RNCP36355
Diplôme « Sciences des Données et Techniques Analytiques pour la Gestion »
Page France Compétence
Description
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.
Objectif
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 française et portées par les politiques gouvernementales. Le programme Sciences des Données et Techniques Analytiques pour la Gestion (en anglais, « Data Sciences and Business Analytics ») a vocation à certifier de futurs managers spécialistes en Sciences des Données et Techniques Analytiques pour la Gestion avec un haut niveau d’expertise dans ce domaine.
La formation permettant l'obtention de cette certification est un programmerépond à un projet professionnel défini et allie les concepts fondamentaux aux théories et pratiques du secteur.
Niveau
7 - Savoirs hautement spécialisés
Date de validité
31/08/2026
Domains
- analyse données
- statistique appliquée
- Langages informatiques
- intelligence artificielle
- Mathématiques appliquées
NSF
- Spécialites plurivalentes des services
- Informatique, traitement de l'information, réseaux de transmission
- Informatique, traitement de l'information, réseaux de transmission des données
- Modèles mathématiques ; Informatique mathématique
GFE
Rome
| Nom légal | Rôle |
|---|