Diplôme « Sciences des Données et Techniques Analytiques pour la Gestion »
Certification RNCP36355
Formacodes 31026 | Data science 11016 | Analyse données 11017 | Statistique appliquée 31028 | Intelligence artificielle 30854 | Langages informatiques
Nomenclature Europe Niveau 7
Formacodes 31026 | Data science 11016 | Analyse données 11017 | Statistique appliquée 31028 | Intelligence artificielle 30854 | Langages informatiques
Nomenclature Europe Niveau 7
Les métiers associés à la certification RNCP36355 : Direction de grande entreprise ou d'établissement public Management et ingénierie d'affaires Conseil en organisation et management d'entreprise Direction de petite ou moyenne entreprise
Codes NSF 114b | Modèles mathématiques ; Informatique mathématique 326 | Informatique, traitement de l'information, réseaux de transmission 300 | Spécialites plurivalentes des services
Voies d'accès : Formation initiale VAE
Certificateurs :
Voies d'accès : Formation initiale VAE
Certificateurs :
| Certificateur | SIRET |
|---|---|
| ASSOCIATION GROUPE ESSEC | 77566395800046 |
| CENTRALESUPELEC | 13002076100016 |
| MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE | 11004401300040 |
Activités visées :
Les activités visées que le titulaire sera amené à développer s’exercent dans un grand nombre de secteurs compte tenu des capacités d’application des compétences scientifiques visées : le domaine des Sciences des Données.
Ces dernières peuvent être de toute taille et partagent une complexité nécessitant l’utilisation de techniques mathématiques avancées avec leurs implémentations informatiques correspondantes.
A1.
Proposition de stratégies d’innovation digitales et data A2.
Aide à la décision et à l’optimisation des critères de performance stratégiques A3.
Planification d’un projet de conception d’un nouveau processus ou dispositif data innovant, en équipe : A4.
Codage et programmation des langages informatiques : Python, R,C++ A5.
Prétraitement et analyse de données structurées et non structurées (texte, image) A6.
Analyse statistique univariée et multivariée à partir de données structurées et nettoyées A7.
Visualisation des données A8.
Déploiement d’un modèle d’apprentissage automatique à l’échelle Big data A9.
Conception et application d’un modèle d’apprentissage supervisé ou non supervisé A10.
Application et respect des règles et des normes sur les données (RGDP et autres) A11 Développement de process, démarches qualité, et/ou d’innovation axés sur les données A12 Définition d'une stratégie de l’organisation et mise en œuvre
Les activités visées que le titulaire sera amené à développer s’exercent dans un grand nombre de secteurs compte tenu des capacités d’application des compétences scientifiques visées : le domaine des Sciences des Données.
Ces dernières peuvent être de toute taille et partagent une complexité nécessitant l’utilisation de techniques mathématiques avancées avec leurs implémentations informatiques correspondantes.
A1.
Proposition de stratégies d’innovation digitales et data A2.
Aide à la décision et à l’optimisation des critères de performance stratégiques A3.
Planification d’un projet de conception d’un nouveau processus ou dispositif data innovant, en équipe : A4.
Codage et programmation des langages informatiques : Python, R,C++ A5.
Prétraitement et analyse de données structurées et non structurées (texte, image) A6.
Analyse statistique univariée et multivariée à partir de données structurées et nettoyées A7.
Visualisation des données A8.
Déploiement d’un modèle d’apprentissage automatique à l’échelle Big data A9.
Conception et application d’un modèle d’apprentissage supervisé ou non supervisé A10.
