Consultez un expert

DATA ANALYST SPECIALIST

Domaine : Business Intelligence

Type de formation : Certifiant

Durée : 4 mois (16 semaines)

VAE : Certificat

PUBLIC CIBLE : Professionnels et passionnés de la data souhaitant acquérir les compétences nécessaires pour devenir des spécialistes en analyse de données.

PREREQUIS : Connaissances de base en informatique et intérêt pour l’analyse de données.

CONTEXTE DE LA FORMATION

Dans le monde actuel, les données sont omniprésentes. Elles sont générées par les entreprises, les consommateurs et les appareils connectés. Les entreprises collectent des données sur leurs activités, leurs clients et leurs concurrents. Ces données peuvent être utilisées pour améliorer les processus, prendre de meilleures décisions et gagner des clients.

Comprendre son environnement et les défis de son secteur requiert de se familiariser avec le monde de la data. Ainsi une bonne façon de s’y mettre est de se former. Nous vous offrons donc cette opportunité de vous arrimer aux tendances métiers actuelles. 

Le parcours de formation « Data Analyst » est de ce fait élaboré pour permettre aux apprenants d’explorer ce domaine très sollicité ; d’approfondir les connaissances et compétences des professionnels qui se frottent déjà aux données mais de façon primaire ; Il s’agit également de donner l’opportunité aux adeptes des mathématiques et informatique d’embrasser une carrière passionnante. Le parcours de formation Data Analyst ouvre une niche de spécialisation dans le digital afin de donner ses lettres de noblesse à la Data. 

Notre méthode pédagogique sera de ce fait, basée sur la réalisation de projets
concrets et l’accompagnement des formateurs qualifiés et professionnels. 

L’idée est simple : pour apprendre efficacement, il est important d’être actif (ve) dans
son apprentissage. Au sein de ce parcours, cela passe par la réalisation de projets basés
sur des scénarios issus du monde professionnel. Les missions des apprenants : chercher des
solutions, créer vos livrables, et les présenter de façon convaincante devant votre
évaluateur ! 

En plus d’être plongé dans une façon d’apprendre plus interactive, les apprenants pourront directement appliquer cette expérience en entreprise, et vous aurez un portfolio de projets réalisés qui vous permettront d’apporter une réelle valeur ajoutée dans vos taches au quotidien. 

La formation « Data Analyst » permettra aux apprenants de maitriser les outils classiques statistiques d’analyse de données tels que EXCEL ainsi que les langages de programmation adapté à la data science : R ou Python, de faire des visualisations professionnelles avec POWER BI et la gestion des bases de données avec les langages comme SQL. 

Le rôle du Data Analyst est donc de mieux comprendre les données afin d’en tirer des informations de grande valeur pour l’entreprise. Il ou elle est responsable de la chaîne de collecte et de traitement de ces données, et se porte garant(e) de leur intégrité. 

Une fois l’analyse des données effectuée, le ou la Data Analyst produit des rapports destinés aux différents services de l’entreprise. 

Son but est de présenter ses conclusions de manière claire, compréhensible et précise, pour faciliter la prise de décision. Devenir Data Analyst, c’est donc intervenir en amont du processus décisionnel : un rôle utile et gratifiant !

OBJECTIFS PÉDAGOGIQUES

Ce parcours Spécialiste en data Analyst vise à former les apprenants capables de :

  • Maîtriser les outils et techniques essentiels pour collecter, nettoyer, analyser et visualiser des données.
  • Développer des compétences en programmation et en intelligence artificielle pour manipuler et analyser des ensembles de données complexes.
  • Acquérir les connaissances nécessaires pour concevoir et mettre en œuvre des solutions d’analyse de données dans des contextes professionnels.

Programme de la Formation Data Analyst

Module 1 : Initiation à la Business Intelligence avec Power Query et Power Pivot (2 semaines)

Dans ce module, les apprenants vont étudier l’économie comme toute autre

Discipline scientifique, c’est-à-dire à travers l’apprentissage de son protocole de base. En revanche, il ne s’agira pas de faire des apprenants des économistes : ce cours est une introduction assez complète, dont l’objectif principal est de créer un sens d’analyse économique, mais pas de maîtriser en détails tous les outils des économistes (dont les modèles mathématiques et les statistiques font partie).

  • Introduction générale
  • Financement de l’économie et rôle de la monnaie
  • Conjonctures et politiques économiques
  • Économie internationale et globalisations

Objectifs

  • Maîtriser les concepts fondamentaux de la Business Intelligence (BI) et son rôle dans la prise de décision stratégique.
  • Découvrir Power Query pour extraire, transformer et charger des données provenant de diverses sources.
  • Apprendre à utiliser Power Pivot pour créer des modèles de données relationnels en mémoire dans Excel.
  • Développer des compétences en analyse et visualisation de données pour communiquer efficacement les résultats des analyses.

