120h de formation réparties en 5 modules, puis 2 projets d'entreprise. Le parcours est ajusté à votre niveau après l'évaluation initiale : vous ne repassez pas par ce que vous maîtrisez déjà.
120hde formation
Module 0122h
Préparation à l'Analytics Engineering
Maîtriser tous les prérequis pour l'Analytics Engineering.
Ce que vous saurez faire
✓Maîtriser le langage Python et son utilisation avancée pour les systèmes en production.
✓Construire des requêtes SQL optimisées pour l’interrogation de données dans des bases..
✓Les bases du Cloud Computing et les concepts essentiels de virtualisation.
✓Utiliser Visual Studio Code en tant qu'environnement de développement intégré.
Python
VS Code
Module 0224h
Data Warehousing
Concevoir une architecture de données multidimensionnelle dans un Data Warehouse.
Ce que vous saurez faire
✓Créer une modélisation logique de données adaptée à des besoins métiers.
✓Mettre en pratique une modélisation multidimensionnelle avec des cubes de données.
✓Construire un Data Warehouse adapté à la réalité opérationnelle d’un projet.
BigQuery
Module 0332h
Pipelines ELT avec dbt
Construire des pipelines ETL avec dbt et ses moteurs de templating.
Ce que vous saurez faire
✓Construire des pipelines ELT avec pour cible un Data Warehouse.
✓Utiliser dbt pour exécuter des requêtes SQL templatées avec Jinja.
✓Consolider dbt avec les sources et les environnements.
✓Développer des test unitaires pour vérifier la bonne exécution des requêtes.
dbt
Module 0430h
Automatisation et intégration de données
Automatiser et intégrer des pipelines de données en production.
Ce que vous saurez faire
✓Automatiser des pipelines ELT avec Apache Airflow.
✓Prendre en compte les filtrages liés à l’automatisation dans les scripts dbt.
✓Intégrer des données externes (API, sources) dans un Data Warehouse avec Airbyte.
Apache Airflow
Airbyte
dbt
Module 0512h
Data Gouvernance
Mettre en place une stratégie de gouvernance de données efficace et un catalogue de données avec OpenMetadata.
Ce que vous saurez faire
✓Mettre en place une stratégie de gouvernance des données adaptée.
✓Vérifier les prérequis en termes de Data Quality et de Data Management.
✓Consolider un catalogue de données avec OpenMetadata.
✓Tracer l’historique des transformations des données avec le Data Lineage.
OpenMetadata
Projet Hands-On 06Durée indicative : 12hMise en situation réelle
Pipeline ELT
Pipelines analytiques sur les JO Paris 2024.
Pas un exercice d'application : un cas d'usage tiré du terrain, sur des données au plus près de celles d'une entreprise. Vous le menez de bout en bout, comme en mission, jusqu'à un livrable concret que vous pourrez présenter en entretien.
Données au plus près du réel
Volumes, formats hétérogènes et imperfections, comme dans le système d'information d'une entreprise.
Conditions de mission
Un besoin métier, des contraintes à tenir, des choix techniques à justifier et un livrable exploitable.
Revu par un praticien
Feedback approfondi d'un mentor en poste sur des projets en production.
Votre feuille de route
01Configuration d'un projet dbt et des sources de données.
02Définition des modèles analytiques dbt.
03Réalisation de tests unitaires et de la documentation des modèles.
04Orchestration du pipeline ELT avec Apache Airflow.
Projet Hands-On 07Durée indicative : 12hMise en situation réelle
Pipeline multi-sources
Tarification électrique d'un contrat d'énergie basée sur la consommation.
Pas un exercice d'application : un cas d'usage tiré du terrain, sur des données au plus près de celles d'une entreprise. Vous le menez de bout en bout, comme en mission, jusqu'à un livrable concret que vous pourrez présenter en entretien.
Données au plus près du réel
Volumes, formats hétérogènes et imperfections, comme dans le système d'information d'une entreprise.
Conditions de mission
Un besoin métier, des contraintes à tenir, des choix techniques à justifier et un livrable exploitable.
Revu par un praticien
Feedback approfondi d'un mentor en poste sur des projets en production.