Application et respect des règles et des normes sur les données (RGDP et autres) A11 Développement de process, démarches qualité, et/ou d’innovation axés sur les données A12 Définition d'une stratégie de l’organisation et mise en œuvre
Capacités attestées :
C1. Elaborer une stratégie digitale tenant compte de la gestion de la data afin de rechercher la meilleure proposition de valeur pour l’utilisateur final, en menant un diagnostic de l’existant et une étude opérationnelle d’identification des attentes client en matière de transformation digitale, en modélisant et en proposant des solutions data en fonction de l’objectif stratégique et de la réglementation, ainsi qu’en argumentant ses recommandations afin de répondre à la problématique du commanditaire. Rechercher la meilleure proposition de valeur pour l’utilisateur final. C2. Enrichir les systèmes d’aide à la décision en produisant des outils de business intelligence et des modèles de décision et d’optimisation (analyse prescriptive) basés sur les données fournies en amont par les modèles statistiques descriptifs et prédictifs, et en formulant des conclusions et des interprétations des résultats permettant d’élaborer une stratégie d’innovation ou de transformation. C3. Planifier en mode projet la conception d’un nouveau processus ou dispositif data innovant en alignant les objectifs du projet et ses livrables à l’objectif stratégique posé par le client, en décomposant l’objectif principal en sous-projets affectés à des membres de l’équipe, et en déterminant une méthodologie et des jalons conformes à l’objectif. C4. Choisir le ou les langage(s) de programmation adapté(s) à la problématique client à traiter à l'aide de sa maîtrise des codages d’algorithmes spécifiques, au-delà de l’utilisation de logiciels standard existants, afin de traiter les problématiques client en autonomie. C5. Nettoyer un jeu de données en déterminant le processus de sélection, de transformation et de réduction des données brutes à partir des objectifs d’une problématique métier, en vue d’un traitement statistique automatisé de ces données. C6. Explorer des modèles statistiques d’analyse univariée ou multivariée, voire les adapter à un contexte particulier, pour comprendre le phénomène étudié et dégager des liens de causalité ou les facteurs les plus significatifs. C7. Représenter les données par des graphiques clairs et pertinents qui fassent sens et soient facilement interprétables pour un client ou manager non expert data. C8. Automatiser le traitement des données en sélectionnant les outils du Cloud permettant de disposer d’un environnement Big Data et en réalisant des calculs distribués sur des données massives afin de prétraiter, analyser et modéliser des données. C9. Comparer différents modèles d’apprentissage supervisé ou non supervisé, y compris d’apprentissage profond (deep learning) adaptés à une problématique métier, en calibrant au mieux chaque modèle, et en sélectionnant la méthode de meilleure performance empirique sur les données test, et en évaluant son interprétabilité pour le client/utilisateur. C10. Définir les données, leur nomenclature et leur modèle de gestion en respectant les normes et le cadre légal (société, national, européen et international) afin de garantir leur utilisation éthique, légale et sécurisée. C11. Adapter les process aux règles et normes en vigueur en prenant en compte les problématiques de cybersécurité afin de garantir la souveraineté des données analysées et stockées C12. Évaluer la qualité des données en adéquation avec les attentes métiers en se référant aux process et démarches qualité standard de collecte et d'analyse des données afin de contrôler les écarts entre les objectifs et les réalisations. C13. Mesurer l’impact de la non-qualité des données sur les processus en repérant les indicateurs pertinents afin de réduire les coûts associés à cette non-qualité. C14. Améliorer la qualité des données via les processus de mise à jour des données afin de tendre vers une qualité optimale du traitement des données dans l'entreprise. C15. Définir une position stratégique adaptée à son organisation en identifiant ses problématiques spécifiques afin de la traduire en plan d’action. C16. Elaborer un plan d'action en prenant en compte les enjeux humains et culturels de l’organisation dans le développement de son activité ainsi que ses ressources afin de mettre en œuvre la stratégie de l'organisation. C17. Adapter son mode de communication aux spécificités des collectifs en employant des outils innovants d'information et de communication ainsi qu'en mobilisant des compétences orales et écrites. C18. Négocier avec ses équipes et ses partenaires d'affaires en appliquant les règles et techniques de négociation appropriées et en déterminant une solution gagnant/gagnant afin d’intégrer l’ensemble des points de vue, de dépasser toutes les sources de conflits ou de résoudre les conflits.
