Code
MGSE STR 4402
Niveau
M1
Discipline
Stratégie
Langue
Anglais/English
Crédits ECTS
3
Heures programmées
18
Charge totale étudiant
60
Coordonnateur(s)
Département
- Management, Marketing et Stratégie
Equipe pédagogique
Introduction au module
The Business Intelligence (BI) course equips students with the skills to transform data into actionable insights, essential for strategic decision-making. It covers the BI lifecycle, including data collection, management, analysis, and visualization. The course delves into various BI tools and technologies, emphasizes effective data visualization techniques, and explores real-world BI implementations.
Bloc de compétences
- 1. S’approprier les usages avancés et spécialisés des outils de l’intelligence digitale en s’assurant de leur impact durable et responsable
Compétences du bloc
- 1.2 - Actionner les outils de l'intelligence digitale de manière efficiente, pour accompagner les transformations sociétale, numérique, énergétique et environnementale des organisations, en s'assurant de leur impact durable et responsable.
Objectifs d'apprentissage du cours
1. Distinguishing the different types of data: structured, unstructured, semi-structured, and big data.
2. Distinguishing the different phases: data collection, data integration, data analysis, data visualization, and data interpretation.
3. Applying BI tools and technologies: dashboards, reporting tools, and data mining techniques.
4. Identifying the numerous challenges at each phase and strategies to overcome them.
5. Identifying the links between technological, social, and business aspects of any BI implementation.
Contenu : structure du module et agenda
1-2. Principes fondamentaux de l'intelligence d'affaires et de la collecte de données
- Introduction à l'intelligence d'affaires
- Types et sources de données
- Collecte et intégration des données
3-4-5. Techniques et outils d'analyse des données
- Aperçu de l'analyse des données
- Outils et technologies de BI
6-7-8. Visualisation des données et reporting
- Principes d'une visualisation efficace des données
- Outils de visualisation
- Techniques de reporting
9. Mise en œuvre, considérations éthiques et intégration
• Mise en œuvre de solutions de BI
• Considérations éthiques et gouvernance
9 sessions de 2 heures chacune
La présence est obligatoire.
Contribution à l'atteinte des ODD (Objets du Développement Durable)
ODD 9, 12 & 16
Part 1 – Fundamentals of Business Intelligence and Data Collection — SDG 9.5: Enhance scientific research and technological capabilities
Introduction to Business Intelligence, types and sources of data, and data collection and integration.
Part 2 – Data Analysis Techniques and Tools — SDG 9.5: Enhance scientific research and technological capabilities
Overview of data analysis methods, BI tools, and technologies used to support evidence-based decision-making.
Part 3 – Data Visualization and Reporting — SDG 12.6: Encourage sustainable practices and sustainability reporting
Principles of effective data visualization, visualization tools, and reporting techniques for communicating insights clearly and responsibly.
Part 4 – Implementation, Ethics, and Governance — SDG 16.6: Effective, accountable and transparent institutions
Implementation of BI solutions, ethical use of data, governance, transparency, and responsible decision-making.
Nombre d'ODD abordés parmi les 17
3
Apprentissage
synchrone
Méthode pédagogique
Along with classes, other pedagogical tools will be used such as class discussion, case studies and group exercises.
Système de notation et modalités de rattrapage
Contrôle continu: 40%
- études de cas et exercices en classe (20 %, individuelle)
- projet final (20 %, groupe)
Évaluation finale: 60%, individuelle
- À la fin du cours, l'examen final (test écrit) évalue si les étudiants maîtrisent le contenu du cours (concepts, outils...) et sont capables de réfléchir à la manière dont il s'applique dans des situations réelles.
Un examen de rattrapage est organisé pour les étudiants qui ne réussissent pas à leur première tentative.
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
Sherman, R. (2014). Business intelligence guidebook: From data integration to analytics. Newnes.
Provost, F., & Fawcett, T. (2013). Data Science for Business: What you need to know about data mining and data-analytic thinking. " O'Reilly Media, Inc.".
Mots-clés
Data Visualization, Descriptive Analytics, Predictive Analytics, Data Mining, Data Integration, Business Analytics, Data Governance.
Prérequis
No specific prerequisite is necessary.