Devenir Analytics Engineer en 6 semaines avec DataBird et DataGen
#85 - Le zoom, le podcast avec Alexandre et mes épisodes préférés sur l'Analytics Engineering
Hello,
Bienvenue dans l’édition #85 de la newsletter DataGen ! 👋
L'agenda de la semaine :
🔍 Le programme du bootcamp Analytics Engineering
🧐 A quels profils il s’adresse ? Quelles sont les modalités ?
🎙 Le podcast avec Alexandre, cofondateur de DataBird
📚 Les épisodes que je recommande sur l’Analytics Engineering
C’est parti !
🔍 Le programme du bootcamp Analytics Engineering
Le besoin en Analytics Engineers ou en Data Analyst “Full-Stack” a explosé.
J’observe cette tendance au quotidien dans mes échanges avec les leaders data sur le podcast : 100% des boîtes ont besoin de compétences en Analytics Engineering.
On a décidé avec Databird d’unir nos forces pour créer le 1er bootcamp sur le sujet.
Le programme est composé de 6 modules (un par semaine) et chaque module comprend des exercices à faire de son côté (8h) et une masterclass en live avec un professeur le mardi de 18h30 à 20h30.
Module #1 : Cloud, SQL avancé et bonnes pratiques
- Comprendre et apprendre à utiliser les services de Google Cloud Platform.
- Optimiser ses requêtes SQL (ex : techniques de partitionnement et de clustering en SQL).
Technologies : SQL, Google Cloud Platform, BigQuery
Module #2 : ETL/ELT - Fivetran
- Créer et déployer des pipelines de données (ex : ingérer de la donnée dans BigQuery avec Fivetran).
- Automatiser le déploiement de ses pipelines de données (ex : créer des pipelines réplicables et robustes).
Technologie : Fivetran
Module #3 : dbt et la modélisation
- Compréhension d'une architecture médaillon (Bronze, Silver, Gold).
- Pratiquer la création de modèles dans dbt (ex : automatiser les traitements, déboguer les modèles).
Technologies : SQL, dbt, Google Cloud Platform, BigQuery
Module #4 : dbt et tests sur la chaîne de modélisation
- Comprendre l'importance des tests dans la modélisation des données (ex : implémenter et documenter des tests).
- Mettre en production et déboguer son modèle dbt (ex : assurer la fiabilité des modèles).
Technologies : SQL, dbt, Google Cloud Platform, BigQuery
Module #5 : Les tests - CI/CD et Git
- Maîtriser Git pour la gestion de version (ex : "Pull Request", Git rebase / Git merge with master).
- Comprendre et adopter les bonnes pratiques de développement et de mise en production continue (ex : CI/CD, Peer Reviews).
Technologies : Git, GitHub
Module #6 : Cas final - Automatiser et optimiser son flux de modèles dans dbt pour un usage Self-Service
- Créer un modèle de données optimisé (ex : avec dbt, documenté, “peer reviewed”).
- Orchestrer les pipelines de données (ex : avec dbt et Airflow).
- Intégrer toutes les compétences acquises dans un projet final orienté Self-Service avec l’outil de Business Intelligence Metabase (ex : problématique business, application sur un KPI).
Technologies : dbt, SQL, Google Cloud Platform, BigQuery, Airflow, Metabase
🧐 A quels profils il s’adresse ? Quelles sont les modalités ?
Le bootcamp permettra à des profils Data Analysts ou Data Scientists déjà en poste de devenir Analytics Engineer ou Data Analyst “Full-Stack”.
Le pré-requis pour intégrer le bootcamp est d’avoir déjà pratiqué le SQL au quotidien dans le cadre de son poste actuel ou de ses études.
Il y aura un test SQL à passer.
Le bootcamp est à temps partiel pendant 6 semaines à hauteur de 10h par semaine et peut donc être suivi en parallèle de son job.
Nous avons fixé le prix à 2900€ mais nous proposons un prix de lancement pour la première session qui débute le 15 octobre à 2000€.
Il est finançable via CPF / OPCO.
Par ailleurs, nous allons limiter les places afin de sélectionner les meilleurs profils et garantir la qualité du bootcamp.
🎙 Le podcast avec Alexandre, cofondateur de DataBird
Alexandre Miny de Tornaco est le co-fondateur de DataBird, le bootcamp spécialisé sur la data, qui a formé plus de 4000 personnes en 4 ans.
Ils ont lancé des bootcamps spécialisés sur la Data Analyse, la Data Science et le Data Engineering.
Dans cet épisode, on parle de la tendance de l’Analytics Engineering et du bootcamp qu’on lance en collaboration.
On aborde :
La genèse du bootcamp Analytics Engineering,
La tendance de l’Analytics Engineering (pourquoi elle explose et son lien avec le Self-Service),
Comment l’Analytics Engineering se traduit chez Aircall, Back Market et Doctolib,
Le programme du bootcamp et ses modalités (modules, semaine type, profils…).
“Le Métier de Data Analyst va se splitter en 2 avec d’un côté des Business Analysts qui plutôt orientés métier et de l’autre des Analytics Engineers qui eux vont plutôt se spécialiser sur la partie software.”
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify | Deezer
📚 Les 3 épisodes que je recommande sur l’Analytics Engineering
“Ils mis en place une approche Analytics Engineering mais sans créer une équipe dédiée, ils ont une équipe de Data Analysts Full-Stack”
“Ils ont mis en place une approche Analytics Engineering plus stricte avec une équipe dédiée. L’épisode décortique comment ils s’y sont pris avec un Senior Analytics Engineer.”
“Ici, on rentre plutôt par l’angle du Self-Service. Et on voit à quel point la mise en place d’une approche Analytics Engineering (dbt, modélisation, CI/CD…) est nécessaire pour mettre en place le Self-Service.”