Universit Paris-Dauphine

Dpartement Mathmatiques et Informatique de la Dcision et des Organisations

Mention : Domaine :

Informatique des Organisations Mathmatiques et Informatique de la Dcisions et des Organisations

Responsable : Virginie Gabrel, Matre de Confrences HDR, 27me section e-mail : gabrel@lamsade.dauphine.fr Scrtaire : Nadine De Matteis e-mail : Nadine.deMATTEIS@dauphine.fr Objectifs de la spcialit Cette formation de deuxime anne de Master donne aux tudiants une comptence approfondie en informatique (bases de donnes, entrepot de donnes, nouvelles technologies de linformation) ainsi quune capacit modliser les problmes de dcision travers la matrise des diffrents outils de recherche oprationnelle. Il sagit donc de former des professionnels ayant une double comptence en informatique et en aide la dcision et d'offrir, dans ces deux domaines, les bases thoriques indispensables, de prsenter les dmarches et outils actuellement utiliss et d'illustrer leur mise en oeuvre dans divers contextes Organisation La spcialit Informatique Dcisionnelle (ID) appartient une structure pdagogique appele le ple Info 3 qui regroupe galement les spcialits Informatique pour la Finance (MIAGEIF) et Systmes d'information et Technologies Nouvelles (MIAGE-SITN). Depuis sa cration en 2000, ce ple reoit approximativement 500 demandes de candidature et diplme une centaine dtudiants. Chacune de ces spcialits de Master prsente des enseignements techniques et scientifiques orientes vers un secteur professionnel bien identifi, ainsi que des enseignements d'ouverture. Ces secteurs dterminent les enseignements fondamentaux proposs dans chaque spcialit. Il s'agit respectivement :

de l'informatique dcisionnelle et l'aide la dcision, pour la spcialit ID (masterid@dauphine.fr); du dveloppement des systmes d'information et management des technologies nouvelles, pour la spcialit MIAGE-SITN (master-MIAGE-SITN@dauphine.fr); de la conception, ralisation et matrise douvrage dapplications dans le domaine financier pour la spcialit MIAGE-IF (master-MIAGE-IF@dauphine.fr);

La structure de ce ple permet de mettre en commun les ressources pdagogiques et administratives communes ces trois spcialits professionnelles. En particulier, du point de

programme 2011-2012

vue des tudiants, le ple info 3 constitue une vritable bibliothque de cours de haut niveau en informatique de gestion et informatique dcisionnelle qui permet de se constituer un parcours la carte en complment des enseignements obligatoires propres une spcialit donne. Par ailleurs, la spcialit ID et le master (recherche) MODO ont en commun le thme de laide la dcision, ce qui explique quelles partagent certains cours. Cependant, la spcialit ID est davantage oriente vers la mise en uvre des outils et les aspects technologiques associs. ce titre, elle partage lensemble des cours optionnels avec les spcialits MIAGESITN et MIAGE-IF. Publics de la spcialit Cette spcialit s'adresse aussi bien des informaticiens dsireux d'acqurir une spcialisation dans le domaine de l'aide la dcision, qu' des tudiants nayant que des connaissances de base en informatique qu'ils souhaitent dvelopper vers le dcisionnel. Par son orientation (double comptence informatique et aide la dcision), cette spcialit s'adresse des publics varis : Etudiants ayant valid les 60 ECTS dun M1 du Master Informatique des Organisations ou provenant dautres Master de mention informatique ou Mathmatiques, tudiants provenant dun M1 Mathmatiques appliques aux sciences sociales ou quivalent, tudiants issus dun M1 de Gestion ayant une appetance particulire pour linformatique notamment au travers des systmes dinformation, tudiants sortant d'une cole d'ingnieur, tudiants sortant d'une cole de commerce. Formation continue Cette spcialit est ouverte la formation continue pour un nombre limit dtudiants qui seront intgrs dans le groupe de formation initiale. Formation par apprentissage Cette spcialit est ouverte en apprentissage pour un groupe dtudiants qui suit un rythme dalternance : 2-3 semaines luniversit / 4 semaines en entreprise. Organisation de la spcialit Nous prsentons ici la description des Units dEnseignements et les modalits de contrle. Un tudiant en formation initiale doit sinscrire dans lun des deux parcours suivants : - le parcours MIAGE (seuls les tudiants ayant valid un M1 MIAGE peuvent y avoir accs). - le parcours Aide la Dcision (pour les tudiants ayant plus un profil math-info). Un tudiant en formation continue est inscrit en ID parcours FC.

