Formation Google BigQuery – Analyser, modéliser et optimiser vos données à grande échelle
Informations clés
Prochaines sessions
Vous souhaitez planifier cette formation à une date spécifique ? Contactez-nous par email ou en remplissant le formulaire de contact.
Description de la formation Google BigQuery – Analyser, modéliser et optimiser vos données à grande échelle
La formation Google BigQuery part d’une particularité qui déroute au début : ici, il n’y a pas de serveur à dimensionner, pas d’index à créer, pas de cluster à redémarrer. On écrit du SQL, et ça répond — même sur des téraoctets. La difficulté se déplace donc ailleurs : dans la modélisation, dans le partitionnement, et surtout dans le coût, car une requête mal écrite ne devient pas lente, elle devient chère.
Sur 3 jours, vous travaillez ce qui fait vraiment la différence : l’architecture en colonnes et ce qu’elle change dans votre façon d’écrire du SQL, le partitionnement et le clustering (les deux leviers qui divisent la facture), les champs imbriqués et répétés qui évitent des jointures coûteuses, les vues matérialisées, l’ingestion en flux, la gouvernance des accès jusqu’au niveau de la ligne, et le choix entre facturation à la donnée scannée et capacité réservée. Chaque optimisation est mesurée : avant, après, en euros.
Cette formation prolonge notre Formation Google Cloud Professional Data Engineer, qui couvre l’ensemble de la chaîne data Google, et notre Formation Google Cloud Associate Cloud Engineer pour les fondations d’infrastructure. Côté streaming, notre Formation Apache Kafka éclaire les concepts que l’on retrouve dans Pub/Sub. Pour comparer les écosystèmes, voyez notre Formation AWS Data Engineer (Redshift, Athena), notre Formation Azure Data Lake, Synapse, Data Factory et Spark, notre Formation Azure Databricks et notre Formation Snowflake. Enfin, notre Formation Google Cloud Digital Leader replace BigQuery dans la stratégie data d’ensemble.
Envie de comparer les parcours ? Découvrez l’ensemble de nos formations google cloud platform, ou laissez-vous guider par notre article Quelle formation Google Cloud Platform choisir ?.
Bon à savoir
- Les sessions sont garanties dès 1 inscrit (sauf cas de force majeure).
- Un entretien en amont a lieu entre le participant et/ou un référent de l’entreprise afin de bien prendre en compte le profil du participant.
- Evaluation : QCM, mises en situation et travaux pratiques. Attestation de validation d’acquis délivrée à l’issue de la formation.
- Cette formation couvre le volet analytique du référentiel de la certification Google Cloud Professional Data Engineer (examen non inclus).
- Cette formation fait partie de notre catalogue Formations Cloud Computing. Découvrez nos autres formations cloud pour maîtriser les architectures, services et bonnes pratiques sur AWS, Azure et GCP.
- Pour débuter sur AWS, nous recommandons en prérequis notre Formation AWS Cloud Practitioner qui pose les fondamentaux du Cloud Amazon.
Objectifs de la formation Google BigQuery – Analyser, modéliser et optimiser vos données à grande échelle
A l’issue de la formation le participant sera capable de :
- Expliquer l’architecture de BigQuery (stockage en colonnes, calcul séparé) et ce qu’elle implique.
- Écrire des requêtes SQL performantes et lire un plan d’exécution.
- Partitionner et clusteriser des tables pour réduire la donnée scannée.
- Exploiter les champs imbriqués et répétés pour éviter des jointures coûteuses.
- Ingérer des données par lots et en flux continu (Storage, Dataflow, Pub/Sub).
- Gouverner les accès jusqu’au niveau de la colonne et de la ligne.
- Choisir entre facturation à la demande et capacité réservée, et piloter le coût.
Prérequis de la formation Google BigQuery – Analyser, modéliser et optimiser vos données à grande échelle
- Une pratique du SQL est indispensable : vous devez savoir écrire une jointure, une agrégation et une sous-requête sans hésiter. C’est le seul prérequis réellement bloquant.
- Une première expérience de Google Cloud (projets, IAM, Cloud Storage) est souhaitable mais non exigée : les notions nécessaires sont reprises. Des notions de modélisation décisionnelle faciliteront les modules avancés.
- Parce que chaque participant est unique, un entretien personnalisé avec notre expert nous permet de concevoir une formation parfaitement alignée avec ses objectifs.
Public visé par la formation Google BigQuery – Analyser, modéliser et optimiser vos données à grande échelle
- Analystes de données et développeurs BI travaillant sur de gros volumes.
- Ingénieurs data construisant des entrepôts et des pipelines sur Google Cloud.
- Administrateurs de bases de données évoluant vers l’analytique cloud.
- Responsables data devant maîtriser le coût de leurs traitements analytiques.
Financement
Cette formation est financée directement par l’entreprise (pas de CPF, pas d’OPCO).
Programme détaillé de la formation Google BigQuery – Analyser, modéliser et optimiser vos données à grande échelle
L'architecture, et pourquoi elle change votre SQL
Partitionnement et clustering : les deux leviers du coût
SQL avancé : imbriqué, répété et fenêtres
Ingestion : par lots et en flux
Modélisation et vues matérialisées
Gouvernance, sécurité et partage
Coût, performance et intégration
Les plus de cette formation
- traite BigQuery par son vrai enjeu — le coût — en mesurant chaque optimisation avant et après, en euros ;
- couvre le volet analytique du référentiel de la certification Google Cloud Professional Data Engineer ;
- consacre environ 60 % du temps à la pratique sur des volumes réalistes ;
- se déroule en groupe de 1 à 3 participants, ce qui permet de travailler sur vos propres jeux de données.
FAQ
Faut-il connaître Google Cloud pour suivre cette formation ?
Ce n’est pas bloquant : les notions Google Cloud nécessaires (projets, IAM, Cloud Storage) sont reprises pendant la formation. Le vrai prérequis est le SQL — il faut être à l’aise avec les jointures et les agrégations, car on écrit du SQL du premier au dernier jour.
Quelle différence avec la formation Professional Data Engineer ?
Data Engineer couvre toute la chaîne data Google (Pub/Sub, Dataflow, Dataproc, BigQuery, Looker) et prépare une certification. Cette formation se concentre sur BigQuery seul et va beaucoup plus loin : partitionnement, clustering, champs imbriqués, vues matérialisées, sécurité au niveau ligne, arbitrage du modèle de facturation. Les deux se complètent.
Va-t-on vraiment travailler sur la réduction des coûts ?
Oui, c’est le fil rouge. Chaque optimisation est mesurée : on relève la donnée scannée avant, on applique le partitionnement ou le clustering, on remesure, et on convertit l’écart en euros. Le dernier atelier consiste à auditer un projet coûteux et à produire un plan d’optimisation chiffré.
BigQuery ou Snowflake : la formation aide-t-elle à comparer ?
Le sujet est abordé, mais sans parti pris marketing. Les deux sont d’excellents entrepôts en colonnes ; les différences portent sur le modèle de facturation, l’intégration à l’écosystème et le fonctionnement du calcul. Si la comparaison est votre objectif principal, dites-le lors de l’entretien préalable.
Combien de temps dure la formation et quel est le format ?
3 jours, soit 21 heures, en distanciel avec sessions enregistrées. La formation peut aussi se dérouler sur votre site. Les sessions sont garanties dès un seul inscrit.