En pratique :

Langue principale : français

Description du contenu de l'enseignement

Objectifs
Donner aux financiers une initiation aux fondements du Big Data. A travers des cas concrets adaptés aux métiers du contrôle de gestion et du marketing, directement applicables en entreprise, les étudiants se familiariseront avec les concepts de traitement des données et de l’analyse prédictive.
Les étudiants réaliseront plusieurs applications dans les outils de Big Data de SAP : SAP Lumira et SAP Predictive analysis

Compétences à acquérir
Comprendre les modèles statistiques de prévision, classification est scoring.
Choisir le modèle statistique le mieux adapté au besoin.
Réaliser des études prédictive de premier niveau.

Programme
- Introduction à l’analyse prédictive
Différence entre la business intelligence (BO, Qlickview) - outils qui permettent l’analyse du passé – et les outils d’analyse de la donnée qui permettent de détecter des corrélations et proposer des modèles de prédiction.
- Rappels des concepts mathématiques sous-jacents
Rappel des principes mathématiques de traitement des données. Régressions linéaires, moindres carrés, intervalles de confiance, modèle linéaire mutiple, modèle logistique, clustering.
- L’analyse predictive
Introduction, fondations, principes de Vapnik (Ki – Kr), encodage des données, modèles statistiques
- Exemples appliqués à l’entreprise
Eviter la perte de client, Réduire les coûts de maintenance par la prédiction de panne, générer des ventes additionnelles grâce aux moteurs de recommandation

Cas d’étude
Cas d’étude 1 : Dans SAP Predictive Analysis réaliser un prévisionnel de chiffre d’affaires
Cas d’étude 2 : Dans SAP Lumira,réaliser un jeu d’états d’analyse
Travail dirigé
Dans SAP Predictive Analysis, réaliser un modèle de recommandation

Bibliographie
Présentation Sirius Decision : Predictive Lead Scoring Study , 2014
Article McKinsey : Do you really understand how your business customers buy ?, 2015

Pré-requis
Informatique : Gestion des bases de données, SQL.
Mathématiques : régressions linéaires, fonctions affines.

Méthode d’évaluation
Rapport à remettre suite au travail dirigé