Big Data, Data Science et Machine Learning : comprendre leur impact stratégique sur l'entreprise

Module 1 — Historique et contexte : l'explosion des usages autour des données

• La révolution numérique et le tsunami informationnel qui l'accompagne
• Les grandes briques fonctionnelles et techniques de la gestion du patrimoine informationnel
• Définition du Big Data et périmètre général du concept
• Origines historiques et trajectoire de l'explosion du Big Data
• Le Big Data comme carburant de l'innovation dans la révolution numérique
• Panorama des grands usages actuels du Big Data
• Notions technologiques clés et repères parmi la multitude d'acronymes
• Cohabitation entre les différentes générations de systèmes de gestion des données
• Horizons futurs : niveau de maturité des solutions et des usages
• Réflexion collective : comprendre les ressorts et les implications de la révolution numérique

Module 2 — Big Data, Data Science, Machine Learning et Intelligence Artificielle

• Créer et développer les capacités de l'entreprise grâce au Big Data
• Les grandes briques applicatives au service du Big Data en entreprise
• De l'analyse statistique à la Data Science : profils et bénéfices associés
• Les principales déclinaisons de l'intelligence artificielle
• L'IA dans l'analyse prédictive : principes et applications
• Le Machine Learning : la capacité d'apprentissage par la machine
• Le Deep Learning : apprendre par le traitement massif de l'information
• IA, Machine Learning et Deep Learning : enjeux sociétaux et organisationnels
• Réflexion collective : évolution du Big Data, de la Data Science, du Machine Learning et de l'IA

Module 3 — Gestion du patrimoine informationnel et pilotage de la valeur

• Le rôle central des données dans la révolution numérique
• La donnée au cœur des modèles d'entreprise disruptifs
• La valeur des données comme enjeu stratégique pour les métiers
• Connaître et piloter la valeur de son patrimoine informationnel
• Le risque d'infobésité et les moyens de s'en prémunir
• Les opportunités de monétisation de l'information
• Instaurer une culture de la donnée au sein de l'organisation
• Poids et coût de la qualité des données dans le patrimoine géré
• L'apport de valeur par les données au sein de tous les métiers
• Étude de cas : analyse de la valeur de la donnée en situation réelle

Module 4 — Acteurs du Big Data et enjeux organisationnels

• Organisation, rôles et gouvernance : les nouveaux modèles à l'ère du Big Data
• Les silos organisationnels comme frein à l'exploitation des données et les leviers pour les réduire
• Adapter les profils de statisticiens aux enjeux de la Data Science
• Les spécialistes des nouveaux domaines et leurs méthodes de travail
• Les axes de mise en œuvre de la gouvernance des données
• Les acteurs de la gouvernance et de la qualité de la donnée
• Tendances réglementaires autour de la gestion des données et démarches d'adaptation
• Démonstration : illustration concrète de l'importance de la gouvernance des données

Module 5 — Le Big Data étendu à l'écosystème

• La place de l'entreprise dans son écosystème de données
• Les données à la frontière de l'entreprise (DMP)
• Les données partenaires : réseaux sociaux et sources externes
• L'Internet des Objets (IoT) : rendre l'entreprise sensible aux nouveaux usages
• L'Open Data : apports pour l'enrichissement et le croisement des données
• L'émergence des chatbots et l'automatisation des interfaces clients : impacts organisationnels
• L'expérience client augmentée comme levier de la transformation digitale
• La fourniture de données comme nouvelle source de revenus
• Les données comme carburant de l'innovation métier
• Démonstrations : cas d'innovation portés par le Big Data, la Data Science et le Machine Learning

Module 6 — Pour aller plus loin : outils, tendances et premières démarches

• Risques à anticiper dans la gestion du patrimoine informationnel
• Grandes tendances autour de la data pour les prochaines années
• Solutions technologiques : Big Data et Machine Learning
• Guide pratique pour lancer une initiative Big Data en entreprise
• Tour d'horizon des techniques du Big Data
• Panorama des métiers, fonctions et rôles autour de la donnée
• Pourquoi les entreprises se lancent-elles dans le Big Data ?