[{"data":1,"prerenderedAt":45},["ShallowReactive",2],{"course-big-data-concepts-et-architectures":3,"highlight-mermaid-graph LR\n    A[Sourc":44},{"id":4,"name":5,"slug":6,"location":7,"targetAudienceFormatMarkdown":8,"prerequisitesFormatMarkdown":9,"objectivesFormatMarkdown":10,"descriptionFormatMarkdown":11,"teachingMethodsFormatMarkdown":12,"teachingResourcesFormatMarkdown":13,"evaluationMethodsFormatMarkdown":14,"accessibilityFormatMarkdown":15,"accessMethodsFormatMarkdown":16,"minimumParticipants":7,"maximumParticipants":7,"duration":17,"reference":18,"trainerType":7,"updated_at":19,"created_at":20,"price":21,"organizationMode":22,"theme":25,"code":29,"tags":34,"metadata":35},"/api/courses/0b0ffee4-b298-11f1-a993-d8ca06000363","Big Data : concepts et architectures","big-data-concepts-et-architectures",null,"DSI, architectes, chefs de projet, MOA, responsables de la donnée, informaticiens abordant le sujet.","Connaissance générale des systèmes d'information et des bases de données.","Comprendre l'écosystème Big Data et NoSQL, de Hadoop aux architectures lakehouse.","--day1--\n\n## Concepts et cas d'usage\n\n-   Ce qui caractérise un contexte Big Data et ce qui relève du décisionnel classique\n-   Traitement distribué : principes, parallélisation, tolérance aux pannes\n-   Traitement par lots et traitement en flux\n-   Familles de bases non relationnelles et cas d'usage respectifs\n-   Cas d'usage métier réels et cas d'usage surévalués\n-   Travaux pratiques : qualification de plusieurs besoins métier en architecture adaptée\n\n--break--\n\n## Architectures et technologies\n\n-   Écosystème historique Hadoop et son évolution\n-   Moteurs de traitement distribué et positionnement de Spark\n-   Stockage : systèmes de fichiers distribués, stockage objet, formats de fichiers\n-   Lac de données, entrepôt, architecture lakehouse : comparaison\n-   Architectures en flux et bus de messages\n-   Travaux pratiques : conception d'une architecture cible pour un cas d'usage donné\n\n--day2--\n\n## Gouvernance et exploitation\n\n-   Qualité, catalogue, lignage et propriété des données\n-   Sécurité et confidentialité dans un environnement distribué\n-   Conformité RGPD appliquée aux grands volumes\n-   Coûts réels : infrastructure, compétences, exploitation\n-   Organisation des équipes données et rôles\n-   Travaux pratiques : évaluation du coût complet de l'architecture conçue\n\n--break--\n\n## Décider et conduire un projet\n\n-   Critères de décision entre solution classique et architecture distribuée\n-   Approche progressive et preuve de valeur\n-   Choix entre solutions sur site, cloud et managées\n-   Facteurs d'échec récurrents des projets de données\n-   Trajectoire réaliste et jalons de décision\n-   Travaux pratiques : construction de la feuille de route d'un programme données","Présentiel, distanciel, hybride","Les supports pédagogiques sont remis aux stagiaires sous format numérique et/ou papier selon les modalités de la formation.\n\nIls comprennent des supports de cours, des présentations, des fiches pratiques, des études de cas, des exercices applicatifs ainsi que des QCM d’entraînement selon la formation. (adapté au choix du formateur)\n\nLes formations s’appuient sur des moyens techniques adaptés : ordinateurs, logiciels professionnels, connexion internet, écran ou vidéoprojecteur, ainsi que des outils collaboratifs et de visioconférence pour les formations à distance.\n\nL’ensemble des supports pédagogiques est accessible pendant et après la formation afin de favoriser l’appropriation et la mise en pratique des compétences acquises.","En amont de la formation, un recueil des besoins permet de récolter des informations sur le stagiaire et ses attentes. L’évaluation se fait en cours de formation, par des études de cas ou des travaux pratiques. En fin de formation, par un questionnaire d’auto-évaluation et/ou un examen.