FC9MP03

Stage inter entreprise

Prix 2020 :

1 500 €

Comment financer sa formation ?

Durée :

2 jour(s)

Prochaine(s) session(s)

  • Du 02/11/2020 au 03/11/2020 à Paris - 1 500 €

Présentation

A l’heure où le big data se concrétise dans les entreprises par des projets innovants, ces initiatives sont souvent freinées par une méthodologie non adaptée. Issus de retours d’expérience concrets, des éléments théoriques seront présentés pour pouvoir comprendre et traiter les spécificités de ce type de projet, en adoptant un processus projet adéquat. Des ateliers pratiques d’idéation et de cadrage sont intégrés à la formation pour mettre en pratique les concepts abordés et faciliter leur réutilisation.

Objectifs

  • Expliquer les composantes méthodologiques pour mener avec succès un projet IA et big data.
  • Lister les bonnes pratiques pour composer une équipe, piloter le projet, maîtriser les risques associés et évaluer sa réussite.
  • Programme

    Comprendre et traiter les spécificités d’un projet Data

    Qu’est-ce qu’un projet Data ?

    • Qu’est-ce que l'IA et la Data Science ?
    • Présentation simplifiée de quelques algorithmes
    • Qu'est-ce que le Big data ?
    • Rupture technologique et nouvelles solutions apportées par l'IA et le big data aux problématiques métiers
    • Quels nouveaux cas d’usage par rapport aux projets traditionnels ?
    • Des données sous exploitées : L’exemple des données non structurées

    Spécificité organisationnelle : de la nécessité de mobiliser des acteurs variés et nouveaux

    • Revue des différents modes d'organisation data et de leurs avantages/inconvénients en mode projet
    • Quels nouveaux profils ?
    • Implication et rôles des acteurs projet

    Spécificité méthodologique : une approche progressive et itérative

    • Les phases types d'un projet data
    • La place de l'agile dans les projets
    • Critères de réussite et de rentabilité d’un projet big data

    Spécificité technologique : un écosystème en constante évolution

    • Cloud vs On premise : Quelles différences et pourquoi les privilégier ?
    • Quels outils pour quels usages ?
    • L’intégration du big data dans un SI existant
    • Pérennité des technologies Big data
    • Quelles promesses derrière la notion de temps réel?

    Spécificité économique : de la nécessité de maîtriser son infrastructure et les cas d'usages opérés

    • Valorisation d'un cas d'usage Data
    • Méthodes d'estimation des couts d’infrastructure
    • Existe-t-il des investissements incontournables à mener?

    Spécificité juridique et humaine : pour une utilisation éthique de la donnée

    • GDPR et loi « Informatique et Libertés »
    • Données publiques (Open data)
    • Conservation et transfert
    • Propriété intellectuelle et open source

    Composer et piloter une équipe big data ou IA

    • Compétences clés et profils
    • Une équipe type existe-t-elle ?
    • L’encadrement d’une équipe big data
    • Recrutement de profils data, une nécessité ?

    Manager un projet Data du cadrage à l'industrialisation – 1ère partie

    Cadrage : Identifier et prioriser les besoins et données à exploiter

    • Panorama des cas d’usages classiques IA et Big data (focus mono secteur possible selon l'audience)
    • Retour d’expérience sur quelques cas déjà instruits par Quantmetry
    • Techniques de priorisation des sujets
    • Méthodes et bonnes pratiques pour faciliter la phase de qualification du besoin
    • Quels critères valider avant de lancer le projet ?

    Etudes de cas / mises en situation

    Atelier #1 : Idéation autour de cas d'usage Data (1H30)

    • Présentation de l’atelier et explication du scénario de l'atelier (cas d'usage types ou proposés par les participants)
    • Constitution des groupes (3 à 4)
    • Cadrage des cas par les groupes
    • Restitution et mise en commun des travaux
    • Synthèse des enseignements

    Manager un projet Data du cadrage à l'industrialisation – 2ème partie

    Le POC ou la nécessité de démontrer la faisabilité et/ou la valeur

    • Définition de l'objectif et des moyens
    • Phases clés d'une expérimentation
    • Quels critères pour aller plus loin?
    • Un POC est-il toujours nécessaire ?

    Pilote : premier usage en conditions réelles

    • Qu'est-ce qu'un pilote ?
    • Présentation d’architectures Big data types pour quelques cas d'usage
    • La mesure des gains et de l'appropriation métier
    • Concepts généraux de Data Visualisation et panorama des outils
    • Comment éviter le pilote sans fin?

    Industrialisation : déployer largement pour multiplier les gains

    • Quelles différences avec le pilote?
    • Bonnes pratiques pour faciliter le passage du BUILD au RUN
    • Quels SLA pour un projet data?

    Piloter et maîtriser les risques des projets big data

    • Rappel sur la gestion des risques projet IT
    • Les risques spécifiques aux projets IA et big data
    • Focus sur la problématique de l'intelligibilité des algorithmes
    • Facteurs de succès et pièges à éviter
    • Tests et analyses de performances

    Etudes de cas / mises en situation

    Atelier #2 : Initiation au pilotage d’un projet big data : POC Data Science

    • Préparation par groupe d'un plan projet couvrant les éléments suivants :
    • Compréhension du besoin
    • Solution technique et points d’attention à instruire
    • Méthodologie projet proposée
    • Macro-Planning et plan de charge
    • Présentation et mise en commun des propositions et échanges
  • Modalités pédagogiques

    La formation comprend des travaux pratiques qui permettent la mise en œuvre des notions abordées.

  • Public cible et prérequis

    Cette formation s’adresse aux chefs de projets informatiques, consultants, développeurs ou chargés d’études statistiques.

    Cette formation requiert des connaissances de base en gestion de projet informatique.

  • Responsables

    • Karl NEUBERGER

      Associé chez Quantmetry, il a en charge l’activité de conseil dans les secteurs banque-assurance et santé où il accompagne les départements marketing et connaissance client, risque & lutte contre la fraude, ainsi que les directions des systèmes d’information dans leurs initiatives data (stratégie data, proof of concepts, architecture big data, industrialisation de modèles prédictifs, …).

    • Martin LE LOC

      Chef de projet data, il intervient depuis plus de 8 ans auprès de grands comptes pour les accompagner dans leur transformation par la donnée notamment en adressant des sujets de conseil en stratégie, d’architecture et de data gouvernance.

Prochaine(s) session(s)

  • Du 02/11/2020 au 03/11/2020 à Paris - 1 500 €