GCP200BQ4A

BigQuery pour les analystes de données

Ce cours est conçu pour les analystes de données qui souhaitent apprendre à utiliser BigQuery pour leurs besoins d'analyse de données. Grâce à une combinaison de vidéos, de travaux pratiques et de démos, nous couvrons divers sujets qui expliquent comment ingérer, transformer et interroger vos données dans BigQuery pour en tirer des informations qui peuvent aider à la prise de décision commerciale.

✓ Formation officielle Google CloudNiveau Intermédiaire⏱️ 2 jours (14h)

Ce que vous allez apprendre

Apprendre l'objectif et la valeur de BigQuery, l'entrepôt de données d'entreprise de Google Cloud, et discuter de ses fonctionnalités d'analyse de données.
Analyser de grands ensembles de données dans BigQuery avec SQL.
Nettoyer et transformer vos données dans BigQuery avec SQL.
Ingérer de nouveaux ensembles de données BigQuery et discuter des options pour les sources de données externes.
Examiner les principes de visualisation, et utiliser Connected Sheets et Looker Studio pour visualiser les informations issues des données de BigQuery.
Utiliser Dataform pour développer des pipelines de transformation de données évolutifs dans BigQuery.
Utiliser les nouvelles intégrations et capacités d'assistance introduites avec BigQuery Studio.

Prérequis

Introduction à l'analyse de données sur Google Cloud

Public cible

Analystes de données qui souhaitent apprendre à utiliser BigQuery pour leurs besoins d'analyse de données.

Programme de la Formation

9 modules pour maîtriser les fondamentaux

Objectifs

Présenter les sujets abordés dans le cours.

Sujets abordés

→Ce module présente le programme du cours.

Objectifs

Identifier les défis analytiques auxquels sont confrontés les analystes de données et comparer le big data sur site par rapport au cloud.
Apprendre l'objectif et la valeur de BigQuery, l'entrepôt de données d'entreprise de Google Cloud, et discuter de ses fonctionnalités d'analyse de données.

Sujets abordés

→Aperçu
→Analyse de données sur Google Cloud
→Des données aux informations avec BigQuery
→Cas d'utilisation réels d'entreprises transformées grâce à l'analyse sur Google Cloud

Objectifs

Lister les techniques courantes d'exploration de données.
Revoir les bases des requêtes SQL.
Enrichir les requêtes avec des fonctions, des unions et des jointures.

Sujets abordés

→Aperçu
→Techniques courantes d'exploration de données
→Analyse de grands ensembles de données avec BigQuery
→Bases des requêtes
→Travailler avec des fonctions
→Enrichir vos requêtes avec UNIONs et JOINs

Activités

TP : Exploration d'un jeu de données de commerce électronique avec SQL dans Google BigQuery

TP : Dépannage des erreurs SQL courantes avec BigQuery

TP : Dépannage et résolution des pièges des jointures de données

Objectifs

Identifier ce qui constitue un bon ensemble de données.
Nettoyer et transformer les données avec SQL.
Nettoyer et transformer les données avec d'autres options.

Sujets abordés

→Aperçu
→Cinq principes de l'intégrité des ensembles de données
→Nettoyer et transformer les données avec SQL
→Nettoyer et transformer les données : Autres options

Objectifs

Examiner les différences entre les tables de données permanentes et temporaires.
Ingérer et stocker de nouveaux ensembles de données BigQuery.
Discuter des options pour les sources de données externes.

Sujets abordés

→Aperçu
→Tables de données permanentes versus temporaires
→Ingérer de nouveaux ensembles de données
→Sources de données externes

Activités

TP : Création de nouvelles tables permanentes

TP : Ingestion et interrogation de nouveaux ensembles de données

Objectifs

Examiner les principes de visualisation des données et les pièges courants de la visualisation.
Utiliser Connected Sheets et Looker Studio pour visualiser les informations issues des données de BigQuery.
Discuter de l'exécution d'analyses dans un Jupyter Notebook.

Sujets abordés

→Aperçu
→Principes de la visualisation des données
→Connected Sheets
→Pièges courants de la visualisation des données
→Looker Studio
→Analyse dans un notebook

Activités

TP : Démarrage rapide avec Connected Sheets

TP : Explorer et créer des rapports avec Looker Studio

Objectifs

Utiliser Dataform pour développer des pipelines de transformation de données évolutifs dans BigQuery.
Apprendre à démarrer avec Dataform en créant un référentiel et un espace de travail de développement.
Créer et exécuter un flux de travail SQL dans Dataform.

Sujets abordés

→Aperçu
→Qu'est-ce que Dataform ?
→Démarrer avec Dataform

Activités

Démo

TP : Créer et exécuter un flux de travail SQL dans Dataform

Objectifs

Présenter BigQuery Studio.
Utiliser Duet AI dans BigQuery pour expliquer et générer des requêtes SQL.
Découvrir les nouvelles fonctionnalités d'ergonomie et les intégrations avec Dataform et Dataplex dans la nouvelle interface de BigQuery Studio.

Sujets abordés

→BigQuery Studio : Quoi et pourquoi ?
→Analyse unifiée
→Gestion des actifs
→Assistance intégrée

Activités

Démo

TP : Analyser des données avec l'assistance de Duet AI

TP : Générer du contenu d'e-mail personnalisé avec les requêtes continues de BigQuery et Gemini

Objectifs

Résumer les sujets clés abordés dans le cours.

Sujets abordés

→Résumé

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité

Méthodes pédagogiques mobilisées

Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
Laboratoires dirigés (Labs) — Mise en pratique guidée sur logiciel, machine ou environnement technique.
Quiz / QCM — Test rapide de connaissances (format papier ou numérique type Kahoot/Klaxoon).

Dispositif d'évaluation et de suivi

L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :

Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.

Prochaines sessions

19 janvier 2026

Distanciel • Français

✓ Session garantie

BigQuery pour les analystes de données

Ce que vous allez apprendre

Prérequis

Public cible

Programme de la Formation

Introduction au cours

Objectifs

Sujets abordés