[{"data":1,"prerenderedAt":45},["ShallowReactive",2],{"course-systemes-decisionnels-et-entrepots-de-donnees":3,"highlight-sql-CREATE TABLE dim_cli":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/0b0b037f-b298-11f1-a993-d8ca06000363","Systèmes décisionnels et entrepôts de données","systemes-decisionnels-et-entrepots-de-donnees",null,"MOA, chefs de projet, analystes, contrôleurs de gestion, informaticiens abordant le décisionnel, responsables de la donnée.","Connaissance des bases de données et du langage SQL.","Comprendre la chaîne décisionnelle et modéliser un entrepôt de données (étoile, faits, dimensions) et ses alimentations.","--day1--\n\n## Chaîne décisionnelle\n\n-   Distinction entre systèmes transactionnels et systèmes décisionnels\n-   Architecture : sources, zone de préparation, entrepôt, magasins, restitution\n-   Rôles : administrateur de données, ingénieur données, analyste, utilisateur métier\n-   Évolution des architectures : entrepôt classique, lac de données, architecture lakehouse\n-   Choix entre solution sur site et solution cloud\n-   Travaux pratiques : cartographie de la chaîne décisionnelle d'un cas métier fourni\n\n--break--\n\n## Modélisation dimensionnelle\n\n-   Faits et dimensions : identification à partir des besoins d'analyse\n-   Grain d'une table de faits et conséquences d'un mauvais choix\n-   Schéma en étoile et schéma en flocon : arbitrages\n-   Dimensions dégénérées, dimensions conformes, dimension de dates\n-   Mesures additives, semi-additives et non additives\n-   Travaux pratiques : modélisation en étoile d'un domaine métier complet\n\n--day2--\n\n## Historisation et qualité\n\n-   Dimensions à évolution lente : types et choix selon le besoin d'historique\n-   Gestion des corrections rétroactives et des retraitements\n-   Clés techniques, rapprochement des sources et gestion des doublons\n-   Qualité des données : contrôles, rejets, réconciliation avec les sources\n-   Traçabilité des données et audit des chargements\n-   Travaux pratiques : mise en œuvre d'une dimension à évolution lente et des contrôles de qualité associés\n\n--break--\n\n## Alimentation\n\n-   Approches ETL et ELT : différences et critères de choix\n-   Chargement initial et chargements incrémentaux\n-   Détection des changements dans les sources\n-   Ordonnancement, dépendances et reprise sur erreur\n-   Fenêtres de chargement et contraintes de disponibilité\n-   Travaux pratiques : conception du plan d'alimentation de l'entrepôt modélisé\n\n--day3--\n\n## Restitution et usages\n\n-   Typologie des restitutions : états, tableaux de bord, analyse libre, exploration\n-   Indicateurs : définition partagée, règles de calcul, dictionnaire\n-   Sémantique et couche d'abstraction pour les utilisateurs métier\n-   Performance de restitution : agrégats, cubes, mise en cache\n-   Diffusion, droits d'accès et confidentialité des données\n-   Travaux pratiques : spécification d'un tableau de bord et du dictionnaire d'indicateurs associé\n\n--break--\n\n## Conduire un projet décisionnel\n\n-   Cadrage : périmètre, sources, utilisateurs, valeur attendue\n-   Approche itérative par domaine d'analyse plutôt que projet global\n-   Gouvernance de la donnée et rôles associés\n-   Facteurs d'échec récurrents : indicateurs non partagés, qualité des sources, adoption\n-   Maintien en condition et évolution de l'entrepôt\n-   Travaux pratiques : construction de la feuille de route d'un projet décisionnel","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-11","2026-09-18T09:45:10+00:00","2026-09-17T15:02:31+00:00","1990.00",{"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},"Structurez un projet décisionnel : architecture ETL/ELT, modélisation en schéma étoile avec table de faits et dimensions, granularité, gestion des historiques et restitution aux utilisateurs métier.","Cette formation donne les repères nécessaires pour comprendre et cadrer un projet décisionnel de bout en bout. Elle présente la chaîne complète, des sources opérationnelles jusqu'à la restitution : extraction, transformation et chargement (ETL/ELT), zone de préparation, entrepôt de données et datamarts. La modélisation dimensionnelle est pratiquée sur un cas complet : schéma en étoile avec table de faits et dimensions, granularité, dimensions à évolution lente (SCD) et hiérarchies. La formation aborde aussi les compromis entre étoile et flocon, ainsi que les indicateurs de qualité de la donnée à surveiller. L'objectif est de donner des repères pour dialoguer avec les équipes techniques. Cette formation s'adresse aux maîtrises d'ouvrage, chefs de projet, analystes, contrôleurs de gestion et responsables de la donnée.","#3730A3","mdi:chart-box-outline","sql","CREATE TABLE dim_client (\n  id_client_dw INT PRIMARY KEY,\n  nom VARCHAR(100),\n  segment VARCHAR(50)\n);\n\nCREATE TABLE fait_ventes (\n  id_client_dw INT REFERENCES dim_client(id_client_dw),\n  id_date_dw INT REFERENCES dim_date(id_date_dw),\n  quantite INT,\n  montant DECIMAL(12,2)\n);","Formation aux systèmes décisionnels pour cadrer un entrepôt de données : chaîne ETL/ELT, modélisation en étoile (faits, dimensions) et dialogue avec les équipes techniques.","Comprenez la chaîne décisionnelle de bout en bout et modélisez un entrepôt de données en schéma étoile robuste.","\u003Cpre class=\"hljs\">\u003Ccode class=\"language-sql\">\u003Cspan class=\"hljs-keyword\">CREATE TABLE\u003C/span> dim_client (\n  id_client_dw \u003Cspan class=\"hljs-type\">INT\u003C/span> \u003Cspan class=\"hljs-keyword\">PRIMARY KEY\u003C/span>,\n  nom \u003Cspan class=\"hljs-type\">VARCHAR\u003C/span>(\u003Cspan class=\"hljs-number\">100\u003C/span>),\n  segment \u003Cspan class=\"hljs-type\">VARCHAR\u003C/span>(\u003Cspan class=\"hljs-number\">50\u003C/span>)\n);\n\n\u003Cspan class=\"hljs-keyword\">CREATE TABLE\u003C/span> fait_ventes (\n  id_client_dw \u003Cspan class=\"hljs-type\">INT\u003C/span> \u003Cspan class=\"hljs-keyword\">REFERENCES\u003C/span> dim_client(id_client_dw),\n  id_date_dw \u003Cspan class=\"hljs-type\">INT\u003C/span> \u003Cspan class=\"hljs-keyword\">REFERENCES\u003C/span> dim_date(id_date_dw),\n  quantite \u003Cspan class=\"hljs-type\">INT\u003C/span>,\n  montant \u003Cspan class=\"hljs-type\">DECIMAL\u003C/span>(\u003Cspan class=\"hljs-number\">12\u003C/span>,\u003Cspan class=\"hljs-number\">2\u003C/span>)\n);\u003C/code>\u003C/pre>",1789717727290]