Ingénieur diplômé de l’École nationale de la statistique et de l'analyse de l'information du Groupe des écoles nationales d'économie et statistique

RNCP40694BC01Concevoir et mettre en œuvre des projets de collecte d’informations en utilisant les outils informatiques associés, les techniques de production statistiques (base de données, enquête, données non structurées d'internet)

• Cartographier les besoins data en mettant en œuvre une démarche scientifique (ateliers d’expression des besoins, états des lieux du SI, enquête auprès des équipes métiers, …) pour répondre aux enjeux stratégiques et organisationnels du commanditaire et en prenant en compte les aspects légaux, éthiques et multiculturels Modéliser l’application permettant l’accès aux données définies dans l’étape de cartographie des besoins afin de définir un projet de collecte adapté intégrant l’ensemble des sources de données (données internes, accessibles sur internet via webscrapping ou collectées) Définir un plan d’échantillonnage, un mode de collecte et des procédures adaptées afin de se prémunir de tout biais ou erreurs pendant le processus de collecte (par enquêtes ou à l’aide de procédures automatisées) Déployer la procédure de collecte et les programmes en réalisant des tests afin de rendre accessible l’accès aux données utiles aux parties prenantes de l’organisation Définir des règles de gestion de nettoyage des bases de données (formatage, suppression des doublons…) afin de garantir la traçabilité et la reproductibilité de l’ensemble des opérations réalisées Prétraiter les données d’enquêtes (analyse des non-répondants, repondération…) afin d’en établir des éléments statistiques utiles à la prise de décision Organiser la base de données en s’appuyant sur des règles de gestion de structuration des différentes bases de données en vue de mettre à disposition les données Communiquer les solutions concernant les accès, la documentation sur les données aux équipes métiers afin de faciliter leur compréhension et leurs usages potentiellement dans un contexte multiculturel et/ou international

Évaluation : Projets statistiques et informatiques (rapport et soutenance) Les élèves réunis en groupe doivent réaliser une étude statistique (projet statistique) ou un logiciel de traitement de données ou concevoir et développer une application multi-tiers qui produits des informations statistiques à partir d’une base de données (projet informatique.) Contrôle continu : Devoirs sur table -Contrôle continu de base de données et programmation sql, de programmation orientation objet et documentation du code-Évaluation des aptitudes à mobiliser les méthodes d’échantillonnages, les biais et les erreurs liées aux méthodes de collecte, évaluation de la capacité à démontrer mathématiquement les propriétés des méthodes et en particulier l’incertitude attendue des résultats -Évaluation des aptitudes à mobiliser les stratégies de correction de la non-réponse et le calage sur marges

RNCP40694BC02Réaliser une modélisation ou une analyse prédictive à partir d'un modèle d'apprentissage avec des données structurées ou non structurées

• Sélectionner les variables permettant de répondre à la problématique donnée en les catégorisant par type de variable (variable d’intérêt, variable explicative, modificateur d’effet, facteur de confusion, variable de contexte) afin de mettre en œuvre le modèle pertinent. Explorer des données non étiquetées de manière automatique en mettant en œuvre des modèles ou algorithmes d’apprentissage non supervisé afin de réaliser la segmentation de données, la réduction de dimensionnalité, les détections d’anomalies, ou encore la génération de caractéristiques latentes. Choisir la stratégie d‘imputation des valeurs manquantes à partir des caractéristiques des données en s’appuyant sur différentes méthodes afin de proposer les résultats le plus fiables possibles Modéliser une variable à expliquer en mettant en œuvre les modèles de régression y compris dans les cas complexes (grand nombre de variables, multi colinéarité) afin d’identifier les relations entre les variables et prédire des valeurs futures. Estimer de manière causale l’hétérogénéité des effets d’un traitement (politique publique, campagne marketing…) en mettant en œuvre les techniques économétriques adaptées (variables instrumentales, score de propension, double différence, machine learning) et en mobilisant les principaux concepts de l’économie (micro et macro-économie) afin de corriger l’endogénéité des variables explicatives Modéliser une variable en utilisant les modèles supervisés non paramétriques et en s’appuyant sur les méthodes (arbres de décision, forêts aléatoires, méthodes à noyaux, machines à vecteur de support avec noyaux non linéaires) afin de prédire un comportement. Réaliser une analyse prédictive en utilisant les réseaux de neurones profonds (deep learning) afin d’extraire les caractéristiques des données dans les situations complexes (données massives, analyse textuelles, traitement de l’image...) Adapter le modèle aux données déséquilibrées pour améliorer la précision des prédictions, réduire le