C1. Elaborer une stratégie digitale tenant compte de la gestion de la data afin de rechercher la meilleure proposition de valeur pour l’utilisateur final, en menant un diagnostic de l’existant et une étude opérationnelle d’identification des attentes client en matière de transformation digitale, en modélisant et en proposant des solutions data en fonction de l’objectif stratégique et de la réglementation, ainsi qu’en argumentant ses recommandations afin de répondre à la problématique du commanditaire. Rechercher la meilleure proposition de valeur pour l’utilisateur final. C2. Enrichir les systèmes d’aide à la décision en produisant des outils de business intelligence et des modèles de décision et d’optimisation (analyse prescriptive) basés sur les données fournies en amont par les modèles statistiques descriptifs et prédictifs, et en formulant des conclusions et des interprétations des résultats permettant d’élaborer une stratégie d’innovation ou de transformation. C3. Planifier en mode projet la conception d’un nouveau processus ou dispositif data innovant en alignant les objectifs du projet et ses livrables à l’objectif stratégique posé par le client, en décomposant l’objectif principal en sous-projets affectés à des membres de l’équipe, et en déterminant une méthodologie et des jalons conformes à l’objectif. C4. Choisir le ou les langage(s) de programmation adapté(s) à la problématique client à traiter à l'aide de sa maîtrise des codages d’algorithmes spécifiques, au-delà de l’utilisation de logiciels standard existants, afin de traiter les problématiques client en autonomie. C5. Nettoyer un jeu de données en déterminant le processus de sélection, de transformation et de réduction des données brutes à partir des objectifs d’une problématique métier, en vue d’un traitement statistique automatisé de ces données. C6. Explorer des modèles statistiques d’analyse univariée ou multivariée, voire les adapter à un contexte particulier, pour comprendre le phénomène étudié et dégager des liens de causalité ou les facteurs les plus significatifs. C7. Représenter les données par des graphiques clairs et pertinents qui fassent sens et soient facilement interprétables pour un client ou manager non expert data. C8. Automatiser le traitement des données en sélectionnant les outils du Cloud permettant de disposer d’un environnement Big Data et en réalisant des calculs distribués sur des données massives afin de prétraiter, analyser et modéliser des données. C9. Comparer différents modèles d’apprentissage supervisé ou non supervisé, y compris d’apprentissage profond (deep learning) adaptés à une problématique métier, en calibrant au mieux chaque modèle, et en sélectionnant la méthode de meilleure performance empirique sur les données test, et en évaluant son interprétabilité pour le client/utilisateur. C10. Définir les données, leur nomenclature et leur modèle de gestion en respectant les normes et le cadre légal (société, national, européen et international) afin de garantir leur utilisation éthique, légale et sécurisée. C11. Adapter les process aux règles et normes en vigueur en prenant en compte les problématiques de cybersécurité afin de garantir la souveraineté des données analysées et stockées C12. Évaluer la qualité des données en adéquation avec les attentes métiers en se référant aux process et démarches qualité standard de collecte et d'analyse des données afin de contrôler les écarts entre les objectifs et les réalisations. C13. Mesurer l’impact de la non-qualité des données sur les processus en repérant les indicateurs pertinents afin de réduire les coûts associés à cette non-qualité. C14. Améliorer la qualité des données via les processus de mise à jour des données afin de tendre vers une qualité optimale du traitement des données dans l'entreprise. C15. Définir une position stratégique adaptée à son organisation en identifiant ses problématiques spécifiques afin de la traduire en plan d’action. C16. Elaborer un plan d'action en prenant en compte les enjeux humains et culturels de l’organisation dans le développement de son activité ainsi que ses ressources afin de mettre en œuvre la stratégie de l'organisation. C17. Adapter son mode de communication aux spécificités des collectifs en employant des outils innovants d'information et de communication ainsi qu'en mobilisant des compétences orales et écrites. C18. Négocier avec ses équipes et ses partenaires d'affaires en appliquant les règles et techniques de négociation appropriées et en déterminant une solution gagnant/gagnant afin d’intégrer l’ensemble des points de vue, de dépasser toutes les sources de conflits ou de résoudre les conflits.
