FORMATION DATA SCIENTIST

img-illustration2png

Une offre de service, composée d'un tronc commun Data Scientist et de deux spécialisations au choix : 

  • Risk Manager Data Scientist
  • RH Data Scientist 

Chacun de nos programmes est composé de modules indépendants, qui peuvent être appelés à la carte par l'entreprise et le stagiaire. 

N'hésitez pas à nous en parler, tout est envisageable !

Phase 1 : PASSEPORT BIG DATA ET BUSINESS PERFORMANCE (50h)

ENSEIGNEMENTS TECHNIQUES (24h) réalisés en partenariat avec l'Institut des mathématiques d'Angers.

 • Formation sous R (12h) :

Comment ouvrir un fichier, ACP, ACH et méthodes de classification, Statistiques descriptives et régressions linéaires, méthodes de réflexion, Réseaux de neurones artificiels, Cartes et nuages de points globalisés

 

• SQL (6h) : construction de blocs du langage de base de données, modélisation de requêtes exploitables dans un logiciel de traitement de données.

 

• Intelligence et stratégie numérique (6h) :

Data View / collecte, Excel avancé, CRM Dynamics &     Expérience client omnicanal, SPSS, Gestion de campagnes

 

ETUDES THEMATIQUES (12h) : Une au choix en fonction du projet d’entreprise

Thème 1 

la mesure, la modélisation des métiers et le patrimoine numérique, tableau de bord : les notions d'indicateurs, d'axes d'analyses sont ici revus variables quantitatives et qualitatives, données manquantes, données aberrantes, qualité de la mesure, technique des scores. Répertorier les sources de données. Les projeter sur les points de décision d'une entité. Les données non structurées et structurées…

 

Thème 2

Le processus de décision dans l'entreprise, le Knowledge Management : partager la connaissance pertinente collaborative…

 

Thème 3

la data complexité et le data mining (algorithmie) : répertorier les outils mathématiques et statistiques pour l'aide à la décision. Notion de risque et d'opportunité …

 

ENSEIGNEMENTS MANAGERIAUX (14 h) à Paris et Angers.

• Droit du Web et des Technologies Avancées (TIC) (5h) :

Principes fondamentaux du droit à et de l’image, Droit de la propriété du visuel, Ethique et numérique, La BLE, Droit et Responsabilité des sites – Moteurs de Recherche …, Contrats Commerciaux et Web …

Innovation et technologie (4h) :

-  Spécificités des secteurs à dominante technologique

et révolution Numérique,

-  Management de l'innovation à dominante technologique et

révolution numérique,

-  Management avancé des systèmes d'information…

• Gestion & Management de Projet innovant dans l’entreprise « AGILE » (5h)

Organisation en mode projet, l’approche QCD, le PERT, les différents métiers liés au management de la donnée, Tableaux de Bord dynamiques.


Thème 4

Cartographie des risques, risques / opportunités systémiques, calcul entropique, énergétique et thermodynamique de la prise de décision : indicateurs de performances du patrimoine numérique.

Thème 5
Prise de décision (population cible Grand, Moyen, Petit) et simulation de modèle économique : technique par arborescence de compilation des diagnostics par métiers et des impacts. Score d'arborescences. Revue des techniques de visualisation de données, vision multidimensionnelle.

Phase 2 : SPECIALISATIONS PROFESSIONNELLES OPTIONNELLES

1. Risk Manager Data ScientIst (50 h) en partenariat avec Finance Innovation.

• Analyse prédictive appliquée à la Finance

Capitaliser sur toute connaissance clients et donnée client pour gagner en parts de marché et rester pérenne : exemples d’optimisation des prix, fraude à l’assurance, d’estimation du rendement du capital investi par modèle prédictif, de traitement des données par technologie d’accélération hardware.

 

• Mesure de la Performance financière

Définition de la performance au travers des données financières rendues par les différents systèmes d'exploitation utilisés dans l'entreprise. Un outil majeur la comptabilité analytique - partage d'expérience. Définition de nouvelles pistes de développement anaylitique (Kpis's)…

 

Définitions et attributions du contrôleur des risques

Prise de conscience du positionnement métier, Définition du scope de responsabilités, Analyse SWOT du métier de contrôleur, de la fonction financière. Présentation de models de contrôle de gestion dans différents secteurs d'activité.  Exigences de conformité (donc de compliance) et qualification de la donnée et de son traitement. Contrôle de la mesure et problématiques combinatoires (manipulation de données) – optimisation du dialogue structuré entre banques et superviseurs. Approche « propriétaire » de la donnée.

 

• Mise en place d’un projet Finance Big Data dans l’entreprise : Nouvelles compétences et nouveaux rôles dans l’entreprise (Finance data scientist, Finance data manager, Finance chief data Officer ...), principes de définition et d’implémentation d’un projet data, démarche d’identification des opportunités, prise de conscience des données internes, évaluation de la maturité data du client, identification des enjeux opérationnels et stratégiques, approche du marché, cadrage et pilotage d’un projet de business intelligence.

 

• Mise en œuvre d’un projet opérationnel

Mise en place de la plateforme, paramétrage des métadonnées et paramétrage des seuils de décision, création du projet, détection des connaissances et bilan.

2. RH Data Scientist (50 h)

Analyse de la Performance,  Modèle EVA (II) :

La performance collective et individuelle, outils de mesure prédictifs en 3D, Objectifs stratégiques …

 

Démarche Qualité Totale & RH :

Principe d’une démarche Qualité Totale, Roue de Deming, Suivi & Réajustements, ISO 26000…

 

Le Lean Management par le prisme du Big Data :

Approche organisationnelle de la production, Outils de Mise en œuvre et de suivi, le POI, …

 

Évaluation des Compétences & la GPEC : Identification des compétences, grilles d’évaluation et référentiels ; gestion de la performance …analyse prédictive.

 

 • Ingénierie de Formation :

Méthodes, Impacts Sociaux, Gestion des modes d'Acquisition de Savoirs, E-learning, MOOC, le KM.


• Le contrôle de Gestion social et son Big Data

Fondements, les indicateurs et tableaux de bord sociaux, Contrôle de gestion social, Audit Social, Suivi 


• Big Data, Cloud et recrutement 

Organisation/Recrutement, les Pratiques de Recrutements, Outils, Usages & limites, Les Réseaux Sociaux, Mesures des efficacités & des Performances

 

• Mise en place d’un projet RH Big Data dans l’entreprise : Nouvelles compétences et nouveaux rôles dans l’entreprise (Rh data scientist, Rh data manager, Rh chief data Officer ...), principes de définition et d’implémentation d’un projet data, démarche d’identification des opportunités, prise de conscience des données internes, évaluation de la maturité data du client, identification des enjeux opérationnels et stratégiques, approche du marché, cadrage et pilotage d’un projet de business intelligence.

 

• Mise en œuvre d’un projet opérationnel

Mise en place de la plateforme, paramétrage des métadonnées et paramétrage des seuils de décision, création du projet, détection des connaissances et bilan.


En fonction des besoins spécifiques des entreprises, une adaptation des modules est possible, sur demande.