Exécutive MBA Online Management et Data Science

• Fondations des systèmes d’information ;

• Les nouveaux usages stratégiques des données et les technologies associées (Cloud, AI, IoT, Blockchain, etc) ;

• Stratégie et transformation digitale ;

• Initiation à la logique de développement (décrire, structurer, échanger et afficher les données ; exemple avec XML/HTML et CSS – des prérequis au scraping via un crawler).

• Du business model aux choix stratégiques : la recherche de la performance dans le monde d’aujourd’hui ;

• Lean & 6 Sigma ;

• Lean startup ;

• Design Thinking et open innovation ;

• Management de projets innovants ;

• Le rôle de la data et digitalisation des startups.

• Optimisation de la performance par la maitrise des risques et des instruments juridiques ;

• Concurrence, gouvernance et régulation des entreprises ;

• RSE ;

• Protection de la donnée et compliance.

• Maîtriser les bases de programmation avec Python ;

• Cas d'usage avec traitement, la visualisation et la modélisation des données financières.

• Lire les états financiers ;

• Mesure et pilotage de la performance ;

• Analyse et diagnostic financiers ;

• Etudes de cas développant l'aspect digital de chaque matière : par exemple, dématérialisation, audit et analyse de données comptables ; blockchain en finance ; moyens de paiement, fintech et régulation financière, etc.

• Connaitre l'écosystème big data ;

• S'initier aux bases de données NoSQL ;

• Réaliser une analyse multidimensionnelle dans le cadre d'un big data.

• L’humain au cœur du management ;

• Le marketing opérationnel au service de la performance marketing ;

• Etudes de cas développant l'aspect digital de chaque matière : par exemple, la transformation du travail et l'innovation sociale ; digital workplace ; le marketing digital et ses outils.

• Comprendre le machine learning ;

• Mettre en œuvre des algorithmes sur un jeu de données ;

• Appliquer les modèles hiérarchiques du Deep Learning à un cas professionnel.

• Enjeux éthiques et de sécurité liés à la collecte massive de données ;

• Théorie et pratique de la collecte et analyse de données massive ;

• Projet de scraping avec un crawler.

• Introduction à R ;

• Fondamentaux de l'analyse de données ;

• Statistiques bivariées et construction d'indicateurs ;

• Tests statistiques et techniques de régression.

• Analyse exploratoire non supervisée ;

• Analyse typologique ;

• Text mining ;

• Projet

• Méthodologie du mémoire ;

• Projet encadré ;

• Soutenance du projet (en anglais ou en français).

Le mémoire peut être rédigé en anglais ou en français, mais devra comporter un résumé détaillé en anglais.

La formation s’achève par la rédaction d’un mémoire, consistant en un projet mobilisant les techniques étudiées en cours. Il donnera lieu à une soutenance orale réalisée devant un jury d’universitaires et de professionnels.