Secteurs d'activité :
Le titulaire est appelé a? exercer ses activités dans de multiples domaines, et en particulier dans les secteurs suivants : * santé/pharmacie * services bancaires, finance et assurances * énergie (production, transport, distribution) * construction automobile, navale, aérienne, ferroviaire * SSII, services informatiques, éditeurs logiciels * télécommunications * bâtiment, travaux publics * transports et logistique * éducation, R&D scientifique * audit et conseil
Le titulaire est appelé a? exercer ses activités dans de multiples domaines, et en particulier dans les secteurs suivants : * santé/pharmacie * services bancaires, finance et assurances * énergie (production, transport, distribution) * construction automobile, navale, aérienne, ferroviaire * SSII, services informatiques, éditeurs logiciels * télécommunications * bâtiment, travaux publics * transports et logistique * éducation, R&D scientifique * audit et conseil
Types d'emplois accessibles :
Les métiers visés sont liés a? la recherche, aux bureaux d’études et au conseil, a? l’innovation et développement de produit ou service, à la transformation digitale, à l’analyse des données et à l’aide a? la décision. Ces emplois sont exercés au sein de grands groupes internationaux, mais aussi de PME et PMI, existantes ou fondées par des diplômés.
Les métiers visés sont liés a? la recherche, aux bureaux d’études et au conseil, a? l’innovation et développement de produit ou service, à la transformation digitale, à l’analyse des données et à l’aide a? la décision. Ces emplois sont exercés au sein de grands groupes internationaux, mais aussi de PME et PMI, existantes ou fondées par des diplômés.
Objectif contexte :
Créée en 2015 conjointement par ESSEC & CentraleSupélec, la certification à un enjeu central dit de gestion des sciences des données et données massives pour l’ensemble des secteurs économiques dont les perspectives sont cruciales pour l’économie français
Créée en 2015 conjointement par ESSEC & CentraleSupélec, la certification à un enjeu central dit de gestion des sciences des données et données massives pour l’ensemble des secteurs économiques dont les perspectives sont cruciales pour l’économie français
Statistiques : :
| Année | Certifiés | Certifiés VAE | Taux d'insertion global à 6 mois | Taux d'insertion métier à 2 ans |
|---|---|---|---|---|
| 2019 | 45 | 0 | 84 | 100 |
| 2018 | 37 | 0 | 90 | 100 |
Bloc de compétences
RNCP36355BC03 : Entraîner et déployer un modèle d’IA et d’apprentissage automatique à l’échelle, supervisé ou non supervisé, pour réaliser une analyse prédictive
Compétences :
C8. Automatiser le traitement des données en sélectionnant les outils du Cloud permettant de disposer d’un environnement Big Data et en réalisant des calculs distribués sur des données massives afin de prétraiter, analyser et modéliser des données. C9
- Comparer différents modèles d’apprentissage supervisé ou non supervisé, y compris d’apprentissage profond (deep learning) adaptés à une problématique métier, en calibrant au mieux chaque modèle, et en sélectionnant la méthode de meilleure performance empirique sur les données test, et en évaluant son interprétabilité pour le client/utilisateur.
C8. Automatiser le traitement des données en sélectionnant les outils du Cloud permettant de disposer d’un environnement Big Data et en réalisant des calculs distribués sur des données massives afin de prétraiter, analyser et modéliser des données. C9
- Comparer différents modèles d’apprentissage supervisé ou non supervisé, y compris d’apprentissage profond (deep learning) adaptés à une problématique métier, en calibrant au mieux chaque modèle, et en sélectionnant la méthode de meilleure performance empirique sur les données test, et en évaluant son interprétabilité pour le client/utilisateur.
Modalités d'évaluation :
E8-a Evaluation des cours Big Data Analytics, Big Data Algorithms & Platforms. Examen écrit individuel. E8-b CRP : Dans le cadre du CRP, le groupe de travail sélectionne des outils cloud Big Data adaptés et effectue des calculs sur des données massives et analyse des données réelles de grande taille. Evaluation écrite en groupe. E9-a Professional Mission Report. Évaluation du positionnement des modèles proposés vs état de l’art. Évaluation individuelle écrite. E9.b Tests individuels dans les cours d’Apprentissage machine et Apprentissage profond : cours de Foundations of Machine Learning, Advanced Machine Learning, Foundations of Deep Learning, Advanced Deep Learning.