Évaluation : Projet d’économie / Projet de modélisation statistique / Stage scientifique / Projet et stage de fin d’études Les élèves sont évalués sur la partie de leur rapport qui présente le modèle retenu, interprète les variables, explicite les liens logiques et causaux entre les variables et précise les méthodes de sélection des variables qui sont retenues dans le modèle. Des coefficients mesurant les liens entre variables et la capacité du modèle à expliquer un phénomène sont interprétés. Contrôle continu : Devoir sur table et devoir maison -Contrôle continu d’apprentissage statistique supervisé et non supervisé -Contrôle continu de machine learning -Évaluation des aptitudes à mobiliser les méthodes de modélisation statistique (régression linéaire, GLM), évaluation de la capacité à démontrer mathématiquement les propriétés des estimateurs, évaluation de l’interprétation des résultats à partir de cas d’usage -Évaluation de la capacité à juger du compromis complexité/performance à partir de cas d’usage -Étude de cas sur table de mise en œuvre du NLP -Contrôle de connaissance, examen sur table et TP notés du cours de Big Data. -Évaluation des connaissances sur les méthodes de séries temporelles, évaluation de la capacité à démontrer mathématiquement les propriétés des estimateurs, évaluation de la mise en œuvre de la méthode de Box-Jenkins à partir de cas d’usage -Évaluation des connaissances en Données de survie et Etude de cas sur table sur le traitement des données de survie.

RNCP40694BC03Mettre en forme les résultats, les interpréter et leur donner du sens, les communiquer à l'écrit comme à l'oral auprès des parties prenantes de l'entreprise

• Réaliser des analyses descriptives et exploratoires en mettant en œuvre les procédures statistiques (logiciels métier, langage informatique…) afin de décrire et qualifier les différentes données Produire des indicateurs répondant aux problématiques métiers en précisant leurs propriétés métrologiques et leurs limites d’interprétation afin d’accompagner la prise de décisions et la prise en compte des contraintes environnementales et du développement durable. Représenter visuellement les données de manière à les rendre plus compréhensibles et accessibles. Construire avec les équipes métiers une maquette des informations qui seront produites et/ou des tableaux de bords afin d’accompagner la prise de décision Réaliser des notes explicatives à l’attention des parties prenantes et lecteurs non data scientists permettant une prise de décision éclairée à partir d’une bonne compréhension des résultats et de leur limites (interprétabilité, intelligibilité) et tenant compte d’un contexte multiculturel et/ou international ou de la présence d’un éventuel profil en situation de handicap. Réaliser la présentation orale d’une démarche de modélisation à un client interne/externe afin de partager les résultats et faciliter la prise de décision de l'interlocuteur et tenant compte d’un contexte multiculturel et/ou international Rédiger une note méthodologique explicitant les algorithmes utilisés afin de convaincre de la justesse et de la fiabilité du travail engagé.

