Formations Web Ecommerce

Les objectifs de la formation :

• Comprendre les opportunités et les applications de l’analyse de données
• Comprendre et évaluer les opportunités du big data dans un contexte marketing/commercial
• Comprendre les opportunités de changer son business model à partir des données

A l’issue de cette formation, les participants seront capables :

• Evaluer le potentiel des approches « données » dans leur entreprise en vue du lancement d’un projet Big Data

Publics :

• des décideurs métiers.
  Cette formation ne nécessite pas de connaissances techniques ou informatique particulières

Méthodes :

• De nombreuses études de cas réelles de projets big data d’entreprises de toutes tailles

Documentation :

• La documentation associée à cette formation sera remise en fin de session.

Évaluation :

Une attestation de formation est délivrée à chaque participant à l’issue du module.

Démarche qualité :

Dans le cadre de notre démarche qualité, toutes nos formations font l’objet d’une évaluation détaillée par les participants de la fin de la formation: 

• Statistiques N/A (nombre de formation non significatif)

Programme :

Premier jour

L’économie du Big Data

• Pourquoi Big Data est un enjeu de performance pour les entreprises et les organisations ?
• Comment identifier les nouveaux leviers de performance au travers de l’analyse de données ?
• En quoi Big Data est un enjeu de performance pour les entreprises et les organisations ?
• La data permet de ré-inventer son business model
• Étude de cas : Lapeyre

Les sources de données

• Quelles sont les sources de données internes, externes, gratuites, payantes à exploiter?
• Données produites sur le Web médias sociaux
• Comment identifier les données à valeur ajoutée ?
• Etude de cas : Analyse des sentiments du marché & influences à partir des données / réseaux sociaux

Les compétences du Big Data

• Le rôle du data scientist
• Constituer une équipe pour un projet Big Data

Les technologies du Big Data

• Les origines de la data science                                   
• La technologie HDFS : principes et fonctionnement.
• Les principes du traitement Hadoop MapReduce
• Panorama des outils techniques & langages pour traiter de grandes masses de données

Deuxième jour

La représentation graphique des données & des insights

• Comment la data visualisation permet d’interpréter les données
• Exemples de visualisations et de restitutions
• Les erreurs à éviter dans l’analyse des données, causalité vs corrélations.
• Etude de cas : Comment partager les régions françaises à partir des données ? Regionator

Les aspects juridiques

• Les données identifiantes et à caractère personnel.
• Les obligations légales des entreprises. Pseudonymisation et anonymisation de facteur k

Les  étapes dans la conduite d’un projet Big Data

• La feuille de route d’un projet Big Data (phase par phase)
• Critères de succès
• Transformation digitale : Impact sur l'organisation de l'entreprise
• Le recrutement d’une équipe projet : Quelles compétences ? Comment recruter ?
• Les challenges Data Science avec la plateforme Kaggle (exemples de challenges réussis)

Analyse de cas concrets de projets Big Data dans différents secteurs

Une série de cas concrets de projets menés dans les entreprises des secteurs suivants :

• Marketing :
  • La prédiction du taux d’attrition ("churn") pour favoriser la rétention des consommateurs
  • La perception des tendances de marché : l’analyse des sentiments du marché et des influences.
  • La détection de nouveaux prospects par l’analyse sémantique avec C-Radar

• Finance, Assurance, Banque :
  • La détection des fraudes par l’analyse des données

• Automobile :
  • La voiture autonome exploite la data et le machine learning en temps réel – Google Car
  • La détection de piétons (vidéo)
  • Le  modèle « Pay as you drive » : Les nouveaux services de facturation à la consommation - Axa

• e-Commerce / e-Media :
  • La détection des préférences des consommateurs sur Amazon (e-Commerce) et Netflix (Média)

• Management :
  • Les algorithmes de détection de profils pour le recrutement basés sur l’analyse sémantique, Linkedin