E8-a Evaluation des cours Big Data Analytics, Big Data Algorithms & Platforms. Examen écrit individuel. E8-b CRP : Dans le cadre du CRP, le groupe de travail sélectionne des outils cloud Big Data adaptés et effectue des calculs sur des données massives et analyse des données réelles de grande taille. Evaluation écrite en groupe. E9-a Professional Mission Report. Évaluation du positionnement des modèles proposés vs état de l’art. Évaluation individuelle écrite. E9.b Tests individuels dans les cours d’Apprentissage machine et Apprentissage profond : cours de Foundations of Machine Learning, Advanced Machine Learning, Foundations of Deep Learning, Advanced Deep Learning.
RNCP36355BC04 : Mettre en œuvre des règles, normes et démarches qualité par la data
Compétences :
C10. Définir les données, leur nomenclature et leur modèle de gestion en respectant les normes et le cadre légal (société, national, européen et international) afin de garantir leur utilisation éthique, légale et sécurisée. C11. Adapter les process aux règles et normes en vigueur en prenant en compte les problématiques de cybersécurité afin de garantir la souveraineté des données analysées et stockées. C12. Évaluer la qualité des données en adéquation avec les attentes métiers en se référant aux process et démarches qualité standard de collecte et d'analyse des données afin de contrôler les écarts entre les objectifs et les réalisations. C13. Mesurer l’impact de la non-qualité des données sur les processus en repérant les indicateurs pertinents afin de réduire les coûts associés à cette non-qualité. C14. Améliorer la qualité des données via les processus de mise à jour des données afin de tendre vers une qualité optimale du traitement des données dans l'entreprise.
C10. Définir les données, leur nomenclature et leur modèle de gestion en respectant les normes et le cadre légal (société, national, européen et international) afin de garantir leur utilisation éthique, légale et sécurisée. C11. Adapter les process aux règles et normes en vigueur en prenant en compte les problématiques de cybersécurité afin de garantir la souveraineté des données analysées et stockées. C12. Évaluer la qualité des données en adéquation avec les attentes métiers en se référant aux process et démarches qualité standard de collecte et d'analyse des données afin de contrôler les écarts entre les objectifs et les réalisations. C13. Mesurer l’impact de la non-qualité des données sur les processus en repérant les indicateurs pertinents afin de réduire les coûts associés à cette non-qualité. C14. Améliorer la qualité des données via les processus de mise à jour des données afin de tendre vers une qualité optimale du traitement des données dans l'entreprise.
Modalités d'évaluation :
Étude de cas et mise en situation. Corporate Research Project. Professional Mission Report, Atelier Data Regulation Ethics & Security. Étude de cas et mise en situation. Corporate Research Project.
Étude de cas et mise en situation. Corporate Research Project. Professional Mission Report, Atelier Data Regulation Ethics & Security. Étude de cas et mise en situation. Corporate Research Project.
RNCP36355BC05 : Développer une culture managériale et organisationnelle
Compétences :
C15. Définir une position stratégique adaptée à son organisation en identifiant ses problématiques spécifiques afin de la traduire en plan d’action. C16. Elaborer un plan d'action en prenant en compte les enjeux humains et culturels de l’organisation dans le développement de son activité ainsi que ses ressources afin de mettre en œuvre la stratégie de l'organisation. C17. Adapter son mode de communication aux spécificités des collectifs en employant des outils innovants d'information et de communication ainsi qu'en mobilisant des compétences orales et écrites. C18. Négocier avec ses équipes et ses partenaires d'affaires en appliquant les règles et techniques de négociation appropriées et en déterminant une solution gagnant/gagnant afin d’intégrer l’ensemble des points de vue, de dépasser toutes les sources de conflits ou de résoudre les conflits.
C15. Définir une position stratégique adaptée à son organisation en identifiant ses problématiques spécifiques afin de la traduire en plan d’action. C16. Elaborer un plan d'action en prenant en compte les enjeux humains et culturels de l’organisation dans le développement de son activité ainsi que ses ressources afin de mettre en œuvre la stratégie de l'organisation. C17. Adapter son mode de communication aux spécificités des collectifs en employant des outils innovants d'information et de communication ainsi qu'en mobilisant des compétences orales et écrites. C18. Négocier avec ses équipes et ses partenaires d'affaires en appliquant les règles et techniques de négociation appropriées et en déterminant une solution gagnant/gagnant afin d’intégrer l’ensemble des points de vue, de dépasser toutes les sources de conflits ou de résoudre les conflits.