Contenu

Semaine 1 : Introduction à la Business Intelligence et Power Query
  • Introduction à la Business Intelligence (BI) et ses concepts clés (indicateurs clés de performance (KPIs), tableaux de bord, rapports).
  • Avantages de la BI pour la prise de décision stratégique et l’amélioration des performances des entreprises.
  • Présentation de Power Query et son interface utilisateur.
  • Connexion à diverses sources de données (fichiers Excel, bases de données, services web).
  • Nettoyage et transformation de données (tri, filtrage, suppression de doublons, etc.).
  • Création de requêtes Power Query pour manipuler et préparer les données.
Semaine 2 : Modélisation de Données avec Power Pivot et Analyse
  • Introduction au modèle de données Power Pivot et ses avantages.
  • Création de tables et de relations entre les tables dans Power Pivot.
  • Définition de mesures et indicateurs clés de performance (KPIs) pour analyser les données.
  • Utilisation de fonctions DAX (Data Analysis Expressions) pour des calculs avancés.
  • Création de tableaux croisés dynamiques et de graphiques pour visualiser les données.
  • Mise en forme et personnalisation des tableaux de bord et des rapports pour une meilleure communication.

Module 2 : Modélisation avec le langage DAX (2 semaines)

Objectifs

  • Maîtriser les concepts fondamentaux du langage DAX et sa syntaxe.
  • Créer des mesures calculées personnalisées pour analyser des données quantitatives.
  • Établir des relations entre les tables de données pour une modélisation efficace.
  • Utiliser des fonctions DAX courantes pour des analyses essentielles.

Contenu

Semaine 1 : Introduction au Langage DAX et Mesures Calculées
  • Présentation du langage DAX et de ses fonctionnalités
  • Syntaxe et structure des expressions DAX
  • Création de mesures calculées de base (SUM, AVERAGE, COUNT, etc.)
  • Utilisation de filtres et de contextes dans les mesures calculées
  • Formatage et mise en forme des mesures pour une meilleure lisibilité
Semaine 2 : Relations entre les Tables et Fonctions DAX Courantes
  • Création et gestion des relations entre les tables de données
  • Types de relations (un à un, un à plusieurs, plusieurs à plusieurs)
  • Utilisation des relations pour enrichir les mesures calculées
  • Fonctions DAX courantes (CALCULATE, FILTER, DATESINRANGE, etc.)
  • Application des fonctions DAX pour des analyses de base (filtrages, agrégations, comparaisons)
  • Techniques de débogage et résolution de problèmes dans les modèles DAX

Module 3 : Analyse et visualisation des données avec Power BI et Tableau (3 semaines)

Objectifs

  • Maîtriser les fonctionnalités essentielles de Power BI pour importer, nettoyer, transformer et analyser des données.
  • Créer des visualisations de données puissantes et interactives pour communiquer efficacement les résultats des analyses.
  • Développer des tableaux de bord et des rapports personnalisés pour répondre aux besoins spécifiques des utilisateurs.

Mettre en œuvre des techniques de storytelling pour rendre les données captivantes et exploitables.

Contenu

Semaine 1 : Introduction à Power BI et Importation de Données
  • Présentation de Power BI et son écosystème
  • Installation et configuration de Power BI Desktop et Power BI Service
  • Connexion à diverses sources de données (fichiers locaux, bases de données cloud, services web)
  • Techniques de nettoyage et transformation de données (tri, filtrage, suppression de doublons)
  • Gestion des types de données et des mesures
Semaine 2 : Visualisation et Analyse de Données avec Power BI
    • Création de visualisations de données courantes (graphiques à barres, histogrammes, camemberts, cartes)
    • Personnalisation et mise en forme des visualisations pour une meilleure lisibilité
    • Utilisation de filtres et de segments pour affiner les analyses
  • Création de tableaux de bord interactifs avec des fonctionnalités de navigation et de clic
  • Analyse de données exploratoire pour identifier des tendances et des modèles
Semaine 3 : Tableaux de Bord, Rapports et Storytelling avec Power BI
  • Conception et création de tableaux de bord personnalisés pour différents cas d’utilisation
  • Développement de rapports complets avec des visualisations, des analyses et des commentaires
  • Utilisation de techniques de storytelling pour rendre les données captivantes et exploitables
  • Publication de tableaux de bord et de rapports sur Power BI Service pour le partage et la collaboration
  • Mise en œuvre des meilleures pratiques pour la sécurité et la gouvernance des données

Module 4 : Initiation à Python (2 semaines)

Objectifs

  • Découvrir les concepts fondamentaux du langage de programmation Python.
  • Installer et configurer un environnement de programmation Python.
  • Apprendre à écrire des scripts Python pour automatiser des tâches simples.
  • Maîtriser les structures de base du langage Python (variables, types de données, opérateurs, instructions).
  • Développer des compétences en programmation orientée objet en Python (classes, objets, méthodes).
  • Explorer les bibliothèques Python populaires pour le traitement de données et la visualisation.