Évaluation : Projets statistiques (note de synthèse, rapport des projets, soutenance) Les élèves réunis par groupes doivent exploiter une base de données pour produire une étude statistique répondant à une problématique donnée. Les élèves sont évalués sur la réalisation d’un poster scientifique qui doit présenter en une page de façon visuelle les principaux résultats de leur projet (distribution de la variable d’intérêt, liens remarquables entre variables, résultats des modélisations ou prédiction, discussion des résultats). Lors de la soutenance les élèves sont évalués sur leur capacité à répondre de façon pertinente et pédagogique aux questions (y compris en anglais) d’explication et d’approfondissement de leurs travaux : * Clarté du discours * Niveau de langage en anglais compréhensible et vocabulaire adaptée Définition des concepts de modélisation conforme Contrôle continu -Contrôle continu de micro et macro-économie -Contrôle continu d’économétrie -Contrôle continu des cours de statistique inférentielle, d’introduction aux tests statistiques, à travers des évaluations individualisées. -Évaluation des connaissances en data visualisation Stage scientifique et de fin d’études (rapport et soutenance) Stage scientifique et projet de fin d’études : les élèves sont évalués sur la base d’un travail individuel de mise en œuvre des méthodes statistiques pour répondre à une commande d’un client. Lors de la soutenance, les élèves sont évalués sur leur capacité à répondre de façon pertinente et pédagogique aux questions (y compris en anglais) d’explication et d’approfondissement de leurs travaux : * Clarté du discours * Niveau de langage en anglais compréhensible et vocabulaire adaptée * Définition des concepts de modélisation conforme

RNCP40694BC04Participer aux projets de l’entreprise en valorisant et optimisant l’apport des sciences de la donnée dans le respect des cadres déontologiques, éthiques et de développement durable

• Participer aux ateliers d’expression des besoins internes ou aux réunions de services en s’appuyant sur sa capacité d’écoute active et de questionnement afin de collecter des éléments d’information pour nourrir sa mission et favoriser la stratégie d’utilisation de la data dans l’entreprise. Traduire de manière analytique les problématiques métiers afin de proposer des solutions data adaptées éventuellement créatives ou innovantes dans l’organisation au service de l’intrapreneuriat ou l’entrepreneuriat ou de la recherche Rédiger un cahier des charges adapté à la complexité des projets reprenant les éléments de la commande (objectifs et contraintes), les solutions proposées, les ressources, le planning, les livrables afin de formaliser clairement la demande et d’assurer le bon suivi du projet Accompagner les projets « Data » en animant les différentes phases et en pilotant les actions de gestion de l’information (informations techniques, ordre du jour, compte-rendu, synthèse) en s’appuyant sur les outils collaboratifs afin de communiquer sur les points d’avancement auprès des parties prenantes (groupes techniques, comité de pilotage, instances légitimes, …) Déployer une stratégie de collecte, de stockage et de diffusion de la donnée qui respecte le cadre RGPD et qui s’appuie sur les recommandations internes de son DPO (délégué à la protection des données) afin de sécuriser la démarche Identifier les biais des algorithmes engagés par sa propre action afin de les corriger et ainsi de prévenir l’automatisation (invisible) de la discrimination produite. Réaliser une veille technologique et scientifique dans le domaine de la data science afin d’améliorer les solutions proposées pour l’entreprise et anticiper les risques juridiques, environnementaux et éthiques Réaliser une veille technologique dans le domaine de la data science en s’appuyant notamment sur les outils I.A. afin d’améliorer les solutions proposées pour l’entreprise, gagner en performance dans son activité et

