Code
MGFF MIS 5143
Niveau
M2
Discipline
Systèmes d’information
Langue
Français/French
Crédits ECTS
3
Heures programmées
42
Charge totale étudiant
60
Coordonnateur(s)
Département
- Technologies, Information et Management
Equipe pédagogique
Introduction au 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.
Finalité d'apprentissage (Bloc de compétences)
- LG1 Être capable d'étendre sa propre intelligence digitale à travers ses différentes dimensions (de manière responsable et durable)
- LG3 Avoir les bases d'un management responsable et durable
- LG4 Avoir accès à différents instruments transdisciplinaires de management
Objectifs d'apprentissage (compétences mères)
- 1.2 - Développer la créativité numérique pour l'individu et l'organisation avec sobriété
- 1.3 - Développer la compétitivité des entreprises et la souveraineté numérique
- 3.1 - Comprendre et utiliser les concepts de base, les connaissances et les théories liées à la discipline
- 3.2 - Appliquer les connaissances de la discipline de manière appropriée et efficace
- 4.3 - Appliquer efficacement et judicieusement des approches et des outils de management transdisciplinaires
Traits de compétences
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
Contenu : structure du module et agenda
- 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
Apprentissage
synchrone
Méthode pédagogique
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
Système de notation et modalités de rattrapage
La note finale du module sera composé de :
- 35% Travaux pratiques avec des outils de Business Intelligence
- 35% Travaux pratiques avec des outils de Data Analytics
- 30% Travaux pratiques avec des outils d'Intelligence Artificielle
L'examen de rattrapage (CF2) comportera deux parties :
- 50% un exposé sur un sujet spécifique à partir d'articles de recherche
- 50% travaux pratiques avec des outils de BI et/ou de Data Analytics et/ou d'IA
Règlement du module
Communication Professeur-Apprenant
● Le professeur contactera les apprenants via leur adresse mail scolaire (IMT-BS/TSP) et le portail Moodle. Aucune communication via les adresses mails personnelles n’aura lieu. Il est de la responsabilité de l’étudiant de consulter régulièrement sa boîte mail IMT-BS/TSP.
● Les apprenants peuvent communiquer avec le professeur en envoyant un mail à son adresse institutionnelle. Au besoin, il est possible de le rencontrer dans son bureau durant les heures de bureau ou sur rendez-vous.
Apprenants avec des besoins d’accommodement
Si l’apprenant a un handicap qui empêche d’accomplir le travail décrit ou qui nécessite toute sorte d'accommodement, il est de sa responsabilité d’en informer le directeur des études (avec justificatifs) dès que possible. Aussi, l’apprenant ne doit pas hésiter à en discuter avec son professeur.
Comportement en classe
● En guise de courtoisie envers le professeur et les autres apprenants, tous les téléphones portables, jeux électroniques ou autres appareils générant du son doivent être désactivés pendant les cours.
● L’apprenant doit éviter out comportement perturbateur et irrespectueux tel que: arriver en retard en classe, partir tôt, comportement inconsidéré (ex. dormir, lire un document non lié au cours, utiliser un langage vulgaire, parler excessivement, manger, boire, etc.). Un avertissement peut être donné à la première infraction de ces règles. Les contrevenants seront pénalisés et pourront être expulsés de la classe et/ou subir d'autres procédures disciplinaires.
● Le retard toléré est de 5 minutes. La présence sera déclarée sur Moodle durant ces 5 minutes via un QR code fourni par le professeur à chaque démarrage de cours.
● L’apprenant doit arriver à l'heure pour les examens et autres évaluations. Personne ne sera autorisé à entrer en classe une fois que la première personne aura terminé l'examen et quitté la salle. Il n'y a absolument aucune exception à cette règle. Aucun apprenant ne peut continuer à passer un examen une fois le temps écoulé. Aucun apprenant ne peut quitter la salle pendant un examen à moins qu'il / elle ait terminé et ait remis tous les documents.
● En cas de cours à distance, l'apprenant doit maintenir sa caméra allumée sauf en cas d'indications contraires données par l'enseignant.
Code éthique
IMT-BS est engagée dans une politique d'honnêteté dans le milieu académique. Toute conduite compromettant cette politique peut entraîner des sanctions académiques et/ou disciplinaires. Les apprenants doivent s'abstenir de tricher, de mentir, de plagier et de voler. Ceci consiste à accomplir un travail original et à reconnaître toute autre personne dont les idées et les documents imprimés (y compris ceux provenant d’Internet) sont paraphrasés ou cités directement. Tout apprenant qui enfreint ou aide un autre élève à enfreindre les normes de comportement scolaire sera sanctionné conformément aux règles de l'IMT-BS.
Références obligatoires et lectures suggérées
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/