Contenu

Semaine 1 : Introduction à la Programmation et Python
  • Introduction aux concepts clés de la programmation (algorithmes, variables, instructions).
  • Présentation du langage Python et ses avantages pour les débutants.
  • Installation de Python et configuration de l’environnement de développement.
  • Écriture des premiers scripts Python: Hello World, variables et types de données, opérateurs arithmétiques.
  • Utilisation des instructions de base (print, input, commentaires).
Semaine 2 : Structures de Contrôle, Fonctions et Programmation Orientée Objet
  • Structures de contrôle conditionnelles (if, elif, else) pour gérer des conditions et prendre des décisions.
  • Boucles itératives (for, while) pour répéter des actions.
  • Fonctions Python: définition, arguments, valeurs de retour, portée des variables.
  • Programmation orientée objet (POO) en Python: classes, objets, attributs, méthodes.
  • Création de classes et d’instances pour modéliser des objets et leur comportement.

Module 5 : Initiation à l'IA et Machine Learning (2 semaines)

Objectifs

  • Découvrir les concepts fondamentaux de l’intelligence artificielle (IA) et ses différentes branches.
  • Comprendre les principes du Machine Learning et son rôle dans l’IA.
  • Apprendre à implémenter des algorithmes de Machine Learning de base (classification, régression) avec Python.
  • Explorer les applications du Machine Learning dans divers domaines (recommandation, prédiction, analyse de données).

Contenu

Semaine 1 : Introduction à l'Intelligence Artificielle et Machine Learning
  • Introduction à l’IA: histoire, définitions, types d’IA (systèmes experts, agents intelligents, réseaux de neurones).
  • Enjeux et opportunités de l’IA: impact sur la société, l’économie et les entreprises.
Semaine 2 : Initiation au Machine Learning (2 Semaines)
  • Concepts fondamentaux du Machine Learning: apprentissage supervisé (classification, régression), apprentissage non supervisé (clustering, réduction de dimensionnalité), apprentissage par renforcement
  • Introduction à la programmation Python pour le Machine Learning: bibliothèques (scikit-learn, NumPy, Pandas), manipulation de données.
  • Préparation des données pour le Machine Learning: nettoyage, normalisation, transformation des données.

Module 6 : Modélisation et bases de données sur Microsoft SQL Server (3 semaines)

Objectifs

  • Maîtriser les concepts fondamentaux des bases de données relationnelles et du langage SQL.
  • Installer et configurer Microsoft SQL Server.
  • Créer et gérer des bases de données SQL Server.
  • Définir des tables, des relations et des contraintes de données.
  • Rédiger des requêtes SQL pour interroger, manipuler et analyser des données.
  • Utiliser les fonctions et opérateurs SQL avancés.
  • Optimiser les performances des requêtes SQL.
  • Mettre en œuvre des techniques de sécurité pour protéger les données.

Contenu

Semaine 1 : Introduction aux Bases de Données et SQL Server
  • Introduction aux bases de données relationnelles (modèle entité-relation, normalisation)
  • Avantages des bases de données relationnelles
  • Présentation de Microsoft SQL Server
  • Installation et configuration de SQL Server (environnement local)
  • Interface utilisateur de SQL Server Management Studio (SSMS)
Semaine 2: Conception et Gestion de Bases de Données SQL Server
  • Création de bases de données SQL Server
  • Structure d’une table SQL Server (champs, types de données, clés)
  • Définition de relations entre les tables (clés étrangères, références)
  • Contraintes d’intégrité des données (primary key, foreign key, NOT NULL)
  • Gestion des utilisateurs et des permissions
Semaine 3 : Requêtes SQL et Analyse de Données
  • Introduction au langage SQL (SELECT, FROM, WHERE, ORDER BY, GROUP BY)
  • Requêtes de sélection et de filtrage de données
  • Agrégation de données (SUM, COUNT, AVG, MIN, MAX)
  • Jointures de tables (INNER JOIN, LEFT JOIN, RIGHT JOIN)
  • Sous-requêtes et requêtes imbriquées
  • Fonctions SQL avancées (DATEPART, CONVERT, SUBSTRING)
  • Optimisation des requêtes SQL (indexation, exécution de plans)

Coût

  • Certificat du Cabinet : 375 000 FCFA payable en deux tranches
  • Avec certification Power Bi : 500 000 FCFA payable en trois tranches max

Parcours de certification PROFESSIONNELLE