AJC FORMATION : 17. Big Data - Gestion de référentiels de données
Organisme
75009 PARIS 9Voir toutes ses formationsAutres organismes proposant cette formation
Durée
Modalités
- Classe virtuelle
- Présentiel
Evaluation des acquis : Les apprenants réalisent tout au long de la formation des exercices, QCM, mises en situation, TP, TD qui seront corrigés pour faciliter l’acquisition de compétences
Prix
Public
Chefs de projet, Développeurs, Architectes SI, Concepteurs et Analystes, Data Governors…
Pré-requis
Avoir des connaissances générales en architecture SI
Objectifs pédagogiques
Comprendre le principe des données de référence (Master Data) et en identifier les enjeux
Appréhender l’impact des nouvelles architectures de données et du Big Data sur le Master Data
Connaitre les principales technologies, solutions et méthodes de gestion des données de référence
Mettre en place une méthode de gouvernance des données
Savoir identifier les acteurs du Master Data Management et leur rôle
Appréhender les outils et bonnes pratiques pour démarrer un projet de référentiel SI
Programme détaillé
Introduction
▪ Présentation du cours
▪ Concepts et glossaire des données de référence
▪ Rappel sur l'architecture des référentiels SI
Les données de référence
▪ Définition des données de référence (Master Data)
▪ Types et nature des données de référence
▪ Les principaux référentiels du SI
▪ Architecture applicative d'un référentiel
Travaux pratiques : Mise en place d’un référentiel
Master Data Management (MDM)
▪ Définition du MDM
▪ Qu'est-ce que le MDM ?
▪ Les sources de MDM
▪ Les conséquences d'un MDM faible
▪ Pourquoi le MDM est-il difficile ?
▪ Les différents types de MDM
▪ Aperçu du marché des solutions de MDM
Travaux pratiques : Utilisation d’une solution MDM
Les données ambiguës
▪ L'importance de connaître les données ambiguës
▪ Les risques de l'engagement "Business"
▪ Les "Business Cases" faibles
▪ Excès d'ambitions
▪ L'ignorance de la qualité des données
▪ MDM n'est pas une cible mais un process
Architecture et technologie
▪ Architectures MDM
▪ Vue simpliste du scope MDM
▪ MDM dans les entreprises multinationales
▪ Les styles de MDM
▪ Opérationnel vs analyse MDM
▪ Chevauchement de styles
▪ Le taux de succès
▪ La question de fédération
▪ La fédération en pratique
Travaux pratiques : Mise en place d’une architecture MDM
La gouvernance des données
▪ Rôle de la gouvernance
▪ Aspects de la gouvernance de données
▪ Cycle de vie de la donnée
▪ Niveau d'intérêt dans la gouvernance de données
▪ Organisation de la gouvernance de données
▪ Zones de mise en valeur
▪ Le coût de la faible qualité des données
▪ Data gouvernance (comité et staff)
▪ Les 5 niveaux de maturité
▪ Les principaux drivers pour la gouvernance de données
La qualité des données
▪ La qualité des données et le MDM
▪ Les dimensions de la qualité des données
▪ L'utilité de la qualité des données
▪ Les technologies utilisées dans la qualité des données
▪ La perception des éditeurs dans la qualité des données