Ecole de Guerre Economique - 196 Rue de Grenelle, 75007 Paris - Tous droits réservés

L'EGE EN CHIFFRES

#11

#10

#10

#3000

Formations de haut niveau pour les professionnels

Publications par an dont des ouvrages de référence

Anciens 
dans le monde

Clubs
métiers

Des intervenants considérés et reconnus dans leur domaine d'expertise

Publications et ouvrages conçus avec la participation des étudiants

1er Réseau francophone d'Intelligence Economique en France

Etablissement d’enseignement supérieur privé groupe ESLSCA 

Des intervenants EXPERTS et RECONNUS dans leur domaine

Pourquoi choisir l'EGE ?

SUPPORTS ET METHODES PEDAGOGIQUES

Horaires : de 9h à 18h avec 6 participants au minimum par session. 
Méthode :
• Une approche innovante articulée autour d’unte immersion dans la peau d’un consultant
• Des cas pratiques et des contenus variés : vidéos, activités, podcasts, articles...
• Une pédagogie online flexible qui s’adapte à votre rythme :
Formez-vous 100% en ligne, à votre rythme, où vous voulez : 12 à 15h d’apprentissage pour chaque module
Support :
• Des sessions Lives pour échanger et partager avec nos experts et les participants
• La mise à disposition d’outils et logiciels pour réaliser les différents modules d’enseignement
• Un accompagnement de proximité par nos équipes pédagogiques et d’experts
• La délivrance d’un double certificat IAE Paris-Sorbonne et de l’Ecole de Guerre

DATA SCIENCE
et TRANSFORMATION DIGITALE

Formation certifiante "Data Science et Transformation Digitale"

Objectifs de la formation

Eligible au CPF,
Elle couvre l’ensemble du bloc de compétence RNCP34803BC02 « Réaliser une collecte d’informations et mettre en place une veille stratégique » du Titre RNCP de niveau 7 « Expert en intelligence économique » délivré par l’Ecole de Guerre Economique.

14/10/25

5 mois

Online

4 500 €

PROGRAMME :

MODULE 1 : Collecte d'informations et OSINT
Dans ce module introductif, les participants se familiarisent avec les concepts de collecte d’informations. La collecte d’information est aujourd’hui un savoir-faire indispensable à la gestion de projet, pour comprendre un environnement ou un marché, comme pour mieux percevoir un acteur économique ou même le profil d’un individu.
Objectif du module :
• Méthodologie de recherche d’information sur Internet
• Les moteurs de recherche
• Investigations techniques
• Les bases de données
Activités : Les participants réalisent une collecte d’information avec un rendu de chaque étape du projet, mindmapping du questionnement, plan de recherche, dossier de favoris et fiche méthodologique.

MODULE 2 : Code et transformation digitale
Objectif du module :
• Comprendre les nouveaux enjeux des données pour la transformation digitale
• Connaître comment les données sont gérées, traitées et agrégées dans un système d’information
• Appréhender les fondations des technologies web (structure des données)
Semaine 1 : Les fondamentaux
• Créer, capturer et délivrer de la valeur grâce aux données
• La donnée au cœur de la transformation digitale
Semaine 2 : Evolution des données et des usages
• Les technologies et le futur des usages
• Nouveaux usages des données et enjeux réglementaires
Semaine 3 : Décrire, structurer, échanger et afficher les données (langages XML/HTML et intro à la programmation)
• Les outils nécessaires à la programmation
• Technologies web : XML/HTML et CSS – des prérequis au scrapping
Semaine 4 : L’habillage de la donnée sur le web (CSS) : Code, technologies web et projet
• Technologies web (continued) : focus sur CSS
• Mini projet de conception web
Activité : Les participants développent un petit projet web afin de mieux appréhender la logique
de développement, pour le code R ou le scraping via Python

