Business Intelligence (2) - Visualisation et Valorisation

Réf. : NFE212

Sessions de formation

(Fuseau horaire : Europe/Paris)

Centre Cnam Grand-Est - Formation 2nd Semestre hybride

Aucune période d'inscription n'a été indiquée pour cette session

Centre Cnam Hauts-de-France - Formation 2nd Semestre hybride

Aucune période d'inscription n'a été indiquée pour cette session

Centre Cnam Paris - Formation 2nd Semestre ouverte et à distance

La période de cours est planifiée du 03/02/2025 au 07/06/2025

L'inscription est ouverte jusqu'au 14/03/2025 17:00

Présentation

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

Objectifs

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.

Contenu

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

Modalités d'évaluation

  • Projet(s)
  • Examen final
  • 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.