Introduction à Google BigQuery : Analyse de données à grande échelle dans le cloud

• Qu’est-ce que BigQuery ? Cas d’usage et avantages
• Architecture serverless, stockage et traitement
• Fonctionnement des datasets, tables et projets GCP

Prise en main de l’interface BigQuery

• Console GCP, éditeur SQL, visionneuse de schémas
• Premiers pas avec les datasets publics
• Navigation dans les projets et autorisations IAM

Écriture de requêtes SQL de base

• SELECT, FROM, WHERE, ORDER BY
• LIMIT, AS, opérateurs logiques et arithmétiques
• Fonctions standards (LOWER, LENGTH, NOW, etc.)

Exercices pratiques

• Requêtes simples sur un dataset public
• Exploration de la base bigquery-public-data

Jour 2 : Manipulation des données et jointures

Création et chargement de données

• Import de fichiers CSV/JSON depuis Google Cloud Storage
• Création de tables manuelles vs automatisées
• Détection de schéma automatique

Opérations intermédiaires en SQL

• GROUP BY, HAVING, COUNT, AVG, SUM
• FONCTIONS d’agrégation conditionnelles
• CASE WHEN, IF, NULLIF, COALESCE

Jointures et sous-requêtes

• INNER JOIN, LEFT JOIN, CROSS JOIN
• Sous-requêtes corrélées et non corrélées
• Requêtes imbriquées (nested queries)

Exercices pratiques

• Fusion de deux sources de données
• Construction de tableaux d’agrégats

Jour 3 : Optimisation, exportation et visualisation

Optimisation de requêtes

• Partitionnement et clustering
• Analyse du coût des requêtes (bytes billed)
• Best practices pour les requêtes performantes

Exportation et intégration

• Export vers Google Sheets, CSV, Google Cloud Storage
• Connexion à Data Studio ou Looker Studio
• Accès programmatique via API BigQuery

Sécurité et gestion des accès

• IAM, permissions sur datasets et projets
• Partage des résultats de requêtes
• Limites de quotas et surveillance

Projet de fin de formation

• Mini-dashboard avec Data Studio
• Requêtes d’analyse complète sur un jeu de données public