Data Sciences@ESCP Business School

Data Sciences@ESCP Business School est réservé aux personnes satisfaisant aux critères suivants :

• Titulaire d’un diplôme Bac +3/4
• Expérience professionnelle de 5 ans minimum en tant que Responsable opérationnel ou fonctionnel
• Un dossier de VAPP (Validation des Acquis Personnels & Professionnels) peut être proposé si les critères ne sont pas validés.

Cette pédagogie repose sur 3 piliers qui seront portés à travers le certificat :

• Pédagogie active : alternance d’exposés de concepts, d’exemples concrets et de participation de l’apprenant (quiz de compréhension, études de cas…) demandant une forte implication tout au long du cursus ;
• Opérationnalité des apprentissages : partage d’expérience des formateurs et de conseils pratiques pour mettre en œuvre les concepts décrits dans les différents modules ;
• Enseignement par les compétences : de nombreux concepts et outils directement issus du monde de l’entreprise jalonnent le cursus, portés par les formateurs et leur expertise.

Le programme est constitué de quatre parties, d’un fil rouge et d’échanges synchrones ou asynchrones :

• Partie 0 : test d’autopositionnement. Ce sera votre point de départ de la formation.
• Partie 1 : cours 1 à 3
• Partie 2 : cours 4 et 5
• Partie 3 : cours 6 et 7
• Partie 4 : examen

Chaque cours est composé de :

• 20 vidéos de 6 minutes avec la possibilité de les visionner à son rythme, pendant toute la durée du cours
• 20 questions de compréhension
• 20 questions d’évaluation de fin de chapitres (40% de la note finale)
• Études de cas final (60% de la note finale)

Note minimum de validation du cours : 60%

Lors de masterclass, le professeur échange en direct avec les participants et répond aux questions posées.

La dimension collaborative du programme est importante, avec le forum et les masterclass, les participants échangent, reçoivent des réponses à leurs questions, ainsi que des conseils.

Les cours, les ressources et les activités pédagogiques sont accessibles, à tout moment et partout, à partir de la plateforme d’apprentissage.

• Pour s’inscrire, cliquez sur le bouton « je m’inscris » et remplissez les deux questionnaires
• La formation débutera à la prochaine session indiquée en haut de la page

Mise en perspective dans ce qu’il convient d’appeler « le déluge de données »

• Déluge de données – le monde est connecté
• Déluge de données – fracture numérique
• Quiz de fin de chapitre

Caractérisons le Big Data : le Big Data, qu’est-ce que c’est ? Et aussi, qu’est-ce que ce n’est pas ?

• 3 V
• Deux types d’utilisation
• Exemples d’;application
• Le choix des données pour apprendre plus
• L’enrichissement de la décision
• L’accélération de l’analyse
• La transformation des processus
• 3V… et pourquoi pas 4 ou 5 ?
• Quiz de fin de chapitre

Réflexion sur les sources de données

• Multiples sources de données
• Monde informationnel / monde physique
• Un nouveau flux à fort potentiel : l’Internet des objets
• Problèmes d’accessibilité data
• Quiz de fin de chapitre

Étude des limitations et des risques associés au Big Data

• Corrélation vs causalité
• Qualité des données
• Bruit
• Effet boîte noire
• Perte, vol ou modifications de données
• Quiz de fin de chapitre

Étude de cas final permettant de mettre en pratique les apports de la formation et de valider la compétence acquise

Ce chapitre donne une définition de l’Internet des Objets

• Définir l’Internet des objets
• Généralisation d’une connectivité type Internet
• Fusion du monde physique et du monde informationnel
• L’IdO reste un concept flou… ou riche !
• Quiz de fin de chapitre

Ce chapitre présente la technologie RFID et ses fonctionnalités

• Transpondeur, lecteur et architecture
• Une technologie multiple
• 4 fonctionnalités
• Information à l’item
• Quiz de fin de chapitre

Ce chapitre aborde des exemples d’application de l’Internet des Objets, en lien avec le Big Data

