[Opinionated #1] Céline : Comment penser le data modeling en 2025

Spécialiste du data modeling, Céline To a construit sa carrière autour d’un élément aussi essentiel qu’invisible : la manière dont les données sont organisées et structurées dans une entreprise.De ses débuts chez GumGum à Head of Engineering du crew Data chez Leboncoin, elle a affûté son expertise sur le terrain. Aujourd’hui, elle traduit des besoins métiers complexes en modèles de données fiables et exploitables.Dans cet épisode, Céline partage sa vision d’un data modeling bien pensé : interopérable, compréhensible, utile et utilisable par tous.On y parle notamment d’Apache Kafka, de data mesh, de modélisation en étoile et de gouvernance des données.————— OPINIONATED —————Bienvenue dans Opinionated, le hors-série de Developer Experience. Ici, je tends le micro à celles et ceux qui ont des opinions bien tranchées sur des sujets qui divisent dans la tech.Loin de créer des polémiques, l’idée est plutôt de questionner nos certitudes. Parce qu’une opinion est un point de vue sur le monde et pas une vérité absolue. Et c’est en confrontant nos opinions qu’on progresse, qu’on affine nos idées, et qu’on devient des devs plus éclairé.e.s.————— PASSERPORT.DEV —————Cet épisode est réalisé en partenariat avec passeport.dev, la plateforme vous permettant de cartographier vos compétences techniques et de suivre un parcours d’apprentissage structuré, avec des ressources gratuites. Montez en compétences sur des sujets tech comme la modélisation de données, mais aussi l’architecture, le testing, le machine learning, le développement front ou mobile.————— CÉLINE TO —————Retrouvez Céline :Sur LinkedIn : https://www.linkedin.com/in/celine-to-3aa01377/?originalSubdomain=fr————— PARTIE 1/2 : LA TECHNIQUE —————(00:00) Intro + présentation de Céline To(03:22) C’est quoi le data modeling et pourquoi c’est important(05:37) La data : c’est quoi au juste ?(06:29) Principes de la modélisation de données(09:51) Modèle normalisé vs. modèle dénormalisé(11:24) Modélisation en étoile et dénormalisation des données(14:04) Répondre à des contraintes de performance via la modélisation(16:40) Data modeling pour base analytics vs base opérationnelle(18:57) Fournir le bon produit au bon moment à l’utilisateur(20:55) Qui utilise la data chez LeBonCoin ?(24:26) Traduire techniquement des besoin fonctionnels(28:53) Gouvernance des données chez Leboncoin(31:07) Comment penser un bon modèle de données ?(34:06) Exemple de modélisation de données : cas d’usage concret(38:18) Rendre la donnée exploitable pour les utilisateurs finaux en interne(42:47) Quand les utilisateurs sont source d’innovation(44:25) Quand et comment faire évoluer un modèle de données(46:06) Comment garantir l’évolutivité d’un modèle de données(49:06) Modèle de données vs production de données : différences(51:54) Production de données : sur quoi se concentrer pour bien le faire ?————— PARTIE 2/2 : OPINIONATED QUESTIONS —————(53:50) Opinion à contre-courant : data mesh et décentralisation(58:02) Ce que Céline aurait aimé comprendre plus tôt sur le data modeling(01:00:00) Erreurs courantes et anti-patterns en data modeling(01:01:44) Être autonome sur la modélisation de données(01:03:34) Ce qui obsède Céline sur le data modelingHébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.