Formation Analytics Engineer

Ce programme vise à développer les compétences nécessaires pour évoluer d'un poste de Data Analyst à un poste d'Analytics Engineer. Cela inclut l'optimisation des requêtes SQL, la création de pipelines d'ingestion avec Fivetran, l'utilisation de dbt pour transformer les données en SQL, l'exposition des données en Self-Service via Metabase et l'adoption des bonnes pratiques de code avec la CI/CD et Git.

Les principaux outils technologiques utilisés dans ce programme sont Google Cloud Platform (GCP) avec BigQuery, dbt, Airflow, Fivetran, Metabase.

Chaque module est conçu pour couvrir des aspects spécifiques du parcours de formation :

1. Cloud, SQL avancé et bonnes pratiques : Introduction aux services de GCP, techniques de partitionnement en SQL, et optimisation des requêtes SQL avec BigQuery.
2. ETL/ELT Fivetran : Comprendre et appliquer Fivetran, créer et déployer des pipelines de données, automatiser le déploiement des pipelines de données.
3. dbt & la Modélisation : Compréhension de la modélisation des données avec dbt, débogage des modèles, et création de modèles dans dbt.
4. dbt + Tests sur la Chaîne de Modélisation : Implémentation et documentation de tests dans dbt, avec un accent sur le débogage.
5. Les Tests : CI/CD & Git : Maîtrise de Git, pratiques de développement et CI/CD appliquées à dbt.
6. Projet Final : Automatiser et Optimiser son flux de modèles dans dbt pour un usage Self-Service : Création d'un modèle de données optimisé, orchestrer des pipelines de données en utilisant DBT et Airflow, intégrer toutes les compétences acquises dans un projet final orienté Self-Service (Metabase).

Le programme de formation comprend un total de 60 heures réparties sur 6 semaines, avec chaque semaine dédiée à un module spécifique.

Oui, certains modules proposent des certifications associées. Il est recommandé de consulter les liens fournis dans la description des modules pour plus d'informations sur les certifications disponibles.

Les prérequis peuvent varier, mais une connaissance de base en SQL et en manipulation de données est généralement recommandée. Une familiarité avec les concepts de cloud computing peut également être utile.

Les missions de l'Analytics Engineer sont nombreuses, mais ells peuvent êtres cléssées commececi :

• Modélisation des données : Développer des modèles de données efficaces pour répondre aux exigences analytiques et aux rapports d'entreprise.

• Transformation des données : Exploiter des outils comme dbt pour convertir des données brutes en formats analytiques exploitables.

• Automatisation des pipelines : Concevoir et gérer des pipelines de données automatisés pour assurer un accès rapide et fiable aux informations.

• Qualité des données : Garantir la conformité et la qualité des données par le biais de tests, de validations et d'un suivi régulier.

• Collaboration avec les équipes : Coopérer avec les analystes de données, les scientifiques des données et d'autres départements pour répondre aux besoins en matière de données.

• Optimisation des performances : Affiner les requêtes SQL et les systèmes de données pour maximiser l'utilisation des ressources.

• Documentation : Assurer une documentation précise des processus de transformation de données, des pipelines et des sources.

‍

En fin de formation Analytics Engineer, vous serez le garant de la qualité et de la structuration des données au sein de l'entreprise :

• Maîtriser le SQL avancé et le Cloud : Optimiser vos requêtes SQL pour des performances maximales et gérer les services de données Cloud (BigQuery).

• Bâtir des pipelines d'ingestion (ELT) : Utiliser des outils d'ingestion modernes comme Fivetran et Airbyte Cloud pour automatiser l'arrivée des données dans l'entrepôt.

• Modéliser la donnée (dbt) : Concevoir des modèles de données fiables selon une architecture en médaillon et automatiser les transformations avec dbt (Data Build Tool).

• Garantir la qualité et la fiabilité : Implémenter des tests et documenter vos modèles pour un déploiement sécurisé.

• Appliquer les pratiques DevOps : Utiliser Git et l'intégration continue (CI/CD) pour le versioning et le déploiement structuré.

