Business Intelligence Analyste Big Data

Comprendre les données et formuler des hypothèses sur l’objectivation de différents phénomènes permet de mieux piloter ces activités par une prise de décision accélérée et une qualité d’information supérieure.

Business Intelligence – Analyste Big Data

Découverte des données

Données structurées

Cours :
  • Les types de données
  • Les données quantitatives
  • Les données qualitatives
  • Longitudinalité

Données non-structurées

Cours :
  • Données audio
  • Données vidéo
  • Données textuelles

Les différents systèmes de numérations

Cours :
  • Décimal
  • Binaire
  • Hexadécimal

Conversions entre les systèmes

Cours :
  • Du décimal au binaire
  • Du décimal à l’hexadécimal
  • Du binaire à l’hexadécimal
Travaux pratiques :
  • Conversions entre bases

Les types d’indicateurs

Cours :
  • Répartition
  • Comparaison
  • Evolution
Travaux pratiques :
  • Etude de cas et définition fonctionnelle et technique de KPI

Statistiques et visualisations

Cours :
  • Combinaisons possibles
  • Langages et logiciels utilisés

Introduction à R

Un langage objet

Cours :
  • Statistiques de gestion avancées : préalables et types de tests
  • Un langage orienté objet
  • RCommander

Prise en main de l’interface Studio

Cours :
  • Descriptif de l’interface
  • Le Markdown
  • Liaisons externes (Git, Zotero…)

Tidyverse et visualisation

Qu’est-ce qu’une base de données « Tidy »

Cours :
  • L’objet Tibble
  • Manipulation
  • Les verbes de « dplyr »

Introduction à la visualisation

Cours :
  • Les fonctions de visualisation
  • L’utilisation de ggplot2

L’analyse

Point de vue théorique

Cours :
  • L’approche psychosociologique
  • L’approche financière
  • L’approche industrielle
  • Le reporting, le management et la décision

Travailler les données structurées

Cours :
  • Tests sur les variables qualitatives
  • Tests sur les variables quantitatives
  • Recodages & échelles

Travailler les données non structurées

Cours :
  • Acquérir les données
  • Ranger les données
  • Préprocessing
  • Tests sur données textuelles

Machine learning en Text Mining

Définir l’entrainement

Cours :
  • Les tokens
  • Génération du modèle d’entraînement
  • Modèles nichés
  • De l’exploratoire au classificatoire

Etablir les modèles prédictifs

Cours :
  • Préparation des échantillons de tests
  • Estimer la qualité du modèle