programme 2011-2012

Les Units dEnseignements (UE) de la spcialit se dcomposent en : 29 ects dUE obligatoires, 15 ects de stage et 16 ects dUE optionnelles. Les UE obligatoires dans lun et/ou lautre des trois parcours se dclinent en deux groupes : les UE relevant de la thmatique Business Intelligent/Systmes dInformations sont : ID1 : Gestion et interrogation de donnes persistantes, 24h 3 ects. ID2 : Entrepts de donnes, 24 h 3 ects. ID3 : Projet en Business Intelligence, 30h 4 ects. ID4 : Data Mining, 36 heures 4 ects Management de projet informatique ou Evolution des SI ou Mise en uvre des SI (cours proposs en MIAGE-SITN), 24h 3 ects ID5 : XML, 24h 3 ects Les UE relevant de la thmatique Aide la Dcision/Intelligence Artificielle sont : ID6 : Modlisation et rsolution de problmes en Recherche Oprationnelle, 24 h 3 ects ID7 : Systmes intelligents daide la dcision collective et diagnostic, 24 h 3 ects ID8 : Aide Multicritre la dcision, 24 h 3 ects ID9 : Applications de la Recherche Oprationnelle, 12h / Programmation par contraintes, 12h 3 ects Une UE de 36h dAnglais (3 ects) est galement obligatoire pour tous les parcours. Les tudiants inscrits au parcours MIAGE doivent obligatoirement suivre toutes les UE relevant de la thmatique BI/SI ainsi que les 2 premires UE en AD/IA. Les tudiants inscrits au parcours Aide la Dcision doivent obligatoirement suivre toutes les UE relevant de la thmatique Aide la Dcision/Intelligence Artificielle ainsi que les 4 premires UE en BI/SI. Les tudiants inscrits au parcours Formation Continue doivent choisir 29 ECTS de UE parmi toutes les UE relevant des deux thmatiques. UE optionnelles : chaque tudiant doit choisir 16 ECTS (modulo un ou deux ECTS en plus en fonction du nombre dECTS des options) parmi : - les UE (de ID1 ID9) non obligatoires dans son parcours, - les UE optionnelles suivantes : ID10 : Modlisation multidimentionnelle et management de la performance, 24 h 3 ects, ID11 : Data excellence et Master Data Management, 24h 3 ects.

- les UE des spcialits MIAGE-IF et MIAGE-SITN.

programme 2011-2012

Lanne est structure en 3 sessions de 8 semaines. Chaque session termine par une semaine dexamen. Stage : un stage de cinq mois minimum, donnant lieu un rapport de stage et une soutenance, permet la validation de 15 ects Module de mise niveau Les cours de mise niveau dcrits ci-dessous sont proposs en dbut danne, pendant 2 semaines, en pralable aux enseignements des spcialits. Ils ne donnent pas lieu une notation et servent principalement intgrer des tudiants externes Dauphine qui nauraient pas suivi le M1 et auraient de ce fait manqu des formations requises pour le M2. Enseignements du module Mise niveau Algorithmique et Java Optionnel Mathmatiques pour la Optionnel Finance Bases de Donnes Optionnel Statistiques et Recherche Optionnel oprationnelle UML Optionnel

14 h 15 h 10h 15 h 9h

Modalits de contrle des connaissances Pour valider lensemble des 60 crdits ECTS, ltudiant devra : obtenir une moyenne suprieure ou gale 10 lensemble des enseignements obligatoires, hors enseignements de parcours (pondrs par les ECTS), obtenir une moyenne suprieure ou gale 10 lensemble des enseignements de parcours et optionnels (pondrs par les ECTS), obtenir une note suprieure ou gale 10 au stage, navoir aucune note infrieure 6 sur les enseignements obligatoires. Lattribution dune mention Assez Bien, Bien ou Trs Bien ne sera possible que si la moyenne de tous les enseignements, hors stage, pondre par les ECTS, est suprieure ou gale 12. Dans ces conditions, si la moyenne gnrale de tous les enseignements et du stage, pondre par les ECTS correspondants est : suprieure ou gale 12 et infrieure 14, ltudiant pourra obtenir la mention Assez Bien suprieure ou gale 14 et infrieure 16, ltudiant pourra obtenir la mention Bien suprieure ou gale 16, ltudiant pourra obtenir la mention Trs Bien Equipe pdagogique Intervenants universitaires Assi Hassne - Matre de confrences, Informatique Balbo Flavien - Matre de confrences, Informatique

