[{"data":1,"prerenderedAt":45},["ShallowReactive",2],{"course-microsoft-fabric-la-plateforme-analytique-unifiee":3,"highlight-json-{\n  \"name\": \"pipelin":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/0b0d35d5-b298-11f1-a993-d8ca06000363","Microsoft Fabric : la plateforme analytique unifiée","microsoft-fabric-la-plateforme-analytique-unifiee",null,"Ingénieurs données, architectes décisionnels, responsables de la donnée, analystes confirmés, administrateurs de plateformes analytiques.","Connaissance du décisionnel, du langage SQL et de Power BI.","Construire une chaîne analytique de bout en bout avec Microsoft Fabric (lakehouse, pipelines, Power BI).","--day1--\n\n## Architecture de la plateforme\n\n-   Composants de Fabric et expériences proposées\n-   Stockage unifié en formats ouverts et organisation logique\n-   Espaces de travail, éléments, capacités et modèle de licence\n-   Positionnement par rapport aux architectures existantes\n-   Critères de choix entre lakehouse et entrepôt\n-   Travaux pratiques : mise en place d'un espace de travail et exploration des composants\n\n--break--\n\n## Ingestion des données\n\n-   Pipelines de données : activités, paramètres, ordonnancement\n-   Flux de données et transformations sans code\n-   Raccourcis vers des sources externes et copie de données\n-   Ingestion par lots et ingestion en flux\n-   Gestion des erreurs et reprise des chargements\n-   Travaux pratiques : construction d'un pipeline d'ingestion multi-sources\n\n--day2--\n\n## Lakehouse et transformation\n\n-   Organisation en zones de qualité croissante des données\n-   Tables en format ouvert et transactions\n-   Transformation par carnets de notes et par flux\n-   Optimisation du stockage et compactage des fichiers\n-   Exploration des données et point de terminaison d'interrogation\n-   Travaux pratiques : construction d'un lakehouse structuré en zones et transformations associées\n\n--break--\n\n## Entrepôt et modélisation\n\n-   Entrepôt de données Fabric : création, chargement, interrogation\n-   Modélisation dimensionnelle dans la plateforme\n-   Modèles sémantiques et réutilisation entre rapports\n-   Mode direct sur le stockage unifié et incidences sur la performance\n-   Rafraîchissement et gestion de la fraîcheur des données\n-   Travaux pratiques : construction d'un entrepôt et d'un modèle sémantique associé\n\n--day3--\n\n## Restitution, analyse en temps réel et IA\n\n-   Intégration avec Power BI et rapports connectés au modèle\n-   Analyse de données en flux et cas d'usage temps réel\n-   Activation d'alertes sur événements de données\n-   Fonctions d'assistance par IA dans la plateforme et leurs limites\n-   Partage et diffusion des contenus analytiques\n-   Travaux pratiques : construction d'un rapport et d'une alerte sur données en flux\n\n--break--\n\n## Gouvernance, coûts et exploitation\n\n-   Catalogue de données, lignage et classification\n-   Sécurité : rôles d'espace de travail, sécurité des données, sécurité au niveau des lignes\n-   Capacités : dimensionnement, surconsommation, suivi des coûts\n-   Supervision de la plateforme et des traitements\n-   Cycle de vie : environnements, déploiement, versionnement\n-   Travaux pratiques : mise en place de la gouvernance et analyse de la consommation de capacité","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.","21.00","L1-DAT-13","2026-09-18T09:45:10+00:00","2026-09-17T15:02:31+00:00","2310.00",{"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},"Maîtrisez Microsoft Fabric de bout en bout : ingestion et pipelines de données, stockage en lakehouse au format Delta, entrepôt Fabric, restitution Power BI et gouvernance