Fondamentaux du Data Management (E-Learning) - Français

La formation E-Learning Fondamentaux Data Management offre la possibilité de suivre un parcours de formation : En simplicité : Le stagiaire peut suivre le cours en toute autonomie, sans subir les contraintes logistiques inhérentes aux formations classiques (absence formateur, problèmes dans la livraison des supports, …). Au rythme du stagiaire : Le stagiaire ne « subit » pas le rythme imposé par une formation classique, il peut prendre le temps de s’attarder sur certains sujets moins connus que d’autres par exemple. De par l’aspect modulable de la formation, il peut également progresser par courte tranche de temps, par exemple suivre une unique activité d’un module lors d’un trou dans son emploi du temps. En s’auto-évaluant : La formation via l’E-Learning permet au candidat de s’auto évaluer via différents outils comme des quizz. Ces quizz sont rejouables, quel que soit le résultat obtenu. Adapté à la situation de chaque stagiaire : Le contenu de la plateforme étant modulable, il est possible de créer des parcours adaptés aux besoins des stagiaires. Par exemple : Utilisation du module Master & Reference Data Management pour un Chef de Projet pour la mise en place de référentiel de données.

Pierre angulaire de la gestion des données, la mise sous contrôle qualité des données est une étape obligatoire pour considérer ses données comme un actif. Par où commencer ? Comment mesurer la qualité des données ? Quels processus et outils doivent être déployés ? A travers l'expérience des consultants de Pramana et en s'appuyant sur les bonnes pratiques issues d'ouvrages de référence, Pramana University propose une formation permettant d’une part de clarifier les concepts clés, mais également de pouvoir opérationnaliser des activités de gestion de la qualité des données. Elle apporte ainsi non seulement des clés de lecture théoriques, mais également une vue pratique sur le sujet via la réalisation de cas pratiques (définir des règles de qualité des données, profiler les données, résolution de doublons, etc ...) ainsi que de démonstration outillé (identification de cause racine, corrigé des données, utiliser un tableau de bord, etc ...)