programme 2011-2012

Gabrel Virginie - Matre de confrences, Informatique Jomier Genevive Professeur, Informatique Mahjoub Ridha A. Professeur, Informatique Ngre Elsa - Matre de confrences, Informatique Pinson Suzanne - Professeur, Informatique Pierre Volle Professeur, Marketing Fuhrer Bernard, De Philippis, Drew Katherine Professeurs danglais. Intervenants professionnels Cohen-Solal Cyril Directeur dentit, Keyrus. Daverat Marc Senior manager, Ernst & Young et Associs De Lassence Grgoire - Responsable Pdagogie et Recherche, SAS Delplace Benoit - Edf. El Abed Walid - Prsident Directeur Gnral, Global Data Excellence. Gayet Anne - Directrice Data Mining, A.I.D Roman Carlo - Nellarmonia. Partenaires professionnels Keyrus, Sopra Group, CapGemini, SAP-Business Object, Edf, Novedia Decision, A.I.D, SAS, NellArmonia, SNCF, Eurodcision Dbouchs Les dbouchs de la spcialit sont principalement orients vers : les socits de service en informatique notamment spcialises dans le dcisionnel; les socits de conseil et bureaux d'tudes ; les dpartements fonctionnels et d'tudes des entreprises et administrations. De nombreuses propositions demplois en CDI provenant de SSII ou de plus grandes entreprises sont rgulirement communiques au responsable, loffre tant chaque anne suprieure au nombre dtudiants diplms dans cette spcialit. Les entreprises accueillant nos tudiants sont notamment : SAP-Business Objects, Business et Dcision, Cap Gemini, Eurodecision, Axa, Banque de France, BNP Paribas, S. Gnrale, Crdit Lyonnais, Barklays, Groupe Herv, HSBC, CIC EDF, Renault, Air France, Orange, Cegetel, LOral, Pierre & Vacances, Amadeus, Printemps, Thales

Contenu des enseignements ID01-Gestion et interrogation de donnes persistantes

Objectifs : Contenu : 1 ) Concepts fondamentaux : modles de donnes et d'interrogation de donnes persistantes Les modles de donnes utiliss en gestion de donnes persistantes

programme 2011-2012

Adaptation du modle de donnes utilis par un systme au problme trait : donnes fortement ou faiblement structures ; stockage document, n-uplet, colonne. L'interrogation : bases de documents ; bases de donnes fortement structures notamment OLTP et OLAP Problme : optimisation de requte = minimisation du temps de rponse d'une requte 2) Supports de stockage des donnes. Hirarchies de mmoire, goulots d'trangement 3) Optimisation de requte = optimisation locale Organisation des donnes, structures d'index mono et multidimensionnels, index bimaps Vues et redondance pour l'optimisation de requte Algorithmes d'valuation d'oprations relationnelles unaires ou binaires standard Algorithmes d'valuation d'oprations spcifiques aux entrepts de donnes Techniques d'optimisation de requte, incluant vues matrialises, partitionnement, stockage par colonne 4) Maintien de la cohrence de l'entrept Transactions. Chargement et rafrachissement d'un entrept : minimiser le temps de chargement Optimisation globale : requtes et rafrachissement Pannes et reprises, incluant rpliques. Volume horaire 24 h cours Enseignant : G. Jomier Crdits ECTS : 3 Pr-requis : Bibliographie

ID02-Entrepts de donnes
Objectifs : Contenu : - Dfinition des terminologies : Entrepts de donnes, Business Intelligence - Enjeux de la mise en place de ces solutions : objectifs, valeur ajoute et challenges - Mise en situation: scenario de mise en place d'une telle solution en entreprise : -> Etape 1 : collection des besoins, comment tablir une spcification des besoins. -> Etape 2 : mise en place de l'entrepot de donnes, gestion de projet -> Etape 3 : mise en place d'une solution dcisionnelle -> Etape 4 : livraison de la solution, et passage en maintenance - Perspectives du march, ralit du monde professionnel Volume horaire 24 h cours Enseignant : G. de Lassence Crdits ECTS : 3 Pr-requis : Bibliographie

