Formation Snowflake - Prise en main pour les utilisateurs

Jour 1 - Matin

De la feuille de calcul au Data Cloud : fondamentaux Snowflake

• Pourquoi Snowflake ?
• Tour d'horizon de Snowflake
• Comparaison entre les caractéristiques du travail en mode local (par exemple avec Excel) et celles du travail en mode Cloud comme dans Snowflake
• Concepts clés :
• Rappels de SQL
• Fondamentaux du Cloud
• Comprendre l'architecture "Stockage" vs "Calcul" (le concept de Warehouse)
• Pourquoi ma requête ne ralentit pas celle du voisin ?
• L'interface Snowsight :
• Navigation dans l'interface
• Exploration des bases de données, des schémas et des tables mis à disposition par l'IT
• Sécurité et rôles :
• Comprendre qui voit quoi (RBAC)
• Comment accéder aux données partagées par des collègues ou des tiers

Exemples de travaux pratiques (à titre indicatif)

• A partir d'une étude de cas qui vous est fournie, vous réaliserez les actions suivantes :
• Exploration visuelle
• Requête "Excel-Like"
• Analyse de groupe
• Livrable : un script SQL propre capable de générer un mini-rapport

Jour 1 - Après-midi

Exploration et manipulation de données (presque) sans code

• Snowsight Data Preview :
• Filtrer, trier et explorer des millions de lignes instantanément sans écrire une ligne de SQL
• Introduction au SQL "Métier" :
• Apprendre les 4 fonctions essentielles (SELECT, FROM, WHERE, GROUP BY) pour répliquer les filtres et tableaux croisés dynamiques d'Excel
• Jointures simplifiées :
• Comment lier deux tables (ex : ventes et produits) sans faire de RECHERCHEV (VLOOKUP) complexe
• Le Time Travel :
• "J'ai supprimé mes données " : comment revenir en arrière dans le temps pour récupérer une version précédente d'une table

Exemples de travaux pratiques (à titre indicatif)

• A partir d'une étude de cas qui vous est fournie, vous réaliserez les actions suivantes :
• Le "RECHERCHEV" moderne : utiliser une jointure (JOIN) pour associer la table des transactions aux tables de références
• Le Pivot SQL : construire une requête regroupée pour calculer le panier moyen par catégorie d'article et par région
• Le Time Travel : simuler une modification accidentelle de données sur une table de travail, puis utiliser la syntaxe BEFORE pour visualiser et restaurer les données dans leur état initial (5 minutes plus tôt)
• Nettoyage rapide : créer une "Vue" simple qui filtre les données aberrantes ou les tests techniques pour préparer une source propre destinée à Power BI le lendemain

Jour 2 - Matin

Connecter Snowflake à votre écosystème (Excel et Power BI)

• Snowflake comme source de données Power BI :
• Connexion en mode "Import" (pour la performance) vs "DirectQuery" (pour les données en temps réel)
• Optimisations pour Power BI :
• Sélectionner uniquement ce qui est nécessaire
• L'Add-in Excel pour Snowflake :
• Comment rafraîchir ses rapports Excel existants en les liant directement à la base de données plutôt qu'à des exports CSV manuels
• Gouvernance des données :
• S'assurer que les chiffres dans Power BI correspondent à la "source de vérité" Snowflake

Exemples de travaux pratiques (à titre indicatif)

• A partir d'une étude de cas qui vous est fournie, vous réaliserez les actions suivantes :
• Power BI (mode import), Power BI (DirectQuery), Le "Lien Vivant" Excel :
• Installer / configurer l'Add-in Excel pour récupérer les données de Snowflake directement dans un tableau croisé dynamique existant
• Livrable : Un fichier .pbix fonctionnel et un classeur Excel qui se rafraîchit d'un simple clic sans import manuel de CSV

Jour 2 - Après-midi

Fonctions avancées pour l'analyse métier et collaboration

• Utilisation des tableaux de bord Snowsight :
• Créer des visualisations rapides directement dans Snowflake pour partager des insights avec des collègues sans passer par Power BI
• Data Sharing :
• Découvrir le Marketplace pour enrichir ses analyses avec des données externes (météo, indices boursiers, démographie) sans aucun import de fichier
• Bonnes pratiques de coût :
• Comprendre l'importance d'arrêter son Virtual Warehouse ou de surveiller sa consommation pour être un utilisateur responsable
• Conclusion :
• Roadmap pour devenir autonome sur ses propres analyses

Exemples de travaux pratiques (à titre indicatif)

• A partir d'une étude de cas qui vous est fournie, vous réaliserez les actions suivantes :
• Data Marketplace, Dashboarding Express, bonnes pratiques d'optimisation des coûts
• Livrable : Un tableau de bord Snowsight partagé avec vos camarades incluant des données issues du Marketplace