GCP200MIGTERADATA

Migration des utilisateurs de Teradata vers BigQuery

Dans ce cours, vous apprendrez à traduire divers concepts de Teradata vers les concepts analogues dans BigQuery. Vous apprendrez comment les architectures de haut niveau de Teradata et BigQuery se comparent, comprendrez les différences dans la configuration des ensembles de données et des tables, mapperez les types de données de Teradata aux types de données dans BigQuery, comprendrez le mappage de schémas de Teradata à BigQuery, optimiserez vos nouveaux schémas dans BigQuery et effectuerez une comparaison de haut niveau des dialectes SQL dans Teradata et BigQuery.

Google Cloud
Formation officielle Google CloudNiveau Introduction⏱️ 1 jour (7h)

Ce que vous allez apprendre

  • Comparer l'architecture et le provisionnement des ressources dans Teradata et BigQuery
  • Configurer les ensembles de données et les tables dans BigQuery
  • Mapper et comparer les types de données de Teradata aux types de données de BigQuery
  • Mapper et optimiser les schémas de Teradata vers BigQuery
  • Traduire le SQL de Teradata vers BigQuery

Prérequis

  • Expérience de l'utilisation de Teradata en tant qu'entrepôt de données pour la gestion des données et l'exécution d'analyses SQL. Une expérience de base avec BigQuery est recommandée, mais pas obligatoire pour ce cours.

Public cible

  • Clients

Programme de la Formation

5 modules pour maîtriser les fondamentaux

Objectifs
  • Comparer l'architecture et le provisionnement des ressources dans Teradata et BigQuery
  • Décrire le concept de slot dans BigQuery
Sujets abordés
  • Rappel rapide de l'architecture Teradata
  • Aperçu de l'architecture BigQuery
  • Séparation du calcul et du stockage dans BigQuery
  • Slots BigQuery
  • Gestion de la charge de travail dans BigQuery
Objectifs
  • Comprendre la hiérarchie des ressources dans BigQuery
  • Configurer les ensembles de données et les tables dans BigQuery
Sujets abordés
  • Hiérarchie des ressources dans Teradata
  • Hiérarchie des ressources dans BigQuery
  • Création de ressources dans BigQuery
  • Partage de ressources dans BigQuery
Activités

Lab : Provisionnement et gestion des ressources dans BigQuery

Objectifs
  • Comment les types de données se mappent de Teradata à BigQuery
  • Comprendre les types de données uniques à BigQuery
Sujets abordés
  • Mappage des types de données de Teradata vers BigQuery
  • Types de données uniques à BigQuery
Objectifs
  • Définir des schémas dans BigQuery
  • Implémenter le partitionnement et le clustering dans BigQuery
Sujets abordés
  • Définitions de schémas dans BigQuery
  • Partitionnement dans BigQuery
  • Clustering dans BigQuery
Activités

Lab : Migration de schéma vers BigQuery

Objectifs
  • Comprendre les capacités d'interrogation en SQL BigQuery
  • Écrire des fonctions et des procédures définies par l'utilisateur en SQL BigQuery
Sujets abordés
  • Instructions SELECT
  • Instructions DML
  • Instructions DDL
  • UDFs et Procédures
Activités

Lab : Écriture de SQL pour BigQuery

Formations associées

SFEIR Institute
Best

dbt

Apprenez à transformer vos données avec dbt, l'outil de référence du Modern Data Stack. Vous commencerez par comprendre l'évolution des architectures data et la différence entre ETL et ELT. Vous installerez dbt, créerez votre premier projet et le connecterez à vos sources de données. Vous apprendrez ensuite à construire des modèles de données structurés, à choisir les bonnes options de matérialisation (table, view, incremental) et à organiser vos métadonnées avec les tags. Vous découvrirez comment référencer vos sources et gérer les dépendances entre modèles. Vous explorerez les fonctionnalités avancées : seeds pour initialiser vos données de référence, snapshots pour suivre l'historique et gérer les dimensions à évolution lente, macros Jinja et variables pour automatiser vos transformations. Enfin, vous mettrez en place des tests automatisés pour garantir la qualité de vos données, documenterez vos modèles avec le lineage, et découvrirez les packages de la communauté dbt. Formation pratique avec 60% de labs.

2 j
Fondamental
Google Cloud

Introduction à l'Analyse de Données sur Google Cloud

Ce cours est une introduction à l'analyse de données sur Google Cloud. Il est conçu pour les apprenants qui n'ont aucune expérience préalable de l'analyse de données ou de Google Cloud. Le cours couvre les bases de l'analyse de données, y compris la collecte, le stockage, l'exploration, la visualisation et le partage. Il présente également aux apprenants les outils et services d'analyse de données de Google Cloud. À travers des conférences vidéo, des démos, des quiz et des travaux pratiques, le cours montre comment passer des données brutes à des visualisations et des tableaux de bord percutants.

1 j
Fondamental

Prochaines sessions

3 mars 2026
Distanciel • Français
S'inscrire
20 mai 2026
Distanciel • Français
S'inscrire
3 juillet 2026
Distanciel • Français
S'inscrire
26 août 2026
Distanciel • Français
S'inscrire
6 novembre 2026
Distanciel • Français
S'inscrire
25 novembre 2026
Distanciel • Français
S'inscrire

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 / QCMTest 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.

790€ HT

par apprenant