COURS // MET8120 Analytique descriptive et données volumineuses
Mes cours favoris
Ce système permet de sélectionner vos cours favoris en prévision de votre inscription qui se fait sur le portail étudiant.
| Trimestre | Cours | Groupe |
|---|
Description du cours
- Cycle : 2
- Nombre de crédits : 3
- Discipline : Management et technologie
Objectifs
Le cours prépare les étudiants à concevoir et à mettre en place des solutions agiles en intelligence d'affaires pour capturer et exploiter des données volumineuses dans l'environnement interne et externe de l'organisation.
Les cours magistraux, séances de laboratoire et la réalisation de travaux vont permettre à l'étudiant:
1. De développer des compétences en analytique descriptive et les techniques de visualisation des données pour la compréhension, l'interprétation et la communication d'évènements passés associés à des problèmes d'affaires.
2. De détecter des opportunités d'affaires innovantes qui résident dans l'analyse des données volumineuses structurées (par exemple, données sur la traçabilité d'un produit à travers la chaîne d'approvisionnement) et non structurées (par exemple, messages de Twitter).
3. De planifier et de réaliser un projet d'analytique descriptive d'affaires en utilisant des solutions agiles en intelligence d'affaires (étude prospective, description du processus d'analyse, développement d'un prototype, présentation des résultats).
Sommaire du contenu
Les solutions agiles en intelligence d'affaires; le marché des solutions agiles en intelligence d'affaires(les différents fournisseurs d'applications et services) ; spécificités technologiques des solutions agiles en intelligence d'affaires; solutions agiles en intelligence d'affaires et gestion de projet; impacts organisationnels (sur le profil d'utilisateur en intelligence d'affaires, les compétences requises, la gestion du changement …); impacts méthodologiques (sur l'analyse des besoins informationnels et fonctionnels, la gestion des exigences, le déploiement …) ; Données volumineuses (Big Data); collecte des données externes (médias sociaux, données ouvertes…) ; nouvelles formes de stockage de données; perspectives d'analyse des gros volumes de données ; les nouvelles infrastructures.
Modalité d'enseignement
Laboratoires sur des logiciels reliés à des pratiques professionnelles. Les séances en laboratoire totaliseront 9h à 12h et seront données par le professeur.
