1 – PARTIE THÉORIQUE

Analyse des données

BI – Data Mining
Machine Learning
Data Warehouse et Data Lake

Bases de données et modélisation

Bases de données
Modélisation
NoSQL
Dénormalisation

Exemples de modélisation de données
Avec Merise
. E-Commerce – Cahier des charges
. E-Commerce – Modélisation
Avec UML
. UML – Esport

2 – LIENS UTILES ET TRAVAUX PRATIQUES

Looping Modélisation

https://www.looping-mcd.fr

Power BI

• Découvrir les visites guidées et les démonstrations de Power BI : https://powerbi.microsoft.com/fr-fr/demo/
• Démarrez avec Power BI : https://powerbi.microsoft.com/fr-fr/getting-started-with-power-bi/
  (voir la partie Power BI Desktop)
• Bien démarrer avec Power BI Desktop : https://docs.microsoft.com/fr-fr/power-bi/fundamentals/desktop-getting-started

Qliksense

• Lien Qliksense : https://demos.qlik.com/qliksense

3 – ÉVALUATIONS

3.1 – Evaluation 1 : travail en groupe

Préparez des questions relatives à la gestion des données dans vos entreprises respectives : collecte des données, usage du data mining, du machine learning, data analytics, éventuellement une interview des responsables de la gestion des données.
Relatez également vos expériences personnelles et professionnelles dans tous ces domaines.

3.2 – Evaluation 2 : travail en groupe

Modélisez une base de données professionnelle de votre choix.
Alimentez cette base de données (manuellement, collecte de données …)
Créez des requêtes SQL.
Envoyez et traiter ces données et ces requêtes dans Power BI et préparez des visualisations et un rapport d’analyse des données.