Durée : 2 jours - 14 heures
Tarif : Nous contacter pour une formation INTER – INTRA ou en COURS PARTICULIER
La formation est délivrée en présentiel ou distanciel (e-learning, classe virtuelle, présentiel et à distance). Le formateur alterne entre méthodes démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). La validation des acquis peut se faire via des études de cas, des quiz et/ou une certification.
Cette formation est animée par un consultant-formateur dont les compétences techniques, professionnelles et pédagogiques ont été validées par des diplômes et/ou testées et approuvées par l’éditeur et/ou par Audit Conseil Formation.
Avoir des connaissances générales en architecture SI.
- Evaluation des besoins et objectifs en pré et post formation
- Evaluation technique des connaissances en pré et post formation
- Evaluation générale du stage
Définition des notions "donnée" et "information".
La notion de données référentielles (Master Data).
Enjeux stratégiques des données pour l'entreprise.
Les catégories de données de l'entreprise.
Les différentes formes d'exploitation des données.
Définition de la gouvernance des données.
Enjeux tactiques et stratégiques.
Présentation du DAMA "Body of Knowledge".
Les acteurs et nouveaux métiers du data management.
Outils de mesure pour l'évaluation de la maturité des données d'une entreprise.
Les grands principes de la démarche de gouvernance de données.
Les outils de référence et état de l’art.
Positionnement du master data management dans le système d'information d'entreprise.
Les étapes essentielles de la démarche master data management.
Présentation des typologies d’architectures master data management.
Concevoir et administrer des données référentielles (master data).
Synthèse des bonnes pratiques.
Le rôle des utilisateurs dans le dispositif MDM.
Présentation du déploiement d’une solution MDM.
Du relationnel au big data.
Concept de data lake. Cohabitation des technologies traditionnelles et Hadoop.
La dé-normalisation des données.
Des données à l’analyse descriptive et prédictive.
Data Quality Management : évaluation, contrôle et maintenance. Les outils.
Contexte législatif : droit des données personnelles, obligations, conservation,
La démarche data driven.
Les offres éditeur.
Relever le challenge pour que l’architecture des données soutienne la stratégie métier.