\n\nUn suivi de qualité est effectué grâce à nos sessions en groupe restreint (entre 2 et 9 participants maximum). Le stagiaire émargera par demi-journée et recevra une attestation de formation.","Nous informons l’ensemble de nos clients et stagiaires que nous sommes dans la capacité d’adapter les sessions selon les handicaps et les situations spécifiques. Nous nous engageons à répondre à toutes vos demandes sous un délai de 48h ouvré.","Si l’une de nos formations vous intéresse, contactez-nous au +33 4 93 65 34 24 ou à l’adresse mail contact@m2g-intellect.fr. Selon votre besoin et vos attentes, nous organiserons un échange téléphonique avec le formateur pressenti afin d’adapter la formation et ses modules, puis nous vous adresserons un devis.\n\nLes dates de la formation seront à convenir sous 30 jours maximum.","14.00","L1-DAT-16","2026-09-18T09:45:10+00:00","2026-09-17T15:02:31+00:00","1430.00",{"id":23,"name":24},"/api/organization_mode_types/6","HYBRID",{"id":26,"name":27,"slug":28},"/api/themes/0ac0e95d-b298-11f1-a993-d8ca06000363","Bases de données, outils décisionnels, Big Data et Cloud computing","bases-de-donnees-outils-decisionnels-big-data-et-cloud-computing",{"id":30,"label":31,"domain":32},"/api/training_specialities/163","326 - Informatique, traitement de l’information, réseaux de transmission des données",{"label":33},"32 - Communication et information",[],{"desc-accroche":36,"Description":37,"icon-color":38,"icon-name":39,"code-langage":40,"code-snippet":41,"courte-description":42,"titre-accroche":43},"Cadrez les choix Big Data : écosystème Hadoop et traitement distribué, bases NoSQL (documents, colonnes, graphes), architectures lakehouse et streaming, et critères pour juger quand ces technologies sont justifiées.","Cette formation de cadrage permet de comprendre ce que recouvrent réellement les architectures de données massives et pour quels besoins elles se justifient. Elle présente l'écosystème né autour de Hadoop, les grandes familles de bases NoSQL (documents, colonnes larges, clés-valeurs, graphes) et leurs cas d'usage respectifs. Elle aborde ensuite les architectures plus récentes : data lake, puis lakehouse combinant souplesse du lac de données et garanties transactionnelles d'un entrepôt, ainsi que les architectures de traitement en flux. Le fil conducteur est la décision : quels signaux indiquent qu'une architecture Big Data est justifiée, et quels cas relèvent en réalité d'une base relationnelle bien dimensionnée. L'objectif est d'instruire une décision, non de mettre en œuvre ces technologies. Cette formation s'adresse aux DSI, architectes, chefs de projet et responsables de la donnée.","#4C1D95","mdi:cloud-outline","mermaid","graph LR\n    A[Sources brutes] --> B[Bronze: donnees brutes]\n    B --> C[Silver: donnees nettoyees]\n    C --> D[Gold: agregats metier]\n    D --> E[BI / Data Science]","Formation de cadrage Big Data et NoSQL, de Hadoop aux architectures lakehouse, pour comprendre les technologies disponibles et juger de leur pertinence face à un besoin réel.","Comprenez les architectures Big Data et NoSQL pour instruire vos décisions technologiques, sans jargon ni parti pris.","\u003Cpre class=\"hljs\">\u003Ccode class=\"language-mermaid\">graph LR\n    A[Sources brutes] --> B[Bronze: donnees brutes]\n    B --> C[Silver: donnees nettoyees]\n    C --> D[Gold: agregats metier]\n    D --> E[BI / Data Science]\u003C/code>\u003C/pre>",1789717727742]