Formation Analyste Systèmes d'Information

Leçon 1 • Fondements éthiques et réglementaires

Présente les principes de confidentialité, les obligations de protection des données et les normes de traitement éthique. Établit la base de conformité qui sous-tend toute activité analytique dans le cours.

Leçon 2 • Rôle de l'analyste en information d'entreprise

Décrit les responsabilités de l'analyste, les relations avec les parties prenantes et les parcours professionnels. Clarifie la manière dont l'analyste fait le pont entre les besoins métier et les solutions techniques de données.

Leçon 3 • Le paysage de l'information d'entreprise

Définit les données structurées, non structurées et semi-structurées ainsi que leurs rôles organisationnels. Ancre toutes les analyses ultérieures dans une taxonomie partagée des types d'information.

Leçon 4 • Cadres de gestion de l'information

Passe en revue les cadres établis pour organiser et gouverner les actifs informationnels. Fournit un échafaudage conceptuel pour tous les sujets de gouvernance et de qualité qui suivent.

Leçon 1 • Validation et priorisation des exigences

Applique la priorisation MoSCoW et les cycles de révision des parties prenantes pour finaliser les exigences. Garantit que les solutions analytiques délivrées répondent en premier aux besoins métier les plus importants.

Leçon 2 • Techniques d'élaboration des exigences

Couvre les ateliers, les entretiens, l'observation et l'analyse documentaire comme méthodes d'élaboration. Donne aux analystes une boîte à outils pour découvrir les besoins métier exprimés et non exprimés.

Leçon 3 • Traduction des exigences en périmètre analytique

Convertit les exigences validées en objectifs analytiques mesurables et en critères de succès. Fait le pont entre la phase d'exigences et le travail de conception analytique qui suit.

Leçon 4 • Documentation des exigences métier et données

Enseigne les cas d'utilisation, les user stories et les spécifications d'exigences de données comme formats de documentation. Produit des artefacts qui alignent les parties prenantes métier et les équipes techniques sur le périmètre.

Leçon 1 • Sources de données secondaires et tierces

Examine les ensembles de données publiquement disponibles, les flux de données achetés et les rapports sectoriels. Apprend aux analystes à évaluer les sources externes pour leur pertinence et leur fiabilité.

Leçon 2 • Planification et documentation de la collecte de données

Guide les analystes dans le cadrage, la planification et la documentation d'un plan de collecte. Relie les compétences d'évaluation des sources à un processus de collecte reproductible et vérifiable.

Leçon 3 • Dimensions de la qualité des données

Définit l'exactitude, l'exhaustivité, la cohérence, l'actualité et la validité comme dimensions de qualité mesurables. Fournit les critères que les analystes utilisent pour accepter ou rejeter des données pour l'analyse.

Leçon 4 • Méthodes de collecte de données primaires

Couvre les enquêtes, les entretiens, les observations et les techniques de capture transactionnelle. Équipe les analystes pour concevoir des instruments de collecte adaptés à des questions métier spécifiques.

Leçon 1 • SQL pour les analystes métier

Enseigne les modèles SELECT, JOIN, GROUP BY et sous-requêtes pour la récupération de données métier. Permet aux analystes d'extraire et d'agréger des données de manière autonome sans support de développeur.

Leçon 2 • Modèles de données logiques et physiques

Traduit les modèles conceptuels en schémas logiques puis en conceptions de tables physiques. Fait le pont entre les exigences métier et les décisions de mise en œuvre de bases de données.

Leçon 3 • Modélisation conceptuelle des données

Présente les diagrammes entité-relation et l'identification des entités métier. Fournit le langage visuel que les analystes utilisent pour communiquer les structures de données aux parties prenantes.

Leçon 4 • Concepts de bases de données relationnelles

Explique la théorie relationnelle, les clés, les contraintes et les règles d'intégrité référentielle. Donne aux analystes les bases conceptuelles nécessaires pour travailler efficacement avec les équipes de bases de données.