Votre feuille de route
01Configuration d'un Data Warehouse pour le modèle analytique.
02Réalisation de pipelines de données ELT pour le calcul multi-sources.
03Création d'un diagramme d'architecture et de la documentation.
À qui s'adresse la formation Analytics Engineering ?
Ce parcours est conçu pour des profils déjà techniques qui souhaitent se spécialiser, pas pour une découverte du sujet.
01
Data Analysts ayant besoin de construire des pipelines de données.
02
Data Engineers voulant maîtriser la Modern Data Stack.
03
Data Scientists désirant s’orienter vers l’analytics.
04
Professionnels de la Tech cherchant à comprendre les enjeux d'analyses de données.
Déroulé
Comment se déroule la formation ?
De l'onboarding à la mise en relation avec nos partenaires, à votre rythme.
1
Onboarding
Vous découvrez la plateforme, la communauté et les mentors, des professionnels en poste qui vous accompagnent sur des projets réels.
Mentors en poste
2
Montée en compétences
Accès à la plateforme et mentorat pendant 12 mois : cours, environnements de code, GPU à la demande et projets concrets, avec une communauté Discord active entre apprenants et mentors.
12 mois d'accompagnement
3
Validation des projets par un mentor
Chaque projet est revu par un mentor : un retour d'expert, pas une simple réalisation. Vos projets forment votre portfolio.
Retour d'expert
4
Certification et mise en relation
Soutenance devant un jury, certification, puis mise en relation avec notre réseau de 400+ partenaires.
400+ partenaires
Une semaine avec la formation, pas une semaine de formation
Lun
Poste 9h-18h
Cours 20h-21h
Mar
Poste 9h-18h
Mentorat collectif 19h-20h
Exercices 20h-21h
Mer
Poste 9h-18h
Sport, famille
Jeu
Poste 9h-18h
Projet 19h-21h30
Ven
Poste 9h-12h30
Coaching individuel
Poste 13h30-18h
Soirée libre
Sam
Projet 10h-12h30
Week-end
Dim
Courses, repos
Poste actuel
Formation en autonomie
Avec votre mentor
Vie personnelle
Vous avancez à votre rythme
En poste
Vous organisez vos sessions le soir ou le week-end, sans mettre votre travail entre parenthèses.
Entre deux missions
Vous accélérez quand vous avez du temps, et levez le pied quand une mission reprend.
Un mentor toujours joignable
Sessions collectives, chat avec les mentors 7j/7, séances individuelles en Premium.
Expérience d'apprentissage
Une plateforme conçue pour apprendre en pratiquant
Contenus de formations pour apprendre, projets Hands-On pour se mettre en conditions réelles, environnements techniques à la demande : soyez accompagné avec une plateforme aboutie.
En directLive avec Majdi, Mistral AILBSKAM+4 000apprenants
[ ]
ticket = "Colis perdu, je n'ai rien reçu."
response = client.chat.completions.create(
model="gpt-5.4-mini",
messages=[{"role": "user", "content": ticket}],
)
print(response.choices[0].message.content)
Projet Hands-OnAgent RAG financier1/3
LabEnquête sur un serveur Linux0/10
1
Quel est le nom d'hôte de la machine ?
admin@acme-web-5kq2:~$
Cloud SandboxGPU NVIDIAEn ligne
24 Gio de mémoire GPU
WorkspaceVS CodeActif
CPU
2
RAM
4 Go
Disque
15 Go
QuizQuestion 1/2
Quel paramètre gère les variations aléatoires d'une réponse d'un modèle ?
Accompagnement & résultats
Des praticiens en poste, et 4 000 apprenants avant vous
Pour une personne qui maitrise déjà les fondamentaux, c'est un régal de voir de vrais cas issus du monde réel avec les derniers outils. J'ai pu voir des choses que je n'avais jamais vu ailleurs.
J'avais beaucoup d'attente et je ne suis pas déçue. Les explications sont très détaillées, on voit de nombreux outils mais cela permet d'aller dans le détail pour maîtriser l'essentiel.
NJNoémie J.Développeuse back-end · Onepoint
Ayant participé à cette formation, je peux confirmer que cette formation est excellentissime. N'hésitez pas à profiter du bootcamp gratuit, qui fournit déjà une bonne introduction.
