Les objectifs de la présente formation :

• Découvrir les fondamentaux du Big Data, de la Data Science et du Machine Learning
• Evaluer en quoi les données prennent une position prédominante dans les nouveaux business models
• Comprendre le rôle de la Data Science au sein de l’organisation et de la gouvernance de l’information
• Présenter les enjeux des usages que représentent le machine learning, le deep learning et les impacts organisationnels
• Justifier l’ouverture du SI vers l’extérieur, tant en collecte de données qu’en fourniture

Cette formation s’adresse aux dirigeants d’entreprise, directeurs financiers, responsables métier, responsables maîtrise d’ouvrage, DSI, responsables informatiques, consultants, auditeurs, informaticiens souhaitant découvrir les fondamentaux du Big Data, de la Data Science et du Machine Learning.

I. Historique et contexte de l’explosion des usages autour des données

1. La révolution numérique est en route … poussée par un tsunami informationnel !
2. Quelles sont les grandes briques fonctionnelles et techniques de la gestion du patrimoine informationnel ?
3. Qu’est-ce que le Big Data ? Définition et périmètre général.
4. Un peu d’histoire sur les origines et l’explosion du Big Data.
5. Le Big Data n’est pas une mode et s’inscrit dans la révolution numérique comme le carburant de l’innovation.
6. Le Big Data : les grands usages actuels.
7. Quelques grandes notions technologiques à retenir et comment surnager parmi tous ces acronymes techniques.
8. Quelle cohabitation entre les différentes générations de système de gestion des données ?
9. Quel futur pour toutes ces solutions et usages ? Quel est le niveau de maturité à date ?

Échanges : réflexion collective sur la révolution numérique.

II. Le Big Data, la Data Science, la Machine Learning, l’IA

1. Créer et améliorer les facultés de l’entreprise grâce aux Big Data.
2. Les grandes briques applicatives au service du Big Data dans l’entreprise.
3. De l’analyse statistique à la Data Science : quels profils, pour quels bénéfices ?
4. Les principales déclinaisons de l’Intelligence Artificielle.
5. L’Intelligence Artificielle dans l’analyse prédictive.
6. Le Machine Learning ou la capacité d’apprentissage par la machine.
7. Apprendre par le traitement de masse de l’information recueillie : le Deep Learning.
8. L’Intelligence Artificielle, le Machine Learning et le Deep Learning : quels enjeux pour nos sociétés ?

Échanges : réflexion collective sur l’évolution de le Big Data, de la Data Science, du Machine Learning et l’Intelligence Artificielle.

III. La gestion du patrimoine informationnel et le pilotage de la valeur

1. La place des données dans la révolution numérique.
2. La place de la donnée dans les modèles d’entreprise disruptifs.
3. La valeur des données au cœur des enjeux métiers.
4. Peut-on connaître et piloter la valeur de son patrimoine informationnel ?
5. Quel est le risque d’infobésité ? Comment s’en prémunir ?
6. Les opportunités de monétisation de l’information.
7. Comment installer une culture de la donnée dans l’entreprise ?
8. Le poids et le coût de la qualité des données du patrimoine géré par l’entreprise.
9. L’apport de valeur par les données touche tous les métiers de nos clients.

Étude de cas sur l’analyse de la valeur de la donnée.

IV. Les acteurs du Big Data et les enjeux organisationnels associés

1. Organisation, rôles et gouvernance : les nouveaux modèles à l’heure du Big Data.
2. Pourquoi les silos organisationnels sont un frein majeur à l’exploitation des données et comment y remédier ?
3. La Data Science : adapter les profils de statisticiens aux nouveaux enjeux.
4. Les spécialistes des nouveaux domaines et leurs méthodes de travail.
5. Les thématiques de mise en œuvre de la gouvernance des données.
6. Les acteurs de la gouvernance de la donnée.
7. Les acteurs en charge de la qualité de la donnée.
8. Quelles sont les grandes tendances réglementaires autour de la gestion des données et comment les aborder ?

Échanges : réflexion sur l’importance de la gouvernance des données.

V. Le Big Data étendu

1. La place de l’entreprise dans son écosystème de données.
2. Les données à la frontière de l’entreprise (DMP).
3. Les données fournies par des partenaires : réseaux sociaux…
4. L’Internet des Objets (IoT) ou comment rendre son entreprise sensible aux nouveaux usages.
5. L’Open Data et ses apports dans l’analyse de données : nouvelles données, enrichissement, croisement de données.
6. L’émergence des Chatbots ou l’automatisation de fonctions d’interface clients : quels impacts dans nos organisations ?
7. L’expérience client augmentée, levier de la transformation digitale des entreprises.
8. La fourniture de données comme nouvelle source de revenus.
9. Les données, carburant de l’innovation métier.

Échanges : réflexion sur l’innovation basée sur le Big Data, la Data Science et le Machine Learning.

VI. Les notions pour aller plus loin et quelques pistes pour se lancer

1. Quels sont les risques à ne pas prendre en compte la gestion du patrimoine informationnel ?
2. Les grandes tendances autour de la Data pour les trois années à venir.
3. Les solutions technologiques : Big Data et Machine Learning.
4. Mode d’emploi pour lancer une initiative Big Data.
5. Les techniques du Big Data : tour d’horizon.
6. Les métiers, fonctions et rôles autour de la donnée : la synthèse et les différents niveaux de mise en œuvre.
7. Pourquoi les entreprises se lancent-elles dans le Big Data ?