• Meilleure traçabilité
• Liens avec l’apprentissage automatique (Big data)
• Exemples d’applications grand public
• Exemples d’applications pour un fabricant d’avions
• Quiz de fin de chapitre

Ce chapitre montre au travers d’exemples comment adapter le modèle économique pour créer de la valeur

• Un cas en distribution de vêtements
• Élargir le périmètre de création de valeur
• Une première vision
• Une seconde vision
• 2 modèles économiques menant à 2 écosystèmes différents
• Quiz de fin de chapitre

Étude de cas final permettant de mettre en pratique les apports de la formation et de valider la compétence acquise

À l’issue de ce chapitre les participants seront capables de décrire les caractéristiques économiques des données, d’expliquer les trois rôles des données dans les business models, de décomposer les coûts des données massives et d’expliquer les principales limites à l’utilisation des données

• Les fondements économiques de la donnée
• Les rôles des données dans les business models : matière première, levier, actif stratégique
• De la collecte à la visualisation : combien coûtent les données ? Comprendre les limites des données et de leur utilisation
• Quiz de fin de chapitre

À l’issue de ce chapitre les participants seront capables d’expliquer les mécanismes de tarification des données, de décrire le business models des data brokers et des intermédiaires et de donner des exemples d’industriels qui commercialisent des données.

• À quel prix s’achètent et se vendent les données ?
• Les données au cœur du business model des data brokers
• Les places de marché, intermédiaires de transaction
• La commercialisation, un business model complémentaire pour les industriels
• Quiz de fin de chapitre

À l’issue de ce chapitre les participants seront capables d’expliquer comment les données permettent de réduire les coûts d’une activité, d’expliquer comment les données permettent d’identifier de nouvelles opportunités commerciales et de décrire les conditions requises pour que les données améliorent la performance d’un business model

• Utiliser les données pour améliorer son business model
• Les effets sur les coûts : améliorer la performance de l’organisation et les processus opérationnels
• Les effets sur les revenus : mener des innovations et développer les revenus avec les clients existants
• Les conditions nécessaires pour que les données génèrent de la performance
• Quiz de fin de chapitre

À l’issue de ce chapitre les participants seront capables de décrire le rôle des données dans les modèles bi-face, d’expliquer comment les données permettent de faire évoluer un business model vers un modèle de service et de présenter les intérêts stratégiques de l’ouverture des données

• Comment faire de ses données un actif distinctif
• Les modèles bi-face : quand la donnée est échangée contre un service
• Utiliser les données pour s’arroger une position favorable dans un écosystème
• Développer un business model de service
• Open data et stratégies d’ouverture
• Quiz de fin de chapitre

À l’issue de ce chapitre les participants seront capables de décrire en quoi les données renouvellent le paysage concurrentiel sur les marchés non numériques, d’expliquer le rôle des données dans les effets de réseaux et de présenter les enjeux stratégiques des acteurs historiques associés aux données

• Plateformes, moteurs de recherche et acteurs historiques, la concurrence entre business models
• Les données, accélérateur de conquête pour les plateformes
• Les stratégies directes et indirectes des moteurs de recherche
• Les acteurs historiques s’équipent en ressources numériques
• Quiz de fin de chapitre

Étude de cas final permettant de mettre en pratique les apports de la formation et de valider la compétence acquise

• Évolution du cadre légal : d’une directive à un règlement – une question de confiance…
• Définition centrale : données à caractère personnel
• Positionnement politique sociétal
• Contraintes imposées au traitement
• Droits du sujet
• Contrôle et sanctions
• Impact du RGPD sur les entreprises
• Quiz de fin de chapitre

• Big Data : capacités accrues de désanonymisation
• Big Data : « savoir » plus avec moins
• IdO : contenu et marquage
• IdO : qui/quoi se souvient de qui/quoi ?
• Quiz de fin de chapitre

• L’histoire espagnole et le problème
• Une problématique très complexe
• Quiz de fin de chapitre