Leçon 1 • Documentation des décisions de préparation des données

Établit des normes pour l'enregistrement de la logique de transformation, des hypothèses et du lignage. Garantit la reproductibilité et la vérifiabilité de chaque étape de nettoyage effectuée.

Leçon 2 • Conception de pipelines ETL et ELT

Explique les modèles extract-transform-load et extract-load-transform ainsi que leurs compromis. Permet aux analystes de concevoir ou de spécifier des pipelines de données pour des processus métier récurrents.

Leçon 3 • Techniques de transformation des données

Applique la normalisation, l'encodage, l'agrégation et le pivotement pour remodeler les ensembles de données. Prépare les données dans la structure exacte requise par les outils d'analyse ou de reporting en aval.

Leçon 4 • Identification et profilage des problèmes de données

Utilise des outils de profilage et des résumés statistiques pour détecter les anomalies, les valeurs nulles et les doublons. Établit une étape de diagnostic systématique avant tout travail de nettoyage.

Leçon 1 • Statistiques descriptives pour les données métier

Couvre les mesures de tendance centrale, de dispersion et de forme de distribution pour les ensembles de données métier. Fournit les statistiques récapitulatives que les analystes utilisent pour caractériser les données avant une analyse plus approfondie.

Leçon 2 • Fondamentaux des tendances et des prévisions

Applique les moyennes mobiles, la régression linéaire et la décomposition saisonnière aux séries temporelles métier. Donne aux analystes des outils pour projeter les performances futures à partir des tendances historiques.

Leçon 3 • Communication des résultats statistiques

Traduit les résultats statistiques en récits métier en langage clair et en résumés visuels. Garantit que les conclusions analytiques conduisent à des décisions plutôt que de confondre les parties prenantes.

Leçon 4 • Techniques d'analyse diagnostique

Utilise la corrélation, le tableau croisé et les méthodes d'exploration descendante pour expliquer pourquoi les mesures changent. Fait passer les analystes de la description de ce qui s'est passé à l'identification des facteurs contributeurs.

Leçon 1 • Reporting opérationnel et exécutif

Distingue les rapports d'exploration transversale opérationnels des formats de résumé exécutif et leurs publics. Apprend aux analystes à adapter la profondeur et la fréquence des rapports à chaque niveau de partie prenante.

Leçon 2 • Techniques de narration par les données

Structure les résultats analytiques comme des récits avec des arcs de contexte, de conflit et de résolution. Élève les rapports de simples présentations de données à des histoires persuasives qui motivent l'action.

Leçon 3 • Sélection du type de graphique approprié

Mappe les questions analytiques aux familles de graphiques appropriées : comparaison, distribution, relation et composition. Empêche la mauvaise représentation en faisant correspondre la forme visuelle à la structure des données.

Leçon 4 • Conception et mise en page des tableaux de bord

Couvre la hiérarchie de l'information, le placement des KPI, l'interactivité et les principes de mise en page responsive. Produit des tableaux de bord qui guident les utilisateurs vers les insights clés sans surcharge cognitive.

Leçon 1 • Programmes de gestion de la qualité des données

Établit des règles de qualité, des tableaux de bord de suivi et des flux de travail de correction en tant que programme continu. Relie les mesures de qualité des données à des résultats métier mesurables et à la responsabilisation.

Leçon 2 • Cadres et structures de gouvernance des données

Passe en revue les modèles de conseil de gouvernance, les hiérarchies de gestion et l'architecture des politiques. Fournit le plan organisationnel que les analystes utilisent pour proposer ou améliorer les programmes de gouvernance.

Leçon 3 • Alignement de la stratégie d'information sur les objectifs métier

Relie les investissements dans la gouvernance des données aux objectifs stratégiques, à la réalisation de valeur et au parrainage exécutif. Permet aux analystes de construire le business case pour des programmes de gouvernance durables.

Leçon 4 • Gestion des données de référence et des données de référence

Définit les domaines de données de référence, la création de l'enregistrement d'or et les processus de maintenance des données de référence. Garantit des données cohérentes et faisant autorité dans tous les systèmes et rapports métier.