Vous souhaitez contribuer à l'amélioration significative des performances des entreprises et des organisations par la valorisation des données? Cette spécialisation vous permettra de développer des compétences très recherchées par les entreprises, qui reconnaissent l’importance cruciale et grandissante de ces données.
« Les entreprises nagent dans un déluge de données qu’elles doivent être en mesure de valoriser pour demeurer compétitives. Cette spécialisation forme des personnes qui comprennent et résolvent les enjeux liés à l’exploitation de ces données. »
Jean-François Plante, professeur titulaire, responsable de la spécialisation en intelligence d’affaires.
Vous devez réussir 36 crédits au total.
Les cours ci-dessous sont présentés à titre indicatif pour vous aider à choisir votre spécialisation. Une fois votre choix indiqué dans HEC en ligne, vous devez vous référer à la section « Progression scolaire » afin de voir les cours requis selon votre année d’admission, ainsi que le nombre exact de cours à suivre par bloc (obligatoires, optionnels, etc.)
Veuillez aussi considérer les éléments suivants :
1. Introduction et définition des données volumineuses structurées
2. Recherche et collecte de données (données d'entreprises ou publiques)
3. Statistique descriptive univariée et multivariée
4. Initiation au logiciel SAS
5. Préparation de données (importation fusion de fichiers nettoyage de données calculs d'indicateurs)
6. Évaluation de la qualité de l'information
7. Visualisation des données (transversales et longitudinales)
8. Préparation et présentation de rapport synthèse
9. Aperçu de techniques de fouille de données (Data Mining)
1. Modèle conceptuel multidimensionnel
2. Schéma de données en étoile et en flocons
3. Processus ETL (Extract Transform Load)
4. Fusion des données et nettoyage des données
5. Stratégies de mise à jour des données
6. Qualité des données
7. Types de tableaux de bord
8. Techniques de détermination des besoins - choix et application
9. Meilleures pratiques pour la détermination des indicateurs de gestions à présenter sur les tableaux de bord
10. Principes de conception de tableaux de bord
11. Bénéfices organisationnels des tableaux de bord informationnels
Caractéristiques du modèle relationnel de données
Création de modèles relationnels en utilisant des commandes SQL.
Requêtes SQL simples et complexes (union intersection et différence) sous-requêtes et des requêtes synchronisées
Vues transactions et déclencheurs
Conception des bases de données : normalisation modèle conceptuel et logique
Performance des requêtes et des bases de données
Bases de la programmation
Résolution de problèmes d'affaires à l'aide du développement de solution informatique
Bases de la gestion collaborative du développement de solution informatique
Échanges de données avec des plateformes numériques
Communication des fonctionnalités d'une solution informatique
1. La science des données en exemples.
Partie I : Inférence
2. Inférence statistique et données observationnelles.
3. Plans d'expérience (incluant ANOVA à deux facteurs et plans non balancés).
4. Comparaisons multiples et biais de publication.
5. Données longitudinales et modèles mixtes.
Partie II : Prédictions
6. Analyse prédictive (variables catégorielles et continues).
7. Évaluation de la performance des modèles prédictifs.
Introduction au Web Analytique (but défis méthodes de collecte des données sur le Web)
- Performance et optimisation d'un site Web (analyse ergonomique du Web comportement de navigation et efficacité d'un site Web)
- Canaux de sollicitation (moteurs de recherche médias sociaux vidéos...) et métriques ( comment mesurer l'engagement du client)
- Analyse des métriques et indicateurs de performance (K.P.I): visites visiteurs durée de la visite taux de rebond taux de sortie taux de conversion engagement etc.
- La segmentation en Web Analytique
- Analyse de la performance du trafic sur le site (source du trafic et analyse des moteurs de recherche)
- Lancement et évaluation d'une campagne marketing
- L'utilité des tests dans l'optimisation d'un site Web et la compréhension du comportement du client
- Création d'un tableau de bord
Méthodes de recherche en marketing
Données secondaires avancées pour appuyer la collecte de données primaires
Analyse rigoureuse de l'environnement et de la concurrence
Analyse et prévision de la demande dans un contexte d'investissement en marketing
Analyses pour considérer le comportement du consommateur
1. Gestion de l'expérience et des produits numériques
2. Gérer une marque numérique
3. Marketing de contenu
4. Les médias sociaux
5. SEO (Search engine optimization)
6. Publicité numérique
7. Le commerce mobile et les applications
Rôle de l'IA dans la transformation organisationnelle
Exemples d'application de l'IA
Principaux modèles d'IA utilisés
Gestion de projets en IA
Principaux bénéfices
Enjeux éthiques de l'IA
Transformation numérique des entreprises
Proposition de valeur
Récit d'utilisation/Parcours utilisateur (User Stories)
Analyse d'affaires
Processus d'affaires
Analyse de performance
Pose de diagnostic
Automatisation des processus
Modèles conceptuel et logique des données
Normalisation
Modèles de traitement
Critères d'acceptabilité
Document de spécification des requis
Démarrage d'un mandat de consultation en technologie
Analyse des besoins
Élaboration de la stratégie technologique
Conception d'une solution
Réalisation d'un prototype
Présentation à une cliente ou à un client
Faire le bilan d'un mandat
Cette spécialisation vous permet de poursuivre vos études au 2e cycle, à condition d’avoir suivi les cours prérequis. Consultez l’onglet « Cours » du programme qui vous intéresse avant de communiquer avec la professeure ou le professeur responsable.
Voici quelques exemples de programmes qui pourraient vous intéresser :