Modalités d'évaluation :
Étude de cas et mise en situation : relecture d’une situation managériale. Études de cas et rapport écrit de fin de stage (Professional Mission Report).
Étude de cas et mise en situation : relecture d’une situation managériale. Études de cas et rapport écrit de fin de stage (Professional Mission Report).
RNCP36355BC02 : Prétraiter et analyser des données structurées pour répondre à un problème métier
Compétences :
C4. Choisir le ou les langage(s) de programmation adapté(s) à la problématique client à traiter à l'aide de sa maîtrise des codages d’algorithmes spécifiques, au-delà de l’utilisation de logiciels standard existants, afin de traiter les problématiques client en autonomie. C5. Nettoyer un jeu de données en déterminant le processus de sélection, de transformation et de réduction des données brutes à partir des objectifs d’une problématique métier, en vue d’un traitement statistique automatisé de ces données. C6. Explorer des modèles statistiques d’analyse univariée ou multivariée, voire les adapter à un contexte particulier, pour comprendre le phénomène étudié et dégager des liens de causalité ou les facteurs les plus significatifs. C7. Représenter les données par des graphiques clairs et pertinents qui fassent sens et soient facilement interprétables pour un client ou manager non expert data.
C4. Choisir le ou les langage(s) de programmation adapté(s) à la problématique client à traiter à l'aide de sa maîtrise des codages d’algorithmes spécifiques, au-delà de l’utilisation de logiciels standard existants, afin de traiter les problématiques client en autonomie. C5. Nettoyer un jeu de données en déterminant le processus de sélection, de transformation et de réduction des données brutes à partir des objectifs d’une problématique métier, en vue d’un traitement statistique automatisé de ces données. C6. Explorer des modèles statistiques d’analyse univariée ou multivariée, voire les adapter à un contexte particulier, pour comprendre le phénomène étudié et dégager des liens de causalité ou les facteurs les plus significatifs. C7. Représenter les données par des graphiques clairs et pertinents qui fassent sens et soient facilement interprétables pour un client ou manager non expert data.
Modalités d'évaluation :
E4. Tests individuels de programmation sur plusieurs langages informatiques (C++, Python…) et l'évaluation d'algorithmes. E.5- C5 : Hackathon: structuration de données non structurées fournies par l’entreprise, extraction des données pertinentes, mise en forme, ré-encodage, agrégation des données brutes recommandations de plan d’action. Travail de groupe à l’écrit puis présentation orale. E. 6 Tests individuels sur les cours de statistiques à savoir : Cours de Probabilités & statistiques, Statistique Inférentielle, Econométrie, Quantitative Risk Management. Tests individuel - écrits. E7 -C7 : Hackathon: Structuration et visualisation des données d’entreprise. Présentation orale par groupe et rapport écrit.
E4. Tests individuels de programmation sur plusieurs langages informatiques (C++, Python…) et l'évaluation d'algorithmes. E.5- C5 : Hackathon: structuration de données non structurées fournies par l’entreprise, extraction des données pertinentes, mise en forme, ré-encodage, agrégation des données brutes recommandations de plan d’action. Travail de groupe à l’écrit puis présentation orale. E. 6 Tests individuels sur les cours de statistiques à savoir : Cours de Probabilités & statistiques, Statistique Inférentielle, Econométrie, Quantitative Risk Management. Tests individuel - écrits. E7 -C7 : Hackathon: Structuration et visualisation des données d’entreprise. Présentation orale par groupe et rapport écrit.
