Numérique - Systèmes d'Information

06350084 - Outils et applications analytiques pour le big data

Niveau de diplôme
Crédits ECTS 5
Volume horaire total 21
Volume horaire CM 12
Volume horaire TD 9

Objectifs

L'accumulation massive de volumes de données par les entreprises et les organisations, et le besoin croissant d’informations sophistiquées ont motivé des besoins en informations de plus haut niveau pour assister la prise de décision. L'informatique décisionnelle vise à fournir des applications et outils pour les décideurs afin d’assiter leur prise de décisions. Le cours a pour but de présenter des outils pour le stockage, l'analyse et la visualisation de données pour assister la prise de décision.

Estimation du temps de travail personnel (en dehors des cours) : 15 heures

CONNAISSANCES ET COMPETENCES CIBLES
  • Cpnceptes et fondamentaux de l’informatique décisionnelle
  • Familiarisation et maîtrise de langages et d’outils permettant de stocker, d'analyser et de visualiser les données pour des fins d’analyse et de décisions ;
  • Connaîssance des critères de choix d’outils et de systèmes de gestion de données

Contenu

  1. Introduction à l'informatique décisionnelle
  2. Introduction aux systèmes de gestion de données (datawarehouse, datamart, ERP, ETL…)
  3. Introduction aux méthodes d'analyse de données et d'extraction d'informations en vue de produire des synthèses.
  4. Etude d'outils d'analyse et de visualisation de données : R et RStudio, python seaborn
  5. Présentation des résultats dans des rapports d'analyse.

Bibliographie

  • Marie-Noëlle Jubénot, Daniel Eudes, Analyse des données sous R pour les sciences humaines : théories et exemples commentés. Ellipses.
  • Lise Bellanger, Richard Tomassone, Exploration de données et méthodes statistiques : data analysis & data mining avec le logiciel R. Ellipses
  • Stéphane Tufféry, Modélisation prédictive et apprentissage statistique avec R. Éditions Technip
  • Amandine Velt, Python pour la Data Science - Analysez vos données par la pratique avec NumPy, Pandas, Matplotlib et Seaborn. ENI
  • P. Louchet et M.C. Rialland, Groupe Projet «PGI» du Centre de Ressources d’Economie Gestion (CREG) de l’Académie de Versailles
  • L. TOURNANT - Réussir votre projet ERP – AFNOR –
  • L. LEMAIRE – ERP – L’impact des PGI sur l’emploi et le travail – Liaisons
  • J.L. TOMAS – ERP et progiciels de gestion intégrés – Dunod –
  • J.L. LEQUEUX – Manager avec les ERP – editions d’organisation

Contrôles des connaissances

MODALITES D'EVALUATION
Note individuelle    
Mode d’évaluation : Oral
Présentations orales de projets de groupes

Autre(s) notation(s)
En groupe : Oui    
Notation pendant les enseignements : Oui
Nature des Travaux : dossier de synthèse à rendre

Pondération : 50%/50%

Informations complémentaires

MODALITES PEDAGOGIQUES
Cours et travaux de groupes

NATURE DES SUPPORTS
Support powerpoint, tutoriels/vidéos

INNOVATIONS PEDAGOGIQUES ET UTILISATION DE TECHNOLOGIES
Supports pédagogique sur Moodle
Découverte et manipulation d’outils en OpenSource

Formations dont fait partie ce cours