Business Intelligence (2) - Visualisation et Valorisation (NFE212)

- Avoir suivi l'U.E. "Ingénierie des systèmes décisionnels 1" (n° NFE211)
OU possession de connaissances, d'expérience, ou d'un diplôme ou unité de valeur sur le décisionnel)

Cette UE (NFE212) est normalement la suite de l’UE NFE211 « Business Intelligence (1) – Data Warehouse ».  Le NFE211 donne les compétences pour élaborer une chaine décisionnelle fondée sur un Data Warehouse, et focalise sur la partie alimentation du Data Warehouse.  Le NFE212 focalise sur la partie exploitation des données du Data Warehouse. Ainsi l’auditeur acquière  une maitrise complète du processus, tant du point de vue gestion des données que du point de vue analyse des données.

Mais le NFE212 peut aussi bien être suivi sans avoir fait le NFE211, il donne dans ce cas des compétences sur l’exploitation des données massives (Data Science).

L’objectif de cette UE est de voir les deux sortes d’approches permettent l’analyse des données à des fins décisionnelles :

• Les outils descriptifs, tels les outils de reporting OLAP et les outils de visualisation, qui permettent au décideur d’avoir une vision synthétique ou dynamiquement plus détaillée par un système de zoom ;

• L’analyse explicative et prédictive, qui fait largement appel à l’intelligence artificielle. Les données sont analysées et intelligemment classées ou transformées en modèles de prédiction.

Mettre en œuvre des outils de reporting Mettre en œuvre des outils de visualisation Programmer en MDX Programmer en SQL OLAP Programmer un système expert Analyser des données massives Réaliser un modèle de prédiction Mettre en place des outils d’aide à la décision Effectuer de la fouille de données Effectuer de la fouille de textes Utiliser des algorithmes de deep learning ;Utiliser R et R-Studio

Niveau 7 (Bac+5)

Visualisation des données structurées ou massives

• Langages d’interrogation MDX et SQL OLAP
• Outils de reporting OLAP
• Outils de visualization (Dataviz)

Valorisation des données, intelligence prédictive

• Fouille de données (Data Mining)
• Fouille de textes (Text Mining)
• Classification (Clustering), regression linéaire (Linear Regression)
• Analyse prédictive (Predictive Analysis)
• Apprentissage supervisé ou non supervisé (Machine learning)
• Apprentissage profond et réseaux de neurones (Deep Learning and Neural Networks)
• Data science avec R et R-Studio

Aide intelligente à la prise de décision

• Le principe de la déduction automatique
• Systèmes experts pour l'aide à la décision

Projet(s), Examen final

Sous l’autorité pédagogique du certificateur Cnam, les équipes du Cnam Bretagne vous offrent un accompagnement pendant votre parcours de formation à la fois sur les aspects administratifs, financiers, pédagogiques et techniques.

ECTS : 6