RNCP36355BC01 : Elaborer et implémenter en mode projet une stratégie de transformation digitale et d’ innovation par la data
Compétences :
C1. Elaborer une stratégie digitale tenant compte de la gestion de la data afin de rechercher la meilleure proposition de valeur pour l’utilisateur final, en menant un diagnostic de l’existant et une étude opérationnelle d’identification des attentes client en matière de transformation digitale, en modélisant et en proposant des solutions data en fonction de l’objectif stratégique et de la réglementation, ainsi qu’en argumentant ses recommandations afin de répondre à la problématique du commanditaire. Rechercher la meilleure proposition de valeur pour l’utilisateur final. C2. Enrichir les systèmes d’aide à la décision en produisant des outils de business intelligence et des modèles de décision et d’optimisation (analyse prescriptive) basés sur les données fournies en amont par les modèles statistiques descriptifs et prédictifs, et en formulant des conclusions et des interprétations des résultats permettant d’élaborer une stratégie d’innovation ou de transformation. C3. Planifier en mode projet la conception d’un nouveau processus ou dispositif data innovant en alignant les objectifs du projet et ses livrables à l’objectif stratégique posé par le client, en décomposant l’objectif principal en sous-projets affectés à des membres de l’équipe, et en déterminant une méthodologie et des jalons conformes à l’objectif.
C1. Elaborer une stratégie digitale tenant compte de la gestion de la data afin de rechercher la meilleure proposition de valeur pour l’utilisateur final, en menant un diagnostic de l’existant et une étude opérationnelle d’identification des attentes client en matière de transformation digitale, en modélisant et en proposant des solutions data en fonction de l’objectif stratégique et de la réglementation, ainsi qu’en argumentant ses recommandations afin de répondre à la problématique du commanditaire. Rechercher la meilleure proposition de valeur pour l’utilisateur final. C2. Enrichir les systèmes d’aide à la décision en produisant des outils de business intelligence et des modèles de décision et d’optimisation (analyse prescriptive) basés sur les données fournies en amont par les modèles statistiques descriptifs et prédictifs, et en formulant des conclusions et des interprétations des résultats permettant d’élaborer une stratégie d’innovation ou de transformation. C3. Planifier en mode projet la conception d’un nouveau processus ou dispositif data innovant en alignant les objectifs du projet et ses livrables à l’objectif stratégique posé par le client, en décomposant l’objectif principal en sous-projets affectés à des membres de l’équipe, et en déterminant une méthodologie et des jalons conformes à l’objectif.
Modalités d'évaluation :
E1.a- Corporate Research Project (CRP) (C1): Projet data de 6 mois en équipe en à partir de données réelles fournies par une entreprise. E.1.b Examens et études de cas des cours de Stratégie et management, stratégie digitale, Management de l’IT à l’ère numérique, Entrepreneuriat, Fundamentals of Digital Business. E.2: Evaluation du cas AMAZON ( cours Decision Analytics) (C2): les étudiants doivent établir un modèle d’aide à la décision stratégique pour concevoir un réseau logistique e-business à partir d’un cas. Travail de groupe par équipe à l’écrit. E3-a. Corporate Research Project (CRP): Le groupe d’étudiants définit les jalons du projet, la méthodologie, la problématique, et planifie ses étapes avec un point à 3 mois et à 6 mois. E3.b Professional Mission Report: Les participants font référence dans le PMR à la l’intégration d’un nouvel outil de data innovation. Évaluation individuelle écrite.
E1.a- Corporate Research Project (CRP) (C1): Projet data de 6 mois en équipe en à partir de données réelles fournies par une entreprise. E.1.b Examens et études de cas des cours de Stratégie et management, stratégie digitale, Management de l’IT à l’ère numérique, Entrepreneuriat, Fundamentals of Digital Business. E.2: Evaluation du cas AMAZON ( cours Decision Analytics) (C2): les étudiants doivent établir un modèle d’aide à la décision stratégique pour concevoir un réseau logistique e-business à partir d’un cas. Travail de groupe par équipe à l’écrit. E3-a. Corporate Research Project (CRP): Le groupe d’étudiants définit les jalons du projet, la méthodologie, la problématique, et planifie ses étapes avec un point à 3 mois et à 6 mois. E3.b Professional Mission Report: Les participants font référence dans le PMR à la l’intégration d’un nouvel outil de data innovation. Évaluation individuelle écrite.