Le problème à résoudre
L’entrepôt de données propriétaire est cher, rigide et facturé en devises, et il sépare artificiellement données structurées et non structurées. Centraliser toute la donnée de l’entreprise pour l’analytique et l’IA devient coûteux et complexe.
La promesse pour la direction
Votre administrateur conçoit un data lakehouse ouvert : un socle unique (stockage objet + format ouvert) réunissant données brutes et structurées, sans verrou propriétaire, prêt pour la BI et l’IA.
Ce que le parcours débloque
souverain
Coût du socle analytique Open-source
Unifiés
Silos structuré/non structuré
ouverts)
Verrou propriétaire Aucun (formats
Le cadre
| Élément | Valeur |
|---|---|
| Profil cible | Admin entrepôt / data engineer |
| Prérequis | SQL, modélisation, bases data |
| Durée | 6 mois (accélérateur) |
| Format | Blended · 70 % de pratique |
Pile technique maîtrisée à l’issue
Apache Iceberg · Delta Lake · Trino · MinIO · Spark · Nessie · Parquet
Les jalons
Une trajectoire pour un collaborateur déjà en poste. Chaque mois est validé par un livrable et un critère d’acceptation écrit à l’avance.
| Mois | Thème | Atelier | Validation |
|---|---|---|---|
| M1 | Concepts lakehouse Lake + warehouse | Comparer warehouse, lake et lakehouse | ✔ Architecture cible justifiée |
| M2 | Stockage ouvert MinIO / S3 | Mettre en place un stockage objet souverain | ✔ Couche de stockage opérationnelle |
| M3 | Formats de table Iceberg / Delta | Structurer les données en tables ouvertes | ✔ Tables t ransactionnelles fiables |
| M4 | Moteur de requête Trino / Spark | Interroger le lakehouse en SQL | ✔ Requêtes analytiques performantes |
| M5 | Gouvernance Catalogue & accès | Cataloguer et sécuriser les données | ✔ Données cataloguées et sécurisées |
| M6 | Projet lakehouse Socle data réel | Bâtir le socle data de l’entreprise | ✔ Soutenance + BI et IA branchées |