• Créer un livrable complet : Réaliser un modèle de données optimisé et créer un dashboard de restitution (Metabase) à partir de vos données modélisées.

Suite au dépôt de votre candidature via la page « Je postule », nous vous appelons pour évaluer votre motivation.

Nous vous conseillons de postuler au moins trois semaines avant le début de la formation afin de préparer au mieux votre entrée en formation. Malgré tout, en cas de demande urgente, nos équipes admissions feront au mieux pour vous permettre d’entrer en formation dans les plus brefs délais

Ensuite, nous programmons un deuxième entretien de 60 minutes sur votre parcours, votre personnalité, des tests business. Sous 48h, vous connaîtrez le résultat de votre admission.

À la différence d’un Data Analyst, dont le rôle principal est axé sur l’analyse des données, l’Analytic Engineer se concentre davantage sur la modélisation des données. Plus précisément, cet expert est en charge de la transformation, des tests, du déploiement, ainsi que de la documentation des données qu’il manipule.

Dans son travail quotidien, les tâches d’un Analytics Engineer incluent :

• La création et l’optimisation des pipelines de données pour l’acquisition, la transformation et le chargement (ETL/ELT) ;
• Le développement et la gestion des modèles de données afin de simplifier leur exploitation analytique ;
• La surveillance ainsi que l'amélioration des performances des systèmes de traitement de données ;
• La mise en place de pratiques de gouvernance des données garantissant leur qualité et leur sécurité.

Le salaire d'un Analytics Engineer varie en fonction de plusieurs facteurs, comme l'expérience, la localisation, la taille de l'entreprise, et le niveau d'expertise. Voici une fourchette salariale basée sur les tendances récentes aux États-Unis et en Europe :

États-Unis :

• Junior (0-2 ans d'expérience) : $70,000 - $90,000 par an
• Intermédiaire (3-5 ans d'expérience) : $90,000 - $120,000 par an
• Senior (5+ ans d'expérience) : $120,000 - $150,000 ou plus par an

Europe (UE) :

• Junior : 45,000 € - 65,000 € par an
• Intermédiaire : 65,000 € - 85,000 € par an
• Senior : 85,000 € - 110,000 € par an

Ces fourchettes peuvent varier selon les secteurs (tech, finance, etc.) et la localisation spécifique (les grandes villes ayant des salaires plus élevés).

Pour suivre cette formation, il est important de faire preuve de motivation, d’une réelle envie d’apprendre, et d’une certaine appétence analytique. D’un point de vue académique, notre seul
pré-requis est d’être titulaire d’un diplôme de niveau 5 ou Bac + 2 ou d’avoir 2 ans d’expérience
professionnelle et maitriser la logique d’un tableur Excel. A noter qu'il faut Iégalement du matériel informatique, qui n’est pas fourni dans les frais de la formation, et qui reste à votre charge. La formation est conçue pour
s’adapter à des profils variés, même sans expérience en data ou en programmation.

Oui, depuis février 2021, nos formations sont éligibles au CPF. Vous avez ainsi la possibilité d'utiliser tout ou partie de votre solde CPF pour financer votre parcours chez nous.

Nous sommes référencés sur Kairos, la plateforme de Pôle Emploi, ainsi que dans leur catalogue qualité. Cependant, votre conseiller devra évaluer votre éligibilité en fonction de divers critères, tels que votre projet professionnel et votre motivation. Une fois votre éligibilité confirmée, nous pourrons vous fournir un devis et vous guider dans les démarches à suivre.

Vous avez plusieurs options de financement pour votre formation chez DataBird :

• Utiliser votre CPF, car nos formations sont éligibles. Vous pouvez consulter votre solde CPF sur le site officiel de l'État.
• Financer la formation sur fonds propres avec des modalités de paiement en 1, 3 ou 10 mois pour en étaler le coût.
• Explorer la possibilité d'un financement via votre OPCO dans le cadre d'une formation entreprise.