ID03-Projet en BI
Objectifs : Donner une visibilit concrte de l'utilisation des applications dcisionnelles en entreprise : Qu'apporte un logiciel dcisionnel un PDG, un Directeur Marketing, un Directeur commercial ? Quelles formes prennent les outils de l'informatique dcisionnelle en entreprise ? Comment transformer un entrept de donnes en tableau de bord fonctionnel permettant d'expliquer le pass et d'anticiper l'avenir ? Ce cours vous donnera les rponses ces questions travers la prsentation de projets concrets mis en place rcemment dans de grands groupes.Vous dcouvrirez la faon de construire une application dcisionnelle : depuis lextraction de donnes au reporting final en passant par le datawarehouse. Vous raliserez l'ensemble des tapes ncessaire la construction d'une application dcisionnelle sous la forme d'un cas pratique : Collecte des donnes et ETL, mise en forme d'un reporting standard & cration d'un cube d'analyse multidimensionnelle Contenu : Acqurir les concepts de l'analyse dcisionnelle. Comprendre l'apport d'un logiciel dcisionnel aux diffrents acteurs de l'entreprise. Les diffrentes tapes de la construction d'un Datawarehouse Typologie d'applications Dmarche et prsentation de projets dcisionnels concrets Initiation sur un outil dcisionnel Ralisation d'un cas pratique Volume horaire 30 h cours

programme 2011-2012

Enseignants : C. Cohen-Solal et B. Delplace Crdits ECTS 4 Pr-requis : Connaissance du fonctionnement d'une base de donnes, Connaissance prcise des outils bureautique Windows

ID4-Data Mining
Objectifs : Il s'agit d'initier les tudiants la pratique de l'extraction de connaissances partir des grandes masses de donnes disponibles dans les entreprises. Le cours sera illustr par des cas concrets en marketing et des exemples raliss en session. Contenu : Introduction: histoire de la discipline, datamining versus statistique et analyse des donnes Une dmarche globale, depuis la prise en compte du besoin jusqu'au dploiement du modle labor Les logiciels: vue d'ensemble des logiciels commerciaux et des freewares Les donnes: les types des donnes, les ncessaires transformations, les distances L'exploration de donnes et les mthodes non supervises: analyses factorielles, typologies, segmentation RFM, rgles d'association La prdiction et les mthodes supervises: arbres de dcision, scores, rgressions, rseaux de neurones, rseaux baysiens ..., mesure de performance Textmining: notions, logiciels, exemples Apprentissage du logiciel SAS : TP1: Introduction au langage SAS et prsentation du modle SEMMA TP2: Analyse factorielle et typologie TP3: Arbres de dcision TP4: Regression logistique et rgles d'association Volume horaire 24h Cours et 12h TP SAS. Enseignante : A. Gayet Crdits ECTS 4 Pr-requis : Bonnes connaissances en bases de donnes (SQL, ACCES) et en statistique descriptive classique Bibliographie : Stphane Tuffry, Data Mining et Statistique Dcisionnelle, ditions Technip Stphane Tuffry, Etude de Cas en Statistique Dcisionnelle, ditions Technip

+ Sminaire "webanalytics - webmining"

Objectifs : Il s'agit d'initier les tudiants la pratique de de l'analyse des donnes de tracking d'un site web. Contenu : Webanalytics: notions, lments traqus, analyse du trafic d'un site, outils et dmonstration Webmining: mthodes de datamining adaptes l'exploration des donnes de tracking, mthodes lies l'optimisation du contenu d'un site. Volume horaire 6h Cours. Enseignante : A. Gayet Bibliographie : Bernard J. Jansen, Understanding User-Web Interactions via webanalytics, Morgan & Claypool Publishers, 2009 Nicolas Malo, Le Web Analytics, Eyrolles, 2009

