Finance - Contrôle - Audit - Comptabilité

06310267 - Analyse de données pour le pilotage de la performance des organisations

Niveau de diplôme
Crédits ECTS 6
Volume horaire total 40
Volume horaire CM 40

Objectifs

Ce cours est scindé en deux parties, l’une intitulée « Excel avancé pour Contrôleur de Gestion » et l’autre science des données appliquée au contrôle
La première partie a pour objet de connaître et utiliser les différents outils d'analyse de l'information de gestion (commerciale, marketing, production, comptable, financière…), au travers de la pratique avancée de MS Excel : 
  • Savoir choisir et utiliser les principales fonctions de MS Excel en réponse à une problématique de gestion;
  • Utiliser les tableaux croisés dynamiques dans le cadre du traitement et de l'automatisation  des données extraites ou saisies ;
La seconde partie est une introduction au traitement et à la visualisation de données avec Python. Il s’agit d’étudier l’analyse de données avec des outils alternatifs à Excel et reposant sur le langage de programmation Python avec les bibliothèques Pandas et Matplotlib / Seaborn. 

Estimation du temps de travail personnel (en dehors des cours) : 10 heures

CONNAISSANCES ET COMPETENCES CIBLES

Pour la première partie les connaissances à acquérir et les compétences cibles sont les suivantes : 
Maîtriser les principales fonctions de MS Excel notamment celles permettant l'optimisation de la gestion des données relatives à un service de l'entreprise
Compétences dans l’usage des outils avancés de MS excel : Fonctions les plus couramment utilisées, Tableaux croisés dynamiques, analyses statistiques.

Pour la seconde partie : 
Initiation au langage de programmation Python et à l’utilisation des bibliothèques de traitement / visualisation de données (Numpy, Pandas, Matplotlib, Seaborn). 

Contenu

PLAN DE COURS

Partie 1 : Excel Avancé pour contrôleur de gestion
1 - Rappels MS Excel
Fonctions calcul (si, si imbriquées, ou/et, somme.si, nb val, sous totaux…)
Fonctions textes 
Convertir
Index
Esterreur
Fusion de fichier (recherche..)

Cas d'application

2 - Traitements de surface 
liste déroulantes, sécurité, condition, validation des données (#N/A..)
Cas d'application

3 - Tableaux Croisés Dynamiques (Pivot Table) : objectif et applications
Cas d'application

4 - Tableaux de bord sours Excel
Jauges, TCD
Cas d'application

Partie 2 : Science des données appliquée au contrôle
1. Introduction et environnement logiciel
Jupyter Notebooks
2. Python
3. Le traitement de données
Les bibliothèques numpy et pandas
Les séries et dataframes
Création / importation de données à partir de sources
Référencement des données, indexation, requêtage
Manipulation
Nettoyage des données
Les tables pivot (TCD)
Les agrégations et les jointures, algèbre relationnelle
4.    La visualisation de données - dataviz
Introduction, environnement logiciel
Graphiques linéaires
Graphiques à barres et cartes thermiques
Nuages de points
Distributions
Types de graphiques et styles personnalisés

Bibliographie

OUVRAGES ET PUBLICATIONS DE REFERENCE :

P. MORIE, B. P. BOYER  "Excel 2003 avancé. Guide de formation avec exercices et cas pratiques ", Eyrolles, 2004.
Wes McKinney, Python for Data Analysis
Amandine Velt, Python pour la Data Science, ENI, 2020
Emmanuel Jakobowicz, Python pour le Data Scientist, Dunod, 2021
David Taieb, Data Analysis with Python, Packt Publishing
Gérard Swinnen, Apprendre à programmer avec Python 3,
Tarek Ziadé, Programmation python - Conception et optimisation, Eyrolles

OUVRAGES ET PUBLICATIONS DES ENSEIGNANTS-CHERCHEURS DE L’IAELYON SUR LE SUJET DU COURS :

Béatrice Fuchs (2017). « Assister l'utilisateur à expliciter un modèle de trace avec l'analyse de concepts formels. ». 28èmes Journées francophones d'Ingénierie des Connaissances IC-2017, pp. 151-162.

Contrôles des connaissances

Note individuelle
Étude de cas :
  • implication sur les séances de travail hebdo
  • cas rendu
  • soutenance individuelle

Autre(s) notation(s)
Notation pendant les enseignements
Présentation orale et devoir à rendre, 15min

Pondération : 50/50

Informations complémentaires

MODALITES PEDAGOGIQUES

Cours magistraux, étude de cas, lectures complémentaires, outils pédagogiques numériques, séances de pratique sur MS Excel
Des conseils pratiques issus de l'expérience terrain et professionnelle des enseignants seront inclus et dispensés tout au long du cours

NATURE DES SUPPORTS
Diapositives PPT
Cours en ligne et diapositives sous forme de pages web 

INNOVATIONS PEDAGOGIQUES ET UTILISATION DE TECHNOLOGIES
Blended class
Étude de cas, longitudinale et transversale avec le cours de Programmation sur Excel.
Cette étude de cas est issue de cas réels de contrôle de gestion
Les étudiants devront être capable de présenter les résultats à deux profils différents : le contrôleur de gestion et les utilisateurs
Choix d’un jeu de données et proposition d’une étude complète à l’aide des bibliothèques basées sur Python présentées en cours. 

PRE-REQUIS EN TERMES DE CONNAISSANCES ET COMPETENCES

Pratique de MS Excel, analyse des données et statistiques : niveau Master 1.
Notions de base d’algorithmique et de programmation

LECTURE(S) CONSEILLEE(S) :
Gérard Swinnen, Apprendre à programmer avec Python 3,

Formations dont fait partie ce cours