Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 1 · Domaines et rôles

Domaines, rôles et modèles de données

Un domaine de données regroupe les informations selon un thème ou usage métier : client, finance, logistique… Structurer en domaines favorise une gestion décentralisée et clarifie acteurs, responsabilités, priorités. Le cours indique que c'est le même concept qu'en Data Mesh, où chaque domaine est traité comme un produit, géré par une équipe autonome.

4 rôles par domaine

RôleMission
Business data ownerdéfinit les priorités du domaine, s'assure que les données répondent aux besoins, promeut leur usage
Data steward« bras armé » du data owner : qualité et documentation ; il anime et facilite, ne corrige pas lui-même
Architecte des donnéesconçoit les modèles de données pour répondre aux cas d'usage
Délégué à la protection des donnéesgarant de la conformité RGPD, protection des données sensibles

Vérifie que tu as compris

Un data steward trouve des adresses erronées dans son domaine. Que fait-il, d'après le cours ?

Les domaines ne fonctionnent pas en vase clos : leurs données sont souvent fournies, utilisées ou enrichies par d'autres domaines (ex. les émissions de CO2 du domaine environnement proviennent des domaines production et logistique). La gouvernance les coordonne pour garantir l'interopérabilité et éviter duplications et incohérences, comme la gouvernance fédérée du Data Mesh.

3 niveaux de modèles de données

Conceptuel→Logique→Physique
  • Conceptuel : vision de haut niveau, communication métier/technique, objets principaux et relations.
  • Logique : plus détaillé (objets, attributs, types, clés), prépare le passage au physique.
  • Physique : implémentation concrète, ex. tables d'une base de données.

Exemple du cours (vente en ligne) : clients, commandes, produits. Client : nom, adresse, email ; commande reliée au client avec date et total ; une commande est reliée à plusieurs produits (nom, prix). Bonne pratique : développer les modèles à partir des cas d'usage existants, puis les enrichir, pas « dans l'absolu ». Un bon modèle est compréhensible par les métiers, facile à utiliser et complet pour les cas d'usage identifiés.

Vérifie que tu as compris

Quel niveau de modèle décrit les tables réelles d'une base de données ?