Code
MGFF MIS 5143
Level
M2
Field
Systèmes d’information
Language
Français/French
ECTS Credits
3
Class hours
42
Total student load
60
Program Manager(s)
Department
- Technologies, Information et Management
Educational team
Introduction to the module
Cœur et justification du SI, les données prennent une importance de plus en plus reconnue. L'efficience de leur organisation et de leur exploitation est une préoccupation majeure pour le développement de l'entreprise. Les difficultés liées aux volumes, à la variété ou à la vélocité nécessitent désormais une approche experte. D’autre part, les données, leur production et leur exploitation sont au coeur d'une grande majorité des innovations numériques.
Cette soif toujours plus grande de données de la part des organisations et des entreprises peut s’expliquer par les facteurs suivants (inspiré de fing.org) :
- la donnée est la base du travail de bon nombre de directions de l'entreprise. Le contrôle de gestion est ainsi toujours friand du moindre détail. Les directions industrielles ou logistiques font désormais un usage à croissance exponentielle des données de la conception d'un produit à sa délivrance.
- grâce à leur capacité de collecte, de traitement et de croisement de données sur leurs clients ou usagers dans une utilisation marketing, elles espèrent tout savoir de l’individu, gagner du temps, anticiper ses besoins, prendre de l’avance sur leurs concurrents.
- le “smart” se développe, à des fins d’optimisation, d’amélioration du pilotage des systèmes, de réduction des consommations ou des coûts: smart cities, smart buildings, smart grids... Or l’intelligence du “smart” repose nécessairement sur le croisement de masses de données issues des différents “silos” que représentent les divers métiers, infrastructures, dispositifs, etc., sur lesquels s’appuient ces systèmes complexes.
- le succès croissant des objets communicants participe aussi de cette vague de la donnée: les compteurs communicants, dont la généralisation est prévue en France pour 2020, les montres connectées, appareils de “quantified self”, thermostats, capteurs en tout genre, sont autant de nouvelles sources de données pour les organisations qui les proposent.
- le processus de dématérialisation : tout devient données
- l’économie des plateformes : de plus en plus de contenus sont ‘générés par les utilisateurs’ plateformes d’échange et de partage ; services collaboratifs (ex.Waze pour l’information trafic) ; …
- …
Vision d'ensemble, expertise métier et compréhension des solutions techniques sont ainsi des clés essentielles.
Learning goals/Programme objectives
- LG1 Being able to extend digital intelligence through its different dimensions
- LG3 Having the foundations of responsible and sustainable management
- LG4 Having access to different cross disciplinary management approaches and tools
Learning objectives/Intended learning outcomes
- 1.2 - Develop digital creativity for the individual and the organizational
- 1.3 - Develop competitiveness in business, and digital sovereignty
- 3.1 - Understand and employ basic concepts, knowledge and theories related to the discipline
- 3.2 - Apply discipline knowledge appropriately and effectively
- 4.3 - Apply cross-disciplinary management approaches and tools effectively and judiciously
Rubrics
A la fin du cours, chaque étudiant sera à même :
- de comprendre les logiques de création de valeur par la donnée pour les métiers
- de comprendre le rôle joué par la donnée dans les plateformes et écosystèmes digitaux
- de mettre en oeuvre des techniques d'analyse des données pour en tirer une connaissance nouvelle
- de conseiller et choisir les outils logiciels pour l'analyse de données dans un contexte de Big Data
Content : structure and schedule
- La Business Intelligence : définition, enjeux, applications
- Présentation et travaux pratiques avec les outils logiciels Power BI et Tableau
- Analyse des données : définition, enjeux, applications
- Présentation et travaux pratiques avec la plateforme Alteryx
- Introduction à l'IA et au Machine Learning
- Initiation à la programmation IA avec Python et travaux pratiques
Learning delivery
synchrone
Pedagogical methods
Chacune des parties du cours sont structurées ainsi :
- présentation d’une problématique
- présentation des concepts, outils qui vont permettre de résoudre la problématique
- entrainement à la pratique de ces concepts, outils sur des exercices spécifiques
Evaluation and grading system and catch up exams
he final grade of the module will be composed of :
- 35% Practical work with Business Intelligence tools
- 35% Practical work with Data Analytics tools
- 30% Practical work with Artificial Intelligence tools
The make-up exam (CF2) will consist of two parts:
- 50% a presentation on a specific topic based on research articles
- 50% practical work with BI and/or Data Analytics and/or AI tools
Module Policies
Professor-Student Communication
● The professor will contact the students through their school email address (IMT-BS/TSP) and the Moodle portal. No communication via personal email addresses will take place. It is the student responsibility to regularly check their IMT-BS/TSP mailbox.
● Students can communicate with the professor by emailing him/her to his institutional address. If necessary, it is possible to meet the professor in his office during office-hours or by appointment.
Students with accommodation needs
If a student has a disability that will prevent from completing the described work or require any kind of accommodation, he may inform the program director (with supporting documents) as soon as possible. Also, students are encouraged to discuss it with the professor.
Class behavior
● Out of courtesy for the professor and classmates, all mobile phones, electronic games or other devices that generate sound should be turned off during class.
● Students should avoid disruptive and disrespectful behavior such as: arriving late, leaving early, careless behavior (e.g. sleeping, reading a non-course material, using vulgar language, over-speaking, eating, drinking, etc.). A warning may be given on the first infraction of these rules. Repeated violators will be penalized and may face expulsion from the class and/or other disciplinary proceedings.
● The tolerated delay is 5 minutes. Attendance will be declared on Moodle during these 5 minutes via a QR code provided by the teacher at each course start.
● Student should arrive on time for exams and other assessments. No one will be allowed to enter the classroom once the first person has finished the exam and left the room. There is absolutely no exception to this rule. No student can continue to take an exam once the time is up. No student may leave the room during an examination unless he / she has finished and handed over all the documents.
● In the case of remote learning, the student must keep his camera on unless instructed otherwise by the professor.
Honor code
IMT-BS is committed to a policy of honesty in the academic community. Conduct that compromises this policy may result in academic and / or disciplinary sanctions. Students must refrain from cheating, lying, plagiarizing and stealing. This includes completing your own original work and giving credit to any other person whose ideas and printed materials (including those from the Internet) are paraphrased or quoted directly. Any student who violates or helps another student violate academic behavior standards will be penalized according to IMT-BS rules.
Textbook Required and Suggested Readings
Jean-Francois Pirus : Maitriser les techniques de Business Analyse: Outils et cas pratiques Broché, CreateSpace Independent Publishing Platform, 2017
Eva Polini : Business Intelligence : le recueil des besoins : La boîte à outils du business analyst, Editions ENI, 2020
Sites web :
https://datascientest.com/business-intelligence
https://www.ibm.com/topics/business-intelligence
https://www.tableau.com/
https://www.alteryx.com/fr/