ID05- XML : Echanges et publication de donnes

Objectifs : Contenu : Etude de cas sur les utilisations de XML. Syntaxe des documents XML, DTD et XML Schema XML et bases de donnes Le langage XPath Introduction XSLT, Evaluation XSLT Rgles XSLT et Sorties XSLT Programmation DOM et SAX Programmation web avec DOM/JSP XQuery Volume horaire 24 h cours Enseignant : F. Balbo Crdits ECTS : 3 Pr-requis :

programme 2011-2012

Bibliographie

ID06-Modlisation et rsolution de problmes en Recherche Oprationnelle

Objectifs : Le cours vise prsenter des modlisations originales de diffrents problmes concrets de dcision. Il s'agit de dvelopper les aptitudes des tudiants laborer et mettre en uvre des modles pertinents face une situation de dcision. Puis, un ensemble de mthodes de rsolution classiques sont prsentes, leur efficacit est discute. Contenu : Concept de modle en aide la dcision. Description du processus de modlisation et de ses diffrentes phases. Prsentation de modlisations non triviales de problmes de dcision. Prsentation d'outils de modlisation et de rsolution (modeleurs et solveurs). Gnralits sur les problmes d'optimisation combinatoire 1. Introduction (optimisation continue vs. optimisation combinatoire, exemples,...) 2. Quelques mthodes heuristiques (algorithmes glouton, relaxation,...) 3. Principe des mthodes de descente Mtaheuristiques 4. Mthode de recuit simul 5. Mthode Tabou 6. Algorithmes gntiques Volume horaire 24 h cours Enseignant : V. Gabrel Crdits ECTS 3 Pr-requis : cours de Recherche Oprationnelle d'une licence et M1 informatique Bibliographie H.P. Williams. Model building in mathematical programming. J. Wiley, New York, 1999. 4me edition I.Charon, A. Germa, O. Hudry, Mthodes d'optimisation combinatoire, Masson, 1996 J. Teghem, M. Pirlot, Optimisation approche en recherche oprationnelle, Hermes, 2002

ID07-Systmes intelligents daide la dcision collective et diagnostic

Objectifs : Les problmes de dcision impliquant plusieurs intervenants font lobjet de nombreux travaux, aussi bien en informatique (systmes daide la dcision collective, systmes multi-agents, systmes rpartis, systmes de diagnositc...) quen conomie et en thorie de la dcision (choix social, thorie des jeux...). Avec le dveloppement dapplications rparties coopratives (ncessitant des mcanismes de dcision collective, de vote ou de consensus) ou dapplications multiutilisateurs pour le web (commerce lectronique, partage de comptences...), le domaine de la dcision collective est en plein essor. Aussi devient-il ncessaire de concevoir des systmes efficaces de dcision collective. Lobjectif du cours est ltude de systmes complexes de rsolution de problmes pour l'aide la dcision de groupe et plus prcisment, ltude de systmes intelligents destins automatiser, diagnostiquer ou aider la prise de dcision de groupe. Le cours vise prsenter diffrents modles, outils et mthodologie pour le dveloppement de tels systmes. Le fil rouge de ce cours sappuie sur le concept d'agent intelligent, et se positionne assez largement dans le domaine de l'intelligence artificielle distribue. Les agents intelligents peuvent prsenter une certaine autonomie, ont des croyances et des prfrences qui leur sont propres, ainsi que des capacits de raisonnement, de communication, et de prise de dcision. Contenu : Parmi les thmes tudies, citons : - Diagnostic base de modles et diagnostic a base dagents - Ngociation entre agents, - Enchres lectroniques et dtermination du gagnant - Business Intelligence et intgration de donnes htrognes - Simulation des processus de dcision collectifs Les domaines dapplications privilgies sont : les systmes daide a la dcision dans le transport (transport intelligent), les systmes daide a la dcision dans la gestion de lenvironnement : aide aux agriculteurs (gestion de parcelles), aide aux organisations territoriales (gestion de leau, gestion des crues des rivires), commerce lectronique et ngociation automatique, gestion automatique de lnergie domestique (domotique). Volume horaire 24 h cours Enseignant : S. Pinson Crdits ECTS 3 Pr-requis : Bibliographie : Intelligent Agent-Based Business Intelligence, Samo Bobek , Igor Perko Enterprise integration using the agent paradigm: foundations of multi-agent-based integrative business information systems. Decision Support Systems (2006) by R Kishore, H Zhang, R Ramesh

