que les technologies pour le mettre en œuvre. Vous intégrerez des volumétries massives de données structurées et non structurées via un Extract Transform Load (ETL), puis les analyserez grâce à des modèles statistiques et des dashboards dynamiques.


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
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

Public concerné
Dataminers, chargés d'études statistiques, développeurs, chefs de projet, consultants en informatique décisionnelle.

Prérequis
Connaissances de base des modèles relationnels, des statistiques et des langages de programmation. Connaissances de base des concepts de la business intelligence.
Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant  ce test.

Méthodes et moyens pédagogiques
Exercice
Mettre en place une plateforme Hadoop et ses composants de base, utiliser un ETL pour gérer les données, créer des modèles d'analyse et dashboards.

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Programme de la formation

1
Comprendre les concepts et les enjeux du big data

  • Origines et définition du big data.
  • Les chiffres clés du marché dans le monde et en France.
  • Les enjeux du big data : Return on investment (ROI), organisation, confidentialité des données.
  • Un exemple d'architecture big data.

2
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, Spark, Storm...
  • Principales distributions du marché (Hortonworks, Cloudera, MapR, Elastic Map Reduce, Biginsights).
  • Installer une plateforme Hadoop.
  • Les technologies du datascientist.
  • Présentation des technologies spécifiques pour le big data (Tableau, Talend, QlikView...).
Exercice
Installation d'une plateforme big data Hadoop (via Cloudera QuickStart ou autre).

3
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.
  • Le principe des ETL (Talend).
  • Gestion de streaming de données massive (NIFI, Kafka, Spark, Storm...)
Exercice
Implémentation de flux de données massives.

4
Technique et méthodes big data analytics

  • machine learning, une composante de l'intelligence artificielle.
  • Découvrir les trois familles : régression, classification et clustering.
  • La préparation des données (data preparation, feature engineering).
  • Générer des modèles en R ou Python.
  • Ensemble learning.
  • Découvrir les outils du marché : Jupyter Notebook, Dataïku, Amazon Machine Learning...
Exercice
Mise en place d'analyses avec un des outils étudiés.

5
Data visualisation et cas d'usage concrets

  • Définir le besoin de la data visualisation.
  • Analyse et visualisation des données.
  • Peut concerner tous les types de données dans la dataviz ?
  • Les outils dataviz du marché.
Exercice
Installation et utilisation d'un outil de data visualisation pour constituer des analyses dynamiques.

6
Conclusion

  • Ce qu'il faut retenir.
  • Synthèse des bonnes pratiques.
  • Bibliographie.


Parcours certifiants associés
Pour aller plus loin et renforcer votre employabilité, découvrez les parcours certifiants qui contiennent cette formation :

Avis clients
4,1 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
GUILLAUME E.
20/07/26
4 / 5

Une bonne approche pour avoir une vision d’ensemble du Big Data, formation profitable.Un bémol cependant: de mon point de vue, nous aurions gagné à passer plus de temps sur certaines notions clés (qui par déf ne sont pas maitrisées au départ par les apprenants), car le rythme était très rapide, et il n’est pas toujours évident de suivre à la fois le support et écouter le formateur (yc sur les exercices pratiques), ni d’assimiler en direct certains éléments de vocabulaire (acronyme
MATTHIEU H.
20/07/26
3 / 5

Une partie des mises en situation n’ont pas aboutie. Par exemple, l’échec du TP TransLog est préjudiciable.En général, la formation souffre d’un manque de préparation.
STÉPHANE D.
20/07/26
4 / 5

5%20jours%20%C3%A0%20distance%2C%20c%27est%20long%20et%20lourd%20pour%20l%27apprentissage.%0Ales%20exercices%20sont%20assez%20compliqu%C3%A9%20sur%20une%20MV%20%C3%A0%20plusieurs.%0A%0Amais%20globalement%20formationn%20interessante.

> Afficher plus d’avis clients


Date de publication : 09/07/2025


PARTICIPANTS
Dataminers, chargés d'études statistiques, développeurs, chefs de projet, consultants en informatique décisionnelle.

PRÉREQUIS
Connaissances de base des modèles relationnels, des statistiques et des langages de programmation. Connaissances de base des concepts de la business intelligence.


COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.

MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

MOYENS PÉDAGOGIQUES ET TECHNIQUES
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.

MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.

ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.

Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.

Dates et lieux

Dernières places
Date garantie en présentiel ou à distance
Session garantie
Du 21 au 25 septembre 2026 *
FR
Classe à distance
S’inscrire
Du 16 au 20 novembre 2026 *
FR
Classe à distance
S’inscrire
Du 16 au 20 novembre 2026
EN
Classe à distance
S’inscrire
Du 15 au 19 mars 2027
FR
Classe à distance
S’inscrire
Du 15 au 19 mars 2027
EN
Classe à distance
S’inscrire
Du 21 au 25 juin 2027
FR
Classe à distance
S’inscrire
Du 21 au 25 juin 2027
EN
Classe à distance
S’inscrire
Du 20 au 24 septembre 2027
FR
Classe à distance
S’inscrire
Du 20 au 24 septembre 2027
EN
Classe à distance
S’inscrire
Du 13 au 17 décembre 2027
FR
Classe à distance
S’inscrire
Du 13 au 17 décembre 2027
EN
Classe à distance
S’inscrire

CLASSE À DISTANCE
2026 : 21 sep., 16 nov., 16 nov.

2027 : 15 mars, 15 mars, 21 juin, 21 juin, 20 sep., 20 sep., 13 déc., 13 déc.



Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.