Skip to contentSkip to content
Certificats vérifiés. Sur la blockchain. Pour toujours.En savoir plus
Ewance
Se connecter
Cover image for Choisir le modèle d'entrepôt pour un négoce de vins
Design

Choisir le modèle d'entrepôt pour un négoce de vins

FreeVerified credential1 semaineIntermediate

Aperçu

En quoi consiste ce défi.

Analysez le catalogue des questions posées par les analystes pour en extraire les axes d'analyse récurrents (temps, appellation, importateur, marché de destination, lot d'expédition) et les mesures qui reviennent (volume, chiffre d'affaires, marge, taux de casse). À partir de l'extrait des ventes à l'export fourni, proposez un modèle dimensionnel en étoile — une table de faits centrale entourée de tables de dimensions — en explicitant la granularité choisie et ce qu'elle rend impossible de mesurer. Comparez ensuite cette voie à celle du lac de données sans modélisation, sur quatre critères que vous justifierez, dont obligatoirement la réconciliation des chiffres de marge et le coût d'intégration d'un nouvel importateur. La réussite consiste à recommander une voie unique, à assumer ce que cette voie sacrifie, et à montrer sur deux questions concrètes du catalogue comment chaque option y répondrait. Ne référencez que les trois matériaux fournis : aucune donnée réelle de coopérative n'est à rechercher.

CredentialBlockchain-anchored
ShareableLinkedIn-ready
LanguageEnglish
PaceSelf-paced

Le brief

Ce que vous ferez, et ce que vous démontrerez.

Faut-il modéliser un entrepôt de données en étoile ou ouvrir un lac de données sans modélisation préalable, et que sacrifie concrètement le choix retenu ?

Earning criteria — what you'll demonstrate

  • Dériver un modèle dimensionnel à partir des questions métier réellement posées plutôt que de la structure des fichiers sources
  • Expliciter la notion de granularité d'une table de faits et ce que le choix de granularité rend définitivement impossible à mesurer
  • Comparer entrepôt de données modélisé et lac de données sur des critères opérationnels : réconciliation des chiffres, coût d'intégration d'une nouvelle source, gouvernance
  • Rédiger une décision d'architecture assumée, avec ses sacrifices explicites, pour une direction non technique

Adéquation au programme

Où cela s'inscrit dans votre cursus.

Renforce les mêmes compétences que celles attendues par votre diplôme.

Cursus associés bientôt disponibles.

Compétences

Les compétences que vous démontrerez.

Chacune apparaît sur votre certificat vérifié.

Débouchés

Les métiers auxquels ce défi vous prépare.

De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.

Les parcours de carrière que ce défi construit

Métiers de référence

Architecte de Données

Le défi fait produire un modèle dimensionnel justifié et une décision d'architecture assumée devant une direction, ce qui constitue le livrable type d'un architecte de données en début de mission.

Ce défi renforce

  • dimensional-data-modeling
  • architecture-decision-records-adrs
  • analytical-reasoning

Analyste de Données

Partir des questions réellement posées par les métiers, puis démontrer le chemin de calcul jusqu'à un chiffre réconcilié, est le quotidien d'un analyste de données en contexte d'export multi-sources.

Ce défi renforce

  • analytical-reasoning
  • dimensional-data-modeling
  • ai-assisted-analysis

Analyste d'Affaires

Traduire des besoins métier contradictoires en un modèle unique et défendre l'arbitrage par écrit auprès d'une direction non technique prépare directement au rôle d'analyste d'affaires sur des projets décisionnels.

Ce défi renforce

  • analytical-reasoning
  • 6-pager-writing
  • architecture-decision-records-adrs

Encore une chose

Vous pouvez ajouter un certificat à votre CV dès vendredi.