Formation

Data Stratégie pour Dirigeants

Objectifs

  • Comprendre les opportunités et les applications de l’analyse de données
  • Comprendre et évaluer les opportunités du big data dans un contexte marketing/commercial
  • Comprendre les opportunités de changer son business model à partir des données
  • Évaluer le potentiel des approches «données» dans l’entreprise en vue du lancement d’un projet

Publics

Décideurs métiers.
Cette formation ne nécessite pas de connaissances en informatique.

Prérequis

Cette formation est accessible sans condition particulière.

Axes de travail

1. Devenir un dirigeant « informé par les données »

Pourquoi Big Data est un enjeu de performance pour les entreprises et les organisations ?
Quels gains de productivité obtenir en fluidifiant la circulation des données ?
Comment lancer un produit basé sur l’analyse de données ?
Comment identifier les nouveaux leviers de création de valeur au travers de l’analyse de données ?
Quels mécanismes pour ré-inventer son business model par l’exploitation de données ?
Comment prédire le comportement futur des consommateurs ? (ex: éviter les résiliations)
Comment comprendre les consommateurs à travers les données des réseaux sociaux ?
Comment analyser son marché et anticiper les tendances ?
Comment mettre en place une culture de l’analyse dans l’entreprise ?

2. Devenir un dirigeant sachant parler à l’équipe « Data »

De quelles sources données parle-t-on ?
Connaître les différents types de données (structurées/non structurées, données B2B ou B2C, Open Data, Réseaux Sociaux, Géolocalisation, internet des objets…)
Quelles sont les sources de données internes, externes, gratuites, payantes à exploiter?
Les 9 « V » du Big Data
Le vocabulaire technique : Comprendre les termes et notions de base de la Data Science

3. Travailler avec l’équipe « Data » et la DSI

Quels sont les fonctions, les rôles et les compétences des membres de l’équipe « Data Science »
Comment est réparti le travail entre les membres d’une équipe data ? Cas Disneyland

4. Quels traitements de données avec quels objectifs ?

Techniques descriptives : Méthodes de réduction des dimensions, Classification
Techniques prédictives : Arbre de décision / Random Forest, Régression
L’analyse prédictive : Prédire des catégories, des tendances, regrouper les données en familles
Les objectifs de l’analyse sémantique : sentiment, univers, corrélation
Les principes de l’analyse des images / Computer Vision– Cas : Tesla
L’analyse d’anomalies (notamment pour la détection des fraudes)

5. Les technologies du Big Data

Les limites des outils traditionnels d’analyse de données. Excel + Business Intelligence
L’évolution des outils pour l’analyse de données
Comprendre les concepts & l’utilité des Outils Data + IA 2020
Outils de requêtage et de traitement Hadoop MapReduce – Cas : Google
Panorama des outils techniques & langages pour traiter de grandes masses de données

6. La représentation graphique des données et des insights

Comment visualiser et communiquer clairement les résultats d’une analyse de données, afin de permettre de mieux interpréter les données pour encourager de meilleures décisions ?
Comment représenter les bonnes données avec les bons graphiques

7. Les aspects juridiques et de sécurisation des données ·

Quelles sont les nouvelles obligations imposées par le Règlement Général pour la Protection des Données aux entreprises, et les nouveaux droits des consommateurs européens ?
Comment exploiter la clause 20.2 du RGPD pour générer de nouveaux partenariats d’échange de données créateurs de valeur ?
Rappel des règles de base & bonnes pratiques pour la sécurisation de vos données

8. Etablir un plan d’action « Data Clever » pour votre entreprise

Comment établir une stratégie de croissance + un plan d’action concret basé sur l’analyse de données dans votre entreprise ?

Méthode d’évaluation et d’animation

Alternance de théorie et de mise en pratique pour votre projet d’entreprise
Gamification de certaines parties de la formation
Une série de cas concrets de projets menés dans les entreprises des secteurs suivants :

Marketing
La prédiction du taux d’attrition (« churn ») pour favoriser la rétention des consommateurs
La perception des tendances de marché : l’analyse des sentiments du marché et des influences.
La détection de nouveaux prospects par l’’analyse sémantique avec C-Radar/SideTrade

Grande Distribution
Prévoir les ruptures de stock
Déceler les tendances de consommation
La data pour améliorer l’expérience consommateur : Comment faciliter les achats au quotidien ?

Finance, Assurance, Banque
La détection des fraudes par l’analyse des données

Automobile
La voiture autonome exploite la data et le machine learning en temps réel – Google Car
La détection de piétons (vidéo)
Le modèle « Pay as you drive » : Les nouveaux services de facturation à la consommation – Axa

e-Commerce / e-Media
La détection des préférences des consommateurs sur Amazon (e-Commerce) et Netflix (Média)

Management
Les algorithmes de détection de profils pour le recrutement basés sur l’analyse sémantique, Linkedin

devOp est particulièrement sensible à l’accessibilité de ses formations à tous et à l’intégration des personnes en situation de Handicap. Contactez-nous afin d’étudier les possibilités de compensation disponibles.