Évaluation : Rapport des stages scientifiques et de fin d’études Au travers de l’analyse du rapport de stage, le candidat démontre une analyse contextualisée de la situation de l’entreprise et des enjeux de la donnée en son sein, et fournit une synthèse des éléments liés à son intégration. D’autres éléments illustrant son intégration sont transmis par les tuteurs interne à l’entreprise (compte rendu d’entretien, mail récapitulatif des actions d’intégration…) Projets statistiques, économiques et informatiques (rapports et soutenances) Travail d’étude statistique en groupes pour répondre aux besoins d’un « client » professionnel que l’on désigne tuteur du groupe. Contrôle continu (devoir sur table) -Évaluation des connaissances de Droit des données et d’Éthique de l’ingénieur et d’optimisation algorithmique -Évaluation des connaissances au sein du cours de Développement durable et des cours d’Apprentissage supervisé, d’Optimisation algorithmique Projet d’économie / Projet méthodologique / Projet et stage de fin d’études Les élèves doivent réaliser une revue de la littérature et l’utiliser dans le cadre de leurs travaux d’études. Ils sont questionnés sur l’apport ces points lors de la soutenance du projet de fin d’études. Il présente les éléments suivants : * Définition du périmètre de la revue, identification des sujets spécifiques couverts, y compris les débats éthiques * Applications de la data science dans le domaine étudié et les enjeux éthiques associés * Identification et qualification des sources d'information : qualité, fiabilité, pertinence, exhaustivité des connaissances disponibles Synthèse critique des informations sélectionnées (points importants, tendances, risques notamment éthiques) Projet informatique / Stage de fin d’études Les élèves présentent une liste d’outils et de plateforme utile à la mise en œuvre d’une veille technologique dans leur projet (outils récent). Un tableau synthèse des différentes sources de veille est présenté.

RNCP40694BC05Mener des projets de collecte et de modélisation des données en appui à la connaissance client et au marketing (bloc optionnel)

• Collecter les données de vente et de CRM (les données de comportement des clients), les données de réseaux sociaux, etc. en mobilisant les logiciels métiers et les outils du web scraping et web mining afin de les traiter et analyser pour les mettre à disposition des équipes marketing Développer des modèles d'analyse prédictive pour la segmentation des clients s’appuyant notamment sur les techniques de scoring afin de permettre la prévision des ventes ou l'optimisation des campagnes marketing Automatiser le traitement des flux d’informations à destination des prospects et clients en utilisant les outils du deep learning pour permettre à l’entreprise de mener des opérations de marketing digital Produire les informations qualifiant les algorithmes de façon à pouvoir apprécier les aspects discriminatoires de ceux-ci et les réguler le cas échéant

Évaluation : Contrôle continu (devoir sur table) Les connaissances, associées à des résolutions de problèmes, sont évaluées à travers les enseignements : Marketing expérientiel et digital, Gestion de la relation client, Méthodes de scoring, Pricing, Économétrie des données de panel, Modèles à équations structurelles, Modèles de régression bayésienne, Modélisation avancée des choix discrets. Un exercice de simulation de stratégie tarifaire complète ces enseignements. Projet et stage de fin d’études L’élève est évalué sur ses connaissance des théories du comportement du consommateur, l’adéquation des choix techniques mis en œuvre pour assurer la prédiction automatisée à partir des informations collectées sur un prospect ou un client. Durant la soutenance, les élèves sont évalués sur l’interprétation et la discussion des résultats des modèles utilisés. Les différents biais liés aux données et à leur traitement (sélection, déséquilibre en particulier) ont été estimés.

RNCP40694BC06Mener des projets de collecte et de modélisation de données biostatistiques en tenant compte des spécificités des données de santé (bloc optionnel)

• Collecter les données (cliniques, épidémiologiques, suivi de cohortes etc.) afin de les traiter et analyser pour les commanditaires du domaine de la santé (laboratoire pharmaceutique, laboratoire de recherche, institution de santé publique) Réaliser des analyses d’association dans le champ de la santé en utilisant les outils statistiques afin de produire et d’interpréter des résultats ou des analyses permettant des analyses causales ou prédictives identifier les facteurs de risques et estimer des fractions attribuables en population afin de quantifier les effets d’un traitement ou d’une exposition en population et déterminer des leviers d’actions sur le plan sanitaire Gérer et analyser des données omiques (caractéristiques du génome) afin d’établir des associations entre un trait ou un phénotype et des caractéristiques génétiques