MODULE 3 : Collecte massive de données et cybersécurité
Objectif du module :
• Maitriser un logiciel de scraping pour réaliser un collecte massive de données.
• Connaître comment les données sont gérées, traitées et agrégées dans un système d’information
• Comprendre les problématiques éthiques et les risques liés à la collecte de données et la construction de Big data.
Semaine 1 : Enjeux
• Les enjeux éthiques et de sécurité liés à la collecte massive de données.
• Gouvernance et maitrise des risques. 
Semaine 2 : Collecte massive et analyse des données - en théorie
• Data mining et Big Data
• Nouveaux usages des données et enjeux réglementaires
Semaine 3 : Collecte massive et analyse des données - en pratique
• Web scraping - Requêtes et XML/HTML, un exemple avec l'extraction visuelle
• Vérifier et comprendre les données extraites
Semaine 4 : Projet de scraping
• Filtrage et tri pour exploiter les données issues d'une collecte massive
• Mini projet d'extraction web
Activité : Les participants livrent un petit projet de web scraping, qui constituera un premier jeu de données à analyser au cours des modules suivants.

MODULE 4 : Fondations de la data science
Ce module est centré sur les fondations de la data science (analyse et fouille de données massive pour créer de la valeur). Plus précisément, il aborde les techniques les plus basiques d’analyse et de visualisation de données.
Objectif du module :
• Maîtriser un logiciel de statistiques
• Savoir réaliser des analyses descriptives
• Maîtriser la notion d’inférence statistique
• Savoir réaliser des modèles de régression
Semaine 1 : Les fondamentaux
• Différents niveaux d’utilisation des données
• Différents types de variables
• Les logiciels utilisés
• Statistiques univariées
Semaine 2 : Statistiques bivariées et construction d’indicateurs
• Les différents types d’indicateurs
• Différentes combinaisons de variables
• L’importance des représentations graphiques 
Semaine 3 : les tests statistiques
• Définition d’un test statistique
• Le test du chi2
• Le test Anova
• Le test de corrélation
Semaine 4 : Les techniques de régression
• Le raisonnement « toutes choses égales par ailleurs »
• La régression linéaire multiple
• La régression logistique multiple
Activité : Les participants livrent une première analyse du jeu de données produit dans le module précédent. Ils sont évalués par un QCM.

MODULE 5 : Big data et data science
Ce module porte sur les techniques de fouille de données structurées et non structurées. Nous abordons la distinction entre analyse supervisée et non supervisée. Nous utilisons également le logiciel R avec l’interface RStudio.
Objectif du module :
• Maîtriser des techniques de fouille de données structurées (analyses factorielles et typologiques)
• Maîtriser des techniques de fouille de données non structurées (analyse textuelle)
Semaine 1 : L’analyse exploratoire non supervisée
• L’analyse factorielle
• L’analyse en composantes principales 
Semaine 2 : L’analyse typologique
• Les grands principes
• Les différentes méthodes d’analyse typologique 
Semaine 3 : Le text mining
• L’analyse lexicométrique
• L’analyse sémantique
Semaine 4 : Quelle méthode choisir pour quel objectif ? 
• Rappel de toutes les méthodes vues dans les modules 4 et 5
• Mise en correspondance entre les méthodes et les objectifs poursuivis
Activité : Les participants livrent une analyse approfondie de deux jeux de données, l’un constitué de⁄données structurées, l’autre de données non structurées. L’analyse produite pour le module 3 fait également partie de ce livrable et est évaluée dans ce⁄cadre. Un système de correction croisée est organisé (chaque étudiant corrige 3 copies) à partir d’une grille de critères prédéfinie.

MODALITÉS D'ÉVALUATION

• Exercice individuel d’identification de sources sur un sujet imposé, avec enrichissement d’un certain nombre de données en fonction des critères choisis
• Rédaction d’un rapport de synthèse (analyse statistique)
• Evaluation sur un exercice d’interview et le rendu d’une note
de synthèse (exercice interview DATA SCIENTIST)
• Exercice d’étude de marché (collecte d’information sur plusieurs acteurs d’une même activité sur une zone géographique donnée, étude quantitative, étude de la concurrence au choix entre deux exercices en fin de module)
• Exercice de collecte d’infos sur un salon professionnel ( sous réserves des conditions sanitaires, sinon remplacé par collecte d’infos auprès de professionnels d’un métier ou d’un secteur DATA).

PETIT-DÉJEUNER D'ACCUEIL ET REPAS OFFERTS POUR LE PRÉSENTIEL

PRÉREQUIS
Aucun prérequis n’est nécessaire pour suivre cette formation, elle est accessible à tous.

François Jeanne-Beylot

Jean-Loup RICHET

Clotilde CORON