Portail nationalFormationRechercher par région

Business Intelligence (2) - Visualisation et Valorisation

Code UE : NFE212-GET

  • Cours
  • 6 crédits
  • Volume horaire de référence
    (+ ou - 10%) : 50 heures

Responsable(s)

Faten ATIGUI

Public, conditions d’accès et prérequis

Avoir suivi l'UE NFE211 "Business Intelligence (1) – Data Warehouse " 
OU 
possession de connaissances ou d'expérience ou d'un diplôme ou d’une unité de valeur sur le décisionnel

L'avis des auditeurs

Les dernières réponses à l'enquête d'appréciation pour cet enseignement :

Présence et réussite aux examens

Pour l'année universitaire 2022-2023 :

  • Nombre d'inscrits : 39
  • Taux de présence à l'évaluation : 56%
  • Taux de réussite parmi les présents : 95%

Objectifs pédagogiques

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.

Mots-clés

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
 

  • L’UE sera validée par un examen final et par un projet réalisé individuellement ou en binôme.
 
  • Le sujet de projet sera choisi par l’élève en accord avec le professeur.
Typiquement le projet pourra mettre en oeuvre du reporting sur un Data Warehouse, de la fouille de données ou de la visualisation de données.  
Si le projet fait suite à celui réalisé en NFE21, il permettra ainsi de mettre en place une chaîne décisionnelle complète, depuis l'alimentation jusqu'à la valorisation des données.
Le projet peut aussi permettre d’approfondir un point théorique (par exemple le Sentiment Mining ou l'Opinion Mining).
 
  • La note finale sera la moyenne de l'examen et du projet.

    Cette UE apparaît dans les diplômes et certificats suivants

    Contact

    EPN05 - Informatique
    292 rue saint Martin 33.1.13B
    75003 Paris
    Tel :01 40 27 22 64
    Florian Gau

    Centre(s) d'enseignement proposant cette formation

    • Grand Est
      • 2024-2025 2nd semestre : Formation hybride soir ou samedi
      Comment est organisée cette formation ?
      2024-2025 2nd semestre : Formation Hybride soir ou samedi

      Précision sur la modalité pédagogique

      • Une formation hybride est une formation qui combine des enseignements en présentiel selon un planning défini et des enseignements à distance avec ou sans planning défini.