Évaluation : Contrôle continu (devoir sur table) -Évaluation des connaissances en Conception de questionnaire et en Épidémiologie -Évaluation des connaissances en Inférence causale et Épidémiologie -Évaluation des connaissances en Analyse de données osmiques Projet d’essai clinique L’élève est évalué sur : * Sa maîtrise des fondements de statistique théorique en particulier les processus stochastiques, et la statistique bayésienne Sa capacité à mettre en évidence de façon argumentée et pertinente les associations entre différents facteurs (facteurs d’exposition, caractéristiques d’état du patient, facteurs comportementaux, modificateurs d’effets et médiations…) Projet et stage de fin d’études Le jury professionnel évalue l’élève sur la base d’un rapport et d’une soutenance orale sur les critères suivants : * Délimitation du périmètre de l’étude correspond à la problématique métier * Le choix des méthodes statistique est argumenté et pertinent * Les solutions statistiques proposées sont resituées dans les contraintes de l’organisation (délai, coût, informations disponibles, infrastructure informatiques, législation, organisation interne) * Le choix des paramètres des algorithmes est justifié Les résultats sont interprétés et resitués dans la logique des métiers.

RNCP40694BC07Mener des projets de collecte et de modélisation de données bancaires dans un objectif de gestion des risques (bloc optionnel)

• Analyser les données bancaires telles que les données de transactions, les données de crédit, les données de comportement des clients en mobilisant les outils de scoring ou de modélisation statistique afin de produire des éléments d’aide à la décision appuyant les équipes métiers dans leurs missions (ouverture de crédit, opérations frauduleuse, proposition commerciale d’autres produits bancaires…) Participer à la réalisation d’une analyse de risque de l’ensemble du dispositif bancaire en utilisant des modèles statistiques définis par le législateur avec d’autres modèles d’intelligence artificielle afin de sécuriser le processus Développer des modèles d’analyse s’appuyant sur les techniques de modélisation statistique, de machine Learning et d'intelligence artificielle spécifique à la gestion des risques bancaires afin de traiter des données volumineuses et complexes Développer des modèles d’analyse utilisés en ingénierie financière et finance de marché permettant d’estimer le prix de produits financiers complexes

Évaluation : Contrôle continu (devoir sur table) Les connaissances, associées à des résolutions de problèmes, sont évaluées à travers les enseignements : Gestion des risques bancaires, Techniques et méthodes de scoring, Gestion de la liquidité des actifs, Théorie des valeurs extrêmes, Statistique des risques extrêmes, Gestion des risques multiples, Séries temporelles avancées, Investissement socialement responsable, Théorie d’Évaluation des Actifs, Calcul stochastique, Calibration de processus stochastiques, Modèles de courbes de taux. Projet scoring Les travaux des élèves sont évalués sur la connaissance approfondie des algorithmes de scoring et sur l’interprétation des résultats. * Délimitation du périmètre de l’étude correspond à la problématique métier * Le choix des méthodes statistique est argumenté et pertinent * Le choix des paramètres de l’algorithme est justifié * Les résultats sont interprétés et restitués dans la logique des métiers. Projet et stage de fin d’études Le jury professionnel évalue l’élève sur la base d’un rapport et d’une soutenance orale sur les critères suivants : * Délimitation du périmètre de l’étude correspond à la problématique métier * Le choix des méthodes statistique est argumenté et pertinent * Le choix des paramètres de l’algorithme est justifié Les résultats sont interprétés et resitués dans la logique des métiers.

RNCP40694BC08Mener des projets de suivi et de modélisation des processus industriels à des fins de maintenance, d'optimisation et de prévention (bloc optionnel)

• Concevoir un dispositif de suivi en temps réel de l’activité en implémentant une solution technique et/ou logicielle et en collectant les données provenant de capteurs et objets connectés afin de déployer un processus d’efficacité opérationnelle en optimisant les consommations énergétiques tout au long du processus de production. Modéliser la fiabilité des systèmes au cours du temps de façon à organiser les opérations de maintenance Concevoir et/ou analyser un système soumis à des évènements extrêmes de façon à s’en prévenir Qualifier le niveau de performance des processus de production afin de mettre en place des actions correctives notamment à partir des constats de gaspillages et de pertes pendant le processus de production.