HNHenry Claude N.SaaS Business Developer · EG LABO
J'ai fait tous les parcours de formation que Blent a proposé depuis le commencement et je ne regrette pas du tout. Pour moi ça reste ma plus belle rencontre professionnelle.
Vos questions sur la formation Analytics Engineering
L'Analytics Engineer est un profil hybride, né à l'intersection du Data Engineering et de la Data Analyse. Son rôle : transformer et modéliser les données brutes en données fiables, documentées et prêtes à l'analyse. Il travaille principalement avec dbt (data build tool) et des entrepôts de données cloud (BigQuery, Snowflake) pour créer des modèles de données que les équipes analytiques peuvent consommer en toute confiance.
Le Data Engineer construit les pipelines d'ingestion et les infrastructures de stockage (lacs de données, entrepôts). L'Analytics Engineer intervient en aval : il prend ces données brutes et les transforme en modèles analytiques exploitables avec dbt. Les deux rôles sont complémentaires dans une organisation data mature.
C'est un profil en forte demande, notamment dans les scale-ups et les entreprises ayant adopté la Modern Data Stack. Un Analytics Engineer junior peut viser 42 000 € à 55 000 € brut/an. Les profils confirmés atteignent 55 000 € à 75 000 €, voire plus dans des entreprises tech parisiennes ou en remote pour des boîtes internationales.
Maîtrise de SQL avancé et de Python, expérience avec dbt pour la transformation et la modélisation des données, connaissance des entrepôts de données cloud (BigQuery, Snowflake, Redshift), capacité à orchestrer des pipelines ELT avec Airflow, et sensibilité à la qualité et à la gouvernance des données (tests, documentation, Data Lineage).
Vous apprendrez à modéliser des données dans un Data Warehouse avec Google BigQuery, à construire et automatiser des pipelines ELT avec dbt (Jinja, tests unitaires, environnements), à orchestrer l'intégration de sources externes avec Airflow et Airbyte, et à mettre en place une gouvernance des données avec OpenMetadata et le Data Lineage. À l'issue de la formation, vous serez opérationnel pour structurer et fiabiliser la donnée analytique d'une entreprise.
Une bonne maîtrise de SQL et des bases en Python sont indispensables. Des notions de Cloud Computing et une première expérience avec des outils de BI ou d'analyse de données sont un plus. La formation s'adresse aux Data Analysts souhaitant évoluer vers un rôle plus technique, aux développeurs attirés par la data, ou aux profils data en reconversion.
Vous bénéficiez d'un suivi régulier avec un Mentor expert : un chat pour les questions quotidiennes et des sessions en visioconférence pour approfondir les sujets complexes ou faire des revues de code.
Nos formations peuvent être prises en charge par différents dispositifs (entreprise, OPCO, CPF, France Travail). L'éligibilité est vérifiée pour votre situation, et notre équipe vous accompagne dans le montage du dossier.
Le format est flexible : vous organisez votre temps comme vous le souhaitez. Nous conseillons un minimum de 5 à 10 heures par semaine pour suivre le parcours sereinement sur la durée prévue.
Oui. Le parcours est conçu pour progresser en parallèle d'une activité professionnelle : contenus accessibles à votre rythme, projets et temps d'accompagnement planifiés avec vous.
Non. La plateforme fournit les environnements techniques et du GPU à la demande pour les travaux qui le nécessitent, sans installation ni coût supplémentaire.
Cela dépend de la formation suivie. Nos formations certifiantes préparent un bloc de compétences de la certification RNCP 37805 « Développeur Web », enregistrée au Répertoire national des certifications professionnelles et reconnue par l'État : c'est le cas des parcours associés à nos certifications Développeur Web et DevOps Engineer. Après l'évaluation devant un jury, vous obtenez ce bloc de certification. Les autres formations donnent lieu à une attestation de fin de formation, délivrée après validation de vos projets, qui atteste des compétences acquises pendant le parcours.
Prochaine étape
Construisez votre parcours Analytics Engineering
Commencez par une évaluation de votre niveau et échangez sur vos objectifs : le parcours est construit à partir de là.