Data Science : analyse et gestion de grandes masses de données

Les compétences en Data Science peuvent être mises en œuvre dans de nombreux domaines d’application spécifiques et transverses, qui revêtent des enjeux économiques de taille. Leur valeur ajoutée n’est pas circonscrite à l’industrie informatique mais imprègne tous les secteurs économiques et l’ensemble des fonctions de l’entreprise, en particulier, les technologies et usages liés au Big data : (industrie, santé, énergie, transport, assurances, marketing, prédiction de modèles économiques, avantages concurrentiels liés à l’amélioration des systèmes d’information etc.) (source : rapport «Industrial Internet Insights Report for 2015 (https://www.accenture.com/tw-en/_acnmedia/Accenture/next-gen/reassembling-industry/pdf/Accenture-Industrial-Internet-Changing-Competitive-Landscape-Industries.pdf) », General Electric / Accenture) (source : Etude Deloite Tendances Data et Analystics (http://www2.deloitte.com/fr/fr/pages/technology/articles/tendances-data-et-analytics-2016.html)) La certification en data science vise à vérifier l’acquisition des compétences nécessaires à l’exploitation de grandes masses de données et la réalisation d’analyses prédictives de systèmes

C.1 Proposer des axes de gestion et d’analyse de grandes masses de données C2. Définir une architecture de traitement et une modélisation en déterminant les types de données, les outils statistiques et les méthodes appropriées C.3 Sourcer, rassembler et nettoyer l’ensemble des sources de données C.4 Utiliser des outils d'analyse et de gestion de bases de données de types variés dans de grands volumes en faisant preuve de réactivité et d'adaptation afin de surmonter les obstcles rencontrés C.5 Synthétiser les résultats d'une analyse sous une ou des formes adaptées au besoin CE1. Prendre en compte les contraintes techniques pour proposer une solution d’analyse de grandes masses de données de types pouvant être variés CE2a. Proposer une architecture de gestion et d’analyse appropriée aux besoins et aux contraintes d’un système cible. CE2b. Combiner des outils et des méthodes adaptés et tenant compte des évolutions récentes des techniques. CE3. Sourcer, rassembler et nettoyer l’ensemble des sources de données en utilisant les technologies adéquates afin de répondre aux besoins du système cible CE4a. Utiliser et adapter des outils statistiques, de calcul distribué ainsi que des techniques de passage à l’échelle afin de procéder à l’analyse ou à la gestion des grandes masses de données CE4b. Identifier les obstacles lors de l’implémentation d’un modèle d’analyse et de gestion des grandes masses de données afin d’établir des préconisations d’amélioration CE5. Synthétiser les résultats d’une l’analyse sous un ou des formes adaptées (rapport, graphique, tableau de bord, indicateur...) afin de permettre leur exploitation par les utilisateurs, clients et/ou partenaires du système cible