Data management and business analytics

Le cours présentera les principes fondamentaux de la gestion de données en entreprise ainsi que certains aspects techniques. En particulier, le cours couvrira les thématiques suivantes :

• Data analytics thinking

• Relational database

• SQL

• Big data, small data

• Data privacy

• From business problem to data mining solutions

• Data mining process

• Predictive analytics

• Evaluation and performance

• Visualization and telling a story with data

• Datawarehouse and business intelligence

• Descriptive analytics

• Analytical advantage

• Text mining

• Application de l’analyse de données dans différents contextes d’entreprises (fonctionnel, sectoriel et de taille d’entreprises différentes)
   

  Ce cours contribue au parcours Sustainable Business Operations de l’Initiative Developpement Durable qui vise à offrir une formation intégrée en durabilité

A la fin du cours, l’étudiant sera capable de :

• Clarifier une problématique d’entreprise en posant les questions pertinentes.

• Mener des analyses de problématiques d’entreprises fondées sur des faits et des données.

• Etablir une stratégie quant à la nature des données à collecter pour répondre à une problématique d’entreprise.

• Comprendre et utiliser le vocabulaire propre à l’analyse de données d’entreprises.

• Comprendre, articuler et coordonner les outils propres à chaque discipline impliquée (technique, analyse quantitative, gestion d’entreprise, communication, gestion de projet).

• Justifier les choix analytiques réalisés

Ces compétences permettront au futur diplômé, notamment, d’être un interlocuteur de qualité dans la chaine de valeur analytique et de contribuer à la transition de l’entreprise vers une gestion orientée données.

Connaissances et compétences pré-requises ou co-requises

Les cours pré-requis sont :

MATH-S-201    Mathématique : fonction à plusieurs variables - 5 ECTS et
STAT-S-202    Probabilité, inférences statistiques et recherche opérationnelle - 10 ECTS

ou cours équivalents pour les étudiants venant d'une autre université. Par exemple : 
ECGEB251      Mathématiques pour l'économie et la gestion II (Unamur) - 4 ECTS

La diversité des activités d’apprentissage permettra à l’étudiant de développer des compétences complexes :

• Présentations magistrales des concepts théoriques de la gestion de données.

• Ateliers thématiques. Certains concepts seront mis en pratique lors de séances spécifiques d’une heure. Les étudiants devront préparer ces séances à partir des concepts théoriques, de consignes écrites et de données. L’heure d’atelier sera consacrée au travail par groupe d’étudiants et aux échanges avec la Professeure.

• Intervenants extérieurs qui présenteront des sujets spécifiques liés à la gestion de données. Les étudiants devront avoir intégré les messages et contenus présentés et être capables de les utiliser dans de nouvelles problématiques à venir.

• Travaux pratiques. La première partie des travaux pratiques sera consacrée à la gestion de données (data management). Chaque séance comportera une partie en présentiel (destinée à revoir les concepts et répondre aux questions) et une partie en e-learning en amont de la session (destinée à la pratique du codage). La seconde partie des travaux pratiques sera consacrée à la réalisation de cas concrets à l’aide de données où il s’agira de dérouler le processus de data mining. Lors de chaque séance, un temps sera consacré à la révision des concepts et un temps sera consacré à la réalisation du cas concret impliquant toutes les étapes du processus d’analyse de données selon la méthodologie CRISP.

Références, bibliographie et lectures recommandées

Des accès à une plateforme d’apprentissage du coding.

Une liste de références bibliographiques est fournie avant chaque session.

Contacts

Professeure : Martine George (martine.george@ulb.be)

Assistant : un assistant ou 2 assistants chargés d’exercices assureront en parallèles les TP avec la moitié des étudiants dans chaque groupe.

Campus

Solbosch

Méthode(s) d'évaluation

• Autre

Autre

L’évaluation se fait sur base de :

• • D’un travail de groupe. Le travail consiste à répondre à une problématique d’entreprise à l’aide de données et à analyser un cas dans son ensemble en déroulant toutes les étapes de la méthodologie CRISP. Il y aura 2 livrables à ce travail un rapport écrit et une présentation orale par groupe.
  • Un examen final qui portera à la fois sur des questions de connaissances et de raisonnement (sous forme de QCM) et sur des questions de réflexion (sous forme de questions ouvertes). L’objectif est la compréhension et l’application critique et concrète des concepts.

Construction de la note (en ce compris, la pondération des notes partielles)

La note finale sera composée cette année :

• • Du résultat du travail de groupe (40%)
  • Du résultat de l’examen écrit (60%)

Langue(s) d'évaluation

• anglais