Executive Certificate Big Data pour l'entreprise numérique

MODULE 1: ENJEUX, PERSPECTIVES ET PANORAMA DES BIG DATA Comprendre les enjeux et opportunités induits par les big data.Identifier les outils techniques permettant l’acquisition, le stockage et l’analyse de données à grande échelleAdapter la stratégie d’entreprise

• Enjeux et opportunités
• Panorama des techniques d'acquisition, de stockage, de traitement distribué, d'analyse et de visualisation (crowdsourcing, web crawling, web scrapping, bases de données NoSQL, Map Reduce, classification et clustering, modèles prédictifs)
• Aspects méthodologie: comment concevoir et gérer un projet Big Data
• Cas d'usage des Big Data et sucess stories (Tesco, Nestlé, Union Pacific, T-mobile, Netflix, Spotifiy, MasterCard, etc.)
• Valorisation des données, open data et open innovation
• Impact sur la stratégie d'entreprise

MODULE 2: ASPECTS JURIDIQUES ET PROTECTION DES DONNÉES Développer une vision globale des risques et des outilsConnaître le droit applicable : les normes européennes, la directive de 1995, le futur règlement général prévu pour 2015, la loi informatique et libertés et ses évolutions, les textes sectoriels, les pratiques de la CNILPrévenir les risques, les sanctions, les recoursUtiliser les techniques contractuelles : clients/sous-traitants, B to B, B to CMaîtriser les bonnes pratiques en matière d’organisation, de gouvernance et de gestion d’un projet Big Data

• Le big data et le droit
• Les données
• La réglementation applicable
• Les réglementations sectorielles
• Les transferts internationaux de données
• Le régime actuel pour la protection des données et les garde-fous
• Les contrôles de la CNIL
• Les pratiques du big data et les ripostes possibles
• Les opérations contractuelles sur les données

MODULE 3: ACQUISITION ET STOCKAGE DES DONNÉES Identifier les techniques d’acquisition de donnéesMaîtriser les outils techniques permettant le stockage de données à grande échelleComprendre les technologies sémantiquesÊtre en mesure de mettre en œuvre des cas pratiques

• Principes de bases NoSQL: du relationnel au NoSQL, architecture distribuée
• Panorama des bases NoSQL: modèles clé-valeur orientés colonne et orientés documents (Redis, MongoDB, CouchDB, Cassandra, Hbase)
• Base de données graphes
• Acquisition des données (ETL, scrapping, crawling)
• Technologies sémantiques: principes et utilisation
• Etudes de cas

MODULE 4: TRAITEMENT DISTRIBUE Comprendre les outils techniques permettant les calculs distribués à grande échelleComprendre les systèmes de gestion de flux de données et leur traitement en temps-réelÊtre en mesure d’utiliser ces outils

• Calcul distribué
• Principe de Map/Reduce
• Hadoop
• Développement de programmes Hadoop
• L'écosystème Big Data
• Mettre en oeuvre un cluster Hadoop
• Traitement en temps réel des flux de données
• Etude de cas

MODULE 5: ANALYSE DE DONNÉES & BIG DATA, CONFESS YOUR DATA Comprendre quelles sont les techniques de base de l’analyse de données et savoir à quels types de questions elles peuvent répondreMaîtriser la mise en oeuvre de ces techniques via des logiciels courants du domaine et des études de cas

• Définition de l'analyse de données
• Outils et techniques nécessaires aux méthodes de l'analyse de données
• Acquisition et préparation des données
• Techniques prédictives: régressions, règles d'association, classification
• Techniques exploratoires: ACP, AFC, clustering
• Outils spécifiques pour les Big Data

MODULE 6: CADRAGE ET MANAGEMENT DE PROJETS BIG DATA Maîtriser l’ensemble des concepts, des fondamentaux du cadrage et du management de projets « Big Data » ; incluant innovations métiers, recherche en statistiques prédictives et nouvelles technologies

• Cadrer les use cases big data; identifier les nouvelles données; définir l'intégration des modèles prédictifs dans les processus métiers;
• Comprendre les spécificités des projets de valorisation des données, incluant des volumes et des structures de données inhabituels;
• Piloter et maîtriser les risques des projets d'exploration des données;
• Construire et organiser une équipe de data science pluridisciplinaire

A ces modules s’ajoutent des retours d’expérience d’industriels du domaine sous forme de webinars qui pourront être suivis en ligne avec une séance de questions et réponses, ou de manière différée. Des cas d’utilisations variés seront abordés tels que la connaissance client, la publicité ciblée ou le monitoring des réseaux sociaux à des fins de gestion de réputation ou de sécurité, les smart grids ou encore l’amélioration de la santé, ainsi que des aspects technologiques comme le In-Memory Analytics ou les technologiques sémantiques pour lier les données