Évaluation : Contrôle continu (devoir sur table) Évaluation des connaissances en Modélisation non-linéaire et Filtrage Évaluation des connaissances en Statistique des processus et Théorie des valeurs extrêmes Stage de fin d’études Le jury composé de professionnel évalue l’élève sur sa compréhension et sa prise en compte des contraintes et de l’environnement (l’implémentation de la solution). L’élève justifie le choix des modélisations statistiques des phénomènes physiques en jeu et sait en interpréter les résultats et en apprécier la robustesse. Le jury évalue la compréhension des principes fondamentaux des processus industriels, tels que la production, la logistique et la maintenance. Il évalue notamment le candidat sur l’examen critique des conditions de production et de suivi industriel.

RNCP40694BC09Mener des projets de collecte et de modélisation de données médico-économiques à des fins d'évaluation de coût et d'impact (bloc optionnel)

• Collecter les données médico-administratives susceptibles de répondre la demande en termes descriptifs et de modélisation afin de mettre à disposition des éléments utile à la prise de décision Analyser les données grâce aux outils du machine learning et du deep learning et aux méthodes et outils de l’économétrie afin de mesurer l’impact des actions engagées Estimer les effets d’un programme afin d’identifier les leviers d’action des mesures de prévention sur le plan sanitaire et économique Bâtir une estimation des coûts économiques et sociaux d’expositions environnementales, du recours ou du non-recours à des traitements en santé afin d’optimiser l’efficacité économique des programmes en santé

Évaluation : Contrôle continu (devoir sur table) -Évaluation des connaissances en Analyse spatiale et de Data visualisation -Évaluation des connaissances en Méthodes d’évaluation des programmes -Évaluation des connaissances en Modélisation économique de la santé, Économie urbaine et Évaluation médico-économique Projet de fin d’étude / Projet méthodologique Le jury professionnel évalue l’élève sur la base d’un rapport et d’une soutenance orale sur les critères suivants : * Démonstration de sa compréhension des enjeux * Les méthodes économétriques adaptées aux données socio-économiques ont été mise en œuvre de façon conforme ; * La théorie économique a été mobilisé pour interpréter les résultats de modélisation statistique et à éclairer la prise de décisions (économétrie de panel, statistique spatiale). Réalisation d’une méta analyse

RNCP40694BC10Concevoir et mettre en oeuvre la stratégie data d'un système d'information (bloc optionnel)

• Concevoir et développer une application multi-tiers en Python (ou autre langage informatique) en utilisant plusieurs services externes. Définir une stratégie Big Data en collaboration avec la direction SI de l’entreprise et en sélectionnant les plateformes et systèmes logiciels adaptés pour permettre la collecte et le traitement des données, en particulier les données massives et complexes permettant la mise en œuvre de la stratégie de l’entreprise. Structurer une architecture de stockage de données (data warehouse, data lake…) tout en respectant la politique de sécurité des données afin de répondre aux besoins data des équipes métiers Automatiser des processus de déploiement, de tests et de maintenance curative et préventive afin de s'assurer de la fiabilité de la solution et de maintenir un haut niveau d’efficacité de la solution proposée

Évaluation : Contrôle continu (devoir sur table) Les connaissances, associées à des résolutions de problèmes, sont évaluées à travers les enseignements: Génie logiciel, Développement web, Dataops, Technologies NoSQL et Cloud, Indexation web, Publication de données respectueuse de la vie privée, Réseaux et systèmes d'exploitation, Systèmes Répartis, Sécurité des données. Projet et stage de fin d’études / Projet informatique (rapport et soutenance) Les élèves sont évalués sur la base d’un rapport comprenant l’étude fonctionnelle de l’application, la modélisation UML de l’application, le code informatique, le choix de la structure de la base de données et sa mise en œuvre. La démonstration du fonctionnement des applications est présentée lors de la soutenance.