des capacités.","Cette formation forme à la construction d'une chaîne analytique complète sur Microsoft Fabric, plateforme unifiée qui regroupe ingénierie des données, entrepôt et restitution. Elle couvre l'ingestion via les pipelines, le stockage en lakehouse au format Delta exploité par des notebooks et des points de terminaison SQL, ainsi que la construction d'un entrepôt Fabric pour la restitution structurée. La formation traite l'intégration avec Power BI en mode direct lake, aux performances proches de l'importation sans duplication des données. Une part du programme est consacrée à la gouvernance et au modèle de capacité, déterminant pour le coût réel de la plateforme. Cette formation s'adresse aux ingénieurs données, architectes décisionnels, responsables de la donnée et analystes confirmés.","#0078D4","mdi:cloud-sync-outline","json","{\n  \"name\": \"pipeline_ingestion_ventes\",\n  \"activities\": [\n    {\n      \"name\": \"CopyVersLakehouse\",\n      \"type\": \"Copy\",\n      \"source\": { \"type\": \"SqlServerSource\" },\n      \"sink\": { \"type\": \"LakehouseTableSink\", \"tableName\": \"bronze_ventes\" }\n    }\n  ]\n}","Formation Microsoft Fabric pour construire une chaîne analytique unifiée : ingestion, lakehouse, entrepôt et restitution, avec la gouvernance et le modèle de capacité.","Bâtissez une chaîne analytique complète sur Microsoft Fabric, de l'ingestion au lakehouse jusqu'à la restitution Power BI.","\u003Cpre class=\"hljs\">\u003Ccode class=\"language-json\">\u003Cspan class=\"hljs-punctuation\">{\u003C/span>\n  \u003Cspan class=\"hljs-attr\">"name"\u003C/span>\u003Cspan class=\"hljs-punctuation\">:\u003C/span> \u003Cspan class=\"hljs-string\">"pipeline_ingestion_ventes"\u003C/span>\u003Cspan class=\"hljs-punctuation\">,\u003C/span>\n  \u003Cspan class=\"hljs-attr\">"activities"\u003C/span>\u003Cspan class=\"hljs-punctuation\">:\u003C/span> \u003Cspan class=\"hljs-punctuation\">[\u003C/span>\n    \u003Cspan class=\"hljs-punctuation\">{\u003C/span>\n      \u003Cspan class=\"hljs-attr\">"name"\u003C/span>\u003Cspan class=\"hljs-punctuation\">:\u003C/span> \u003Cspan class=\"hljs-string\">"CopyVersLakehouse"\u003C/span>\u003Cspan class=\"hljs-punctuation\">,\u003C/span>\n      \u003Cspan class=\"hljs-attr\">"type"\u003C/span>\u003Cspan class=\"hljs-punctuation\">:\u003C/span> \u003Cspan class=\"hljs-string\">"Copy"\u003C/span>\u003Cspan class=\"hljs-punctuation\">,\u003C/span>\n      \u003Cspan class=\"hljs-attr\">"source"\u003C/span>\u003Cspan class=\"hljs-punctuation\">:\u003C/span> \u003Cspan class=\"hljs-punctuation\">{\u003C/span> \u003Cspan class=\"hljs-attr\">"type"\u003C/span>\u003Cspan class=\"hljs-punctuation\">:\u003C/span> \u003Cspan class=\"hljs-string\">"SqlServerSource"\u003C/span> \u003Cspan class=\"hljs-punctuation\">}\u003C/span>\u003Cspan class=\"hljs-punctuation\">,\u003C/span>\n      \u003Cspan class=\"hljs-attr\">"sink"\u003C/span>\u003Cspan class=\"hljs-punctuation\">:\u003C/span> \u003Cspan class=\"hljs-punctuation\">{\u003C/span> \u003Cspan class=\"hljs-attr\">"type"\u003C/span>\u003Cspan class=\"hljs-punctuation\">:\u003C/span> \u003Cspan class=\"hljs-string\">"LakehouseTableSink"\u003C/span>\u003Cspan class=\"hljs-punctuation\">,\u003C/span> \u003Cspan class=\"hljs-attr\">"tableName"\u003C/span>\u003Cspan class=\"hljs-punctuation\">:\u003C/span> \u003Cspan class=\"hljs-string\">"bronze_ventes"\u003C/span> \u003Cspan class=\"hljs-punctuation\">}\u003C/span>\n    \u003Cspan class=\"hljs-punctuation\">}\u003C/span>\n  \u003Cspan class=\"hljs-punctuation\">]\u003C/span>\n\u003Cspan class=\"hljs-punctuation\">}\u003C/span>\u003C/code>\u003C/pre>",1789717727432]