Domaine : Sciences et Technologie Licence professionnelle : Management des Organisations Spécialité : Statistique et Informatique Décisionnelle

Liste des activités visées par le diplôme, le titre ou le certificat La prise de décision dans un contexte économique complexe s'appuie aujourd'hui de plus en plus fréquemment sur des analyses statistiques de gros ensembles de données, souvent construits à partir de sources hétérogènes historisées : les entrepôts de données. D'une manière générale un détenteur de la LP Statistique et Informatique Décisionnelle est capable d'assurer un travail d'assistant ingénieur d'aide à la décision dans tous les domaines d'activités où des décisions doivent être prises en prenant en compte des données statistiques complexes : marketing, banques, assurances, industrie (contrôle de qualité notamment), agriculture, météo, administration, etc. Les grandes étapes de ce travail d'aide à la décision seront généralement les suivantes, quelque soit le domaine d'application : - Compréhension du contexte spécifique ; - Analyse des sources de données ; - Conception de bases ou d'entrepôts de données structurés à partir de ces sources ; - Recueil des données ; - Pré-traitement des données (recodage, homogénéisation, traitement des données manquantes, etc.) ; - Analyses de synthèses ; - Analyse prévisionnelles et modélisation ; - Production de rapports d'aide à la décision. Compétences ou capacités évaluées Le titulaire de la licence est capable de : - communiquer dans l'entreprise, tant pour comprendre les problèmes posés que pour présenter de manière compréhensibles les résultats statistiques constituant les aides à la décision ; - maîtriser les concepts et outils informatiques liés au stockage des données (bases et entrepôts de données, cubes OLAP, etc) ; - mettre en oeuvre des procédures (cryptage, sauvegardes, etc) pour garantir la sécurité, l'authenticité et la confidentialité de ces données ; - maîtriser les concepts et outils statistiques de l'analyse des données et des modèles prévisionnels utilisés en data mining; - extraire les informations pertinentes (choix de modèles, représentations graphiques, etc) et savoir les présenter en utilisant les outils modernes de la communication, Web notamment.