Le contenu du programme ci-dessous répond aux objectifs opérationnels évalués dans le cadre de la préparation du diplôme, conformément au référentiel en cours de validité.

• Structurer et gérer une base de données
  • Créer une base de données avec tables et relations dans le respect des normes réglementaires
  • Alimenter une base de données via des requêtes, définir les accès dans le respect du RGDP afin de garantir sa fiabilité et son fonctionnement.
  • Appliquer une stratégie de requêtes SQL ou d’outils adaptés pour extraire les données pour répondre à une problématique métier.
• Identifier, collecter et analyser les données
  • Identifier et collecter les données en utilisant des API, des requêtes SQL ou des outils adaptés afin de préparer les données pour analyse.
  • Extraire, agréger et nettoyer les données à l'aide de techniques ou d'outils informatiques. Définir les règles de nettoyage pour avoir des données structurées.
  • Préparer et vérifier des données structurées pour créer des jeux de données exploitable. Utiliser des séries temporelles
  • Effectuer des analyses univariées / multivariées de données. Détecter les incohérences et comprendre les corrélations entre les variables.
• Visualiser des données et interpréter des résultats
  • Proposer une solution de visualisation adaptée au public et au type de données afin de représenter un phénomène statistique.
  • Concevoir des graphiques adaptés au type de données prenant en compte les bonnes pratiques d’accessibilité.
  • Créer un tableau de bord, produire un reporting en analysant les différents graphiques afin de faciliter ou d’orienter les décisions stratégiques.
  • Présenter les résultats d’analyse en adaptant le contenu au public cible.
• Piloter un projet data en respectant la réglementation
  • Effectuer une veille métier et technologique.
  • Expérimenter de nouvelles méthodes d’analyse afin de proposer une solution technique adaptée.
  • Identifier le besoin métier en intégrant les contraintes. Définir les spécifications fonctionnelles. Formaliser le cahier des charges fonctionnel. Expliciter les objectifs et enjeux.
  • Organiser un projet d’analyse data grâce à des outils de gestion de projet et de planification.
  • Organiser des ateliers et former les utilisateurs à la prise en main des outils proposés.
  • Gérer la documentation et formaliser les processus en capitalisant les savoir-faire.
• Réaliser des tests statistiques et concevoir des modèles d’apprentissage
  • Réaliser des analyses multivariées. Comprendre la corrélation entre les variables.
  • Réaliser des tests statistiques sur des données massives afin de tester et valider des hypothèses.
  • Entraîner un modèle d’apprentissage supervisé et/ ou non supervisé.
  • Exploiter un modèle d’apprentissage non supervisé (featuring clustering) et supervisé afin d’en apprendre davantage sur les données.
  • Utiliser un modèle d’apprentissage en choisissant un modèle adapté à une problématique métier.
  • Analyser un jeu de données intégrant des séries temporelles. Mesurer un phénomène statistique au cours du temps pour faire une prédiction.
• Compétences transversales
  • Se connaître, analyser son parcours, ses compétences transversales et transférables. Adopter une démarche réflexive.
  • Sécuriser et préparer son insertion professionnelle : période en entreprise, marché de l'emploi, TRE,
  • Capitaliser et valoriser sa formation / son parcours. Définir son plan d’action
  • Adopter une démarche de résolution de problème.
  • Réaliser une présentation professionnelle
  • Prendre la parole en public et adapter son discours à son auditoire
  • Prendre en compte la réglementation et l'impact environnemental dans son activité professionnelle. Green IT.