Objectifs pédagogiques
- Définir une stratégie Data ambitieuse et réaliste
- Evaluer les priorités Data de l'organisation en fonction de l'état des lieux et de la vision
- Identifier les meilleures technologies disponibles et leur articulation / complémentarité
- Analyser les besoins et attentes des parties prenantes et implémenter une démarche de transformation DataOps robuste (conduite du changement).
Modalités et moyens pédagogiques
Formation délivrée en présentiel ou distanciel* (e-learning, classe virtuelle, présentiel à distance).
Le formateur alterne entre méthode** démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation).
Variables suivant les formations, les moyens pédagogiques mis en oeuvre sont :
- Ordinateurs Mac ou PC (sauf pour les cours de l'offre Management), connexion internet fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour le distanciel)
- Environnements de formation installés sur les postes de travail ou en ligne
- Supports de cours et exercices
En cas de formation intra sur site externe à M2i, le client s'assure et s'engage également à avoir toutes les ressources matérielles pédagogiques nécessaires (équipements informatique...) au bon déroulement de l'action de formation visée conformément aux prérequis indiqués dans le programme de formation communiqué.
* nous consulter pour la faisabilité en distanciel
** ratio variable selon le cours suivi
Niveau requis
Avoir des connaissances en bases de données et/ou analytiques.
Public concerné
Ingénieurs DevOps, ingénieurs Data, Data Scientists, Data Analysts, développeurs, architectes Data, chefs de projets, managers, cadres dirigeants, consultants.
Programme
Jour 1
Fondamentaux
- Qu'est-ce qu'une donnée ?
- Evolution des analytiques : des bases relationnelles aux Lakehouses et Data Mesh des pipelines avec la vision
- Stratégie des données, valeur des données, sémantique des données, BPM (Business Process Management)
- Apports des analytiques et du Cloud
- Qu'est-ce qu'une organisation Data Driven ?
- Cycle de vie de la Data, gouvernance et qualité des données
- Lean, Agilité et DevOps appliqués aux données
- Apports du DataOps
- DevOps vs DataOps vs MLOps
- Analytiques et opérations : briser le mur de la confusion
- Constituer et former les Data Teams
- Introduction à Microsoft Azure
Exemple de travaux pratiques (à titre indicatif)
- Mise en pratique : études de cas DataOps
Jour 2
Scoping et définition des éléments des pipelines DataOps
- La stratégie des données, et différence avec les stratégies IT et de gouvernance de données
- Définir la vision
- Déterminer et aligner les objectifs des pipelines avec la vision
- Cartographie de la chaîne de valeur (Value Stream Mapping)
- Processus de développement Agile DataOps : idéation, inception, R&D, transition / production
- Devenir Data Driven
Exemple de travaux pratiques (à titre indicatif)
- Etude de cas : rédiger la stratégie Data d'une entreprise
Jour 3
Produire la valeur
- Planifier les itérations
- Extraire la valeur des données
- Surveiller la qualité avec la MSP (Maîtrise Statistique des Procédés)
- Mesurer les bénéfices
- Animer les rétrospectives et assurer l'amélioration continue
Les technologies DataOps
- Ecosystème des technologies DataOps
- Build vs Buy
- Choisir les bons outils : cartes de Wardley, radar technologique
- Intégration, préparation, traitement et management des données
- Reproductibilité, déploiement, orchestration, et surveillance
- Infrastructure de calcul et moteur d'exécution de requêtes
- Stockage, plateformes et outils d'analytics
- Faire évoluer la pile technologique
Jour 4
Le DataOps Factory
- Importance de la gouvernance des données
- Culture DataOps et conduite du changement
- Centraliser les plateformes
- Tout automatiser
- L'organisation Self-Service
Exemple de travaux pratiques (à titre indicatif)
- Cas pratiques : concevoir la conduite du changement sur des exemples réels
Jour 5
Mise en pratique : construction et amélioration d'un pipeline DataOps
- Conception du workflow
- Création et test des conteneurs
- Automatisation du workflow
- Orchestration des conteneurs avec K8s
- Monitoring des conteneurs
- Résilience et test du pipeline
- Implémentation de GitOps avec Argo CD
Le contenu de ce programme peut faire l'objet d'adaptation selon les niveaux, prérequis et besoins des apprenants.
Modalités d’évaluation des acquis
- En cours de formation, par des études de cas ou des travaux pratiques
- Et, en fin de formation, par un questionnaire d'auto-évaluation