• Entité négociable ou droit fondamental ?
• Identifier ou distinguer ?
• Une définition ?
• Différents modèles économiques
• Une réalité complexe, en évolution
• Quiz de fin de chapitre

Étude de cas final permettant de mettre en pratique les apports de la formation et de valider la compétence acquise

• Quelle menace ?
• Enjeu privé et public
• Un coût et aussi une source de profits
• Quiz de fin de chapitre

• Structure IT, modèles économiques et sécurité de l’information
• Appréhension systémique
• 6 aspects critiques de la SSI
• Analyse de risque et proportionnalité
• Menace interne : les employés
• Ingénierie sociale
• Exemple de recommandations
• Échec de nombreuses compagnies
• Quiz de fin de chapitre

• ISA
• ISP
• Techniques de neutralisation
• Conception d’un programme de sensibilisation
• Conception d’une action de sensibilisation
• Quiz de fin de chapitre

Étude de cas final permettant de mettre en pratique les apports de la formation et de valider la compétence acquise

• Objectif d’un projet data : création de valeur
• Projet data en 5 étapes
• Créer encore plus de valeur !
• Quiz de fin de chapitre

• Système d’information
• Exemple d’inadéquation entre résultats d’un projet data et SI
• Sujets complémentaires relatifs au système d’information
• Quiz de fin de chapitre

• Expertise de la frontière
• Organisations types
• Parlez-vous le projet data ?
• Compétences techniques, managers et organisation
• Quiz de fin de chapitre

• Projets et Gestion de Projets
• Gestion des parties prenantes (stakeholders management)
• Gestion de la portée du projet
• Gestion du temps des projets
• Gestion des RH
• Quiz de fin de chapitre

• Gestion des Risques
• Gestion des coûts
• Approche agile de la gestion de projets data
• Jeux de pouvoir dans les projets data
• Comment traiter les jeux de pouvoir dans les projets data ?
• Quiz de fin de chapitre

Étude de cas final permettant de mettre en pratique les apports de la formation et de valider la compétence acquise

• Pile d’abstraction et langages informatiques
• Algorithmes et programmation
• Quiz de fin de chapitre

• Qu’est-ce que l’Intelligence artificielle ?
• Apprentissage automatique
• Focus sur les réseaux de neurones
• Quiz de fin de chapitre

• Confiance et confiance en une technologie
• Transparence des algorithmes
• Quiz de fin de chapitre

• Open Data : définition, motivations
• Open data de la ville de Paris
• Liens entre Open Data et Open Innovation
• Quiz de fin de chapitre

• Smart Grid
• Smart City
• Digital twins
• Réalité virtuelle vs Réalité augmentée
• IT et développement durable : les machines
• IT et développement durable : l’humain
• Quiz de fin de chapitre

• Blockchain : qu’est-ce que c’est ?
• Fonctionnement de la blockchain
• Quiz de fin de chapitre

• Hype curve de Gartner
• Diffusion de l’innovation
• Quiz de fin de chapitre

Étude de cas final permettant de mettre en pratique les apports de la formation et de valider la compétence acquise

L’examen final est composé de deux parties :

1. Questionnaire final

Quiz final permettant de valider vos connaissances

2. Étude de cas terrain

À partir d’une situation professionnelle réelle, résoudre une problématique concrète et formaliser un plan d’action

• Réalisation de l’étude terrain sur toute la durée du parcours
• Travail individuel
• Correction par les pairs
• Accompagnement par un tuteur via des masterclass et un forum

Les conditions d’obtention du certificat Data sciences@ESCP Business School sont les suivantes :

• Validation des sept cours constituant le programme académique
• Obtention d’une note minimale de 60/100 au questionnaire final
• Obtention d’une note minimale de 60/100 à l’étude terrain

La note finale est composée pour 30% de la note du questionnaire final et pour 70% de la note obtenue à l’étude terrain.
Il faut une moyenne de 60% à l’examen final pour obtenir le certificat.