Diplôme d’études supérieures en IA, Data et Management

- Analyse opérationnelle et stratégique de l'organisation - Préconisations opérationnelles et stratégiques - Définition et adaptation des méthodes et outils de traitement de l'information - Aide à la décision - Contribution à la définition des modes de contrôle - Définition des tests techniques et fonctionnels de programmes et applications de traitement de la donnée - Récupération des données massives - Nettoyage de données - Participation à l'interprétation de la donnée - Planification du projet - Communication interne et externe - Management de la diversité - Participation aux transformations des modes de travail

- Réaliser une étude approfondie de la situation de l'organisation en recueillant les informations pertinentes, en les analysant et en déterminant les forces, les faiblesses, les opportunités et les menaces du sujet traité afin de proposer des pistes de développement et d'amélioration à l'entreprise. - Présenter des recommandations adaptées à la situation économique et financière de l'organisation à l'oral et à l'écrit à sa hiérarchie et/ou à l'ensemble des parties prenantes à partir de l'étude réalisée et en argumentant ses choix afin de contribuer au développement de l'entreprise. - Sélectionner les méthodes et outils de traitement de données adaptés aux besoins et à la situation de l'organisation en prenant en compte les impératifs de sobriété numérique et les enjeux éthiques et en ayant recours à l'intelligence artificielle pour l'automatisation du traitement de ces données afin de contribuer à la prise de décision de sa hiérarchie sur des questions stratégiques - Exploiter des outils de business intelligence et des modèles de décision et d’optimisation (analyse prescriptive) basés sur les données fournies en amont par les modèles statistiques descriptifs et prédictifs, afin d'enrichir les systèmes d'aide à la prise de décision. - Effectuer une veille réglementaire axée sur le traitement des données en identifiant les sources appropriées et en recensant les bonnes pratiques afin de sélectionner le contrôle de sécurité adapté au fonctionnement de l'organisation. - Détecter les menaces informatiques potentielles en catégorisant le niveau de sensibilité des données, leur provenance (interne ou externe) et en les caractérisant afin de protéger le système. - Effectuer les tests techniques et fonctionnels des programmes et applications de traitement de la donnée en planifiant des phases de test adaptées, en élaborant des cas et des scripts et en rédigeant un rapport complet des tests effectués afin de contribuer à l'amélioration des processus qualité pour le traitement des données. - A partir de l'analyse opérationnelle et stratégique de l'organisation, collecter des données massives à l'aide des outils de traitement de l'organisation en ajustant les variables en fonction des besoins afin de retirer des données brutes à traiter. - Nettoyer un jeu de données en identifiant et en corrigeant les données altérées, inexactes ou non pertinentes à partir des objectifs d’une problématique métier, en vue d’un traitement statistique automatisé de ces données. - Représenter les données par des graphiques réalisés à partir de l'analyse préalable des données et adaptés à l'utilisation, permettant ainsi leur interprétation afin de les rendre intelligibles pour un public non-expert data. - Déterminer les objectifs du projet en s'assurant qu'ils sont mesurables, réalistes et définis dans le temps et en les formulant de manière à ce qu'ils soient en cohérence avec les moyens et les objectifs généraux de l'organisation. - Élaborer le budget du projet en recensant et en catégorisant les postes d'investissement afin d'évaluer le coût global du projet et sa faisabilité. - Planifier les étapes du projet en échelonnant les dates butoirs et en répartissant les tâches entre les collaborateurs afin d'assurer la gestion du projet. - Élaborer le plan de communication du projet data en prenant en compte le contexte du projet, en analysant les différents groupes cibles (internes, externes, etc.) et en définissant les messages-clés afin de diffuser l'information de manière efficace. - Adapter son management à un contexte multiculturel et pluridisciplinaire en prenant en compte les spécificités de chaque collaborateur et en accompagnant les personnes en situation de handicap afin d'accompagner et de motiver son équipe. - Intégrer à sa pratique managériale les nouveaux outils de communication professionnelle digitaux dans le respect de la réglementation sur la protection des données et en prenant en compte les nouveaux modes d'organisation du travail à distance et en présentiel afin de participer aux transformations de l'entreprise.

Le diplômé du Diplôme d’études supérieures en IA, Data et Management peut exercer son activité dans l’ensemble des secteurs et au sein de différents types de structures. Il peut ainsi proposer son expertise afin de répondre aux enjeux de l’Intelligence Artificielle dans tous les secteurs de l’économie dans une grande variété de postes, du plus technique au plus managérial. Exemple de quelques secteurs les plus porteurs liant l’intelligence artificielle, l’analyse des données et le management : * Défense * Aéronautique * Armement * Banque * Finance * Environnement * Energie * Industrie durable * Automobile * Marketing * Santé * Assurance * Banque * Luxe * Tourisme

Le titulaire est appelé à exercer ses activités dans de multiples domaines, et en particulier les métiers suivants : * Data analyst * Data worker * Administrateur réseaux * Administrateur système * Chargé d’études statistiques * Chef de projet informatique décisionnel * Chef de projet marketing stratégique * Responsable de la stratégie data * Responsable de la gouvernance des données * Chef de produit digital/informatique/data * Business analyst * Market research analyst * Data consultant * Développeur BI business intelligence * Développeur data * Consultant BI business intelligence * Responsable marketing, responsable achat, responsable logistique, responsable de ventes, responsable de développement.