Devenez Analytics Engineer

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

Au programme

• 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

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

Au programme

• Historisation (SCD Type 1, 2, 3), snapshot tables, bridge tables et incremental models
• CTEs, CTEs récursives et structuration de requêtes complexes
• Window functions, pivot, GROUPING SETS et MERGE/UPSERT

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)

Au programme

• 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

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

Au programme

• 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