programme 2011-2012

ID08-Aide multicritre la dcision

Objectifs : Ce cours vise prsenter dans un premier temps les principales familles de mthodes d'agrgation multicritres. Souvent les donnes d'un problme d'aide (multicritres) la dcision sont imprcises/incertaines. Des mthodes classiques permettant d'apprhender cette mauvaise connaissance sont tudies dans la deuxime moiti du cours. Contenu : Introduction: Concepts de base en aide la dcision-Exemples concrets Concepts de base en aide multicritres la dcision : Modles fonds sur un critre unique de synthse, Modles fonds sur une relation de surclassent Introduction loptimisation multiobjectif: Optimisation avec un point de rfrence, Programmation dynamique multiobjectif Prise en compte de lincertitude en aide la dcision : Arbres de dcision, Robustesse en aide la dcision : Programmation multi-niveaux, Modles bass sur le pire cas : scnarios discrets et par intervalles Volume horaire 24 h cours Enseignant : H. Aissi Crdits ECTS 3 Pr-requis : Bibliographie : Bernard Roy, Mthodologie multicritre d'aide la dcision, Economica (1985) Philippe Vincke, L'aide multicritre la dcision, Ellipses Marketing, 1998.

ID09-Applications de la Recherche oprationnelle

Objectifs : Le but de ce cours est d'introduire des modles de recherche oprationnelle et d'tudier leurs applications pour rsoudre des problmes d'optimisation issus de diffrents domaines : la production, les tlcommunications, le transport, ... Le cours sera en grande partie bas sur des tudes de cas. L'accent sera mis sur la modlisation et la rsolution algorithmique. Contenu : Problmes de topologie, de routage et de transport dans les rseaux. Problme d'affectation. Problmes de production. Applications en bioinformatique. Problmes de localisation Volume horaire 12 h cours Enseignant : A.R. Mahjoub Crdits ECTS 1,5 Pr-requis : Bibliographie :

+Programmation par contraintes

Objectifs : Ce cours vise introduire les concepts fondamentaux de la programmation par contraintes et tudier la rsolution de problmes combinatoires l'aide de la programmation par contraintes Contenu : Modlisation et rsolution de problmes l'aide de la programmation par contraintes : intrt de la programmation par contraintes, exemples, types de contraintes, principaux algorithmes et heuristiques de rsolution. Utilisation du logiciel professionnel OPL Studio Volume horaire 12 h cours Enseignant : V. Gabrel Crdits ECTS 1.5 Bibliographie : K. Marriott and P.J. Stuckey, Programming with Constraints: An Introduction, The MIT Press, 1998

ID10-Modlisation multidimensionnelle et management de la performance.

Contenu : Partie Modlisation multidimensionnelle

Objectif : Acquerir les notions de base relatives l'acquisition, l'intgration, la modlisation et au traitement de donnes multidimensionnelles. Plan : Introduction et dfinition d'un entrept de donnes, Architecture fonctionnelle, Modlisation conceptuelle, Alimentation, Stockage, gestion et exploitation de l'entrept.

programme 2011-2012

Rfrence : "Data Warehouse Design: Modern Principles and Methodologies" de Mattaeo Golfarelli et Stefano Rizzi, 2009, Ed : Osborne/McGraw-Hill.
Partie Management et Mesure de la performance

Objectif : Disposer dune vue prcise de lEnterprise Performance Management, discipline intgrant, au sein dun mme projet, la mesure de la performance et linformatique dcisionnelle. Les tudes menes par les organismes indpendants considrent ce secteur comme hyperporteur. Quels en sont les acteurs ? Quelles sont les briques logicielles concernes ? Quel positionnement dans la cartographie applicative des entreprises ? Plan : - Les fondamentaux du pilotage : finalits, domaines et dpartements concerns. Processus EPM. Fonctions et profils concerns. - Description dune solution type pour chaque processus - Acteurs cl du march de lEPM : Editeurs et intgrateurs - Description dun projet EPM type - Evolution de carrire pour un spcialiste EPM Bibliographie : pour une introduction, lire linformatique dcisionnelle SANDOVAL Libraire Eyrolles.
Volume horaire 24 h cours Enseignants : E. Ngre et C. Roman Crdits ECTS 3 Bibliographie

ID11-Data excellence et Master Data Management.

Objectifs : Lobjectif du cours Data Excellence et Master Data Management est lenseignement de la mthodologie Data Excellence Framework DEF incluant les concepts, mthodes, processus, organisation et systme permettant la mise en place du systme assurance qualit et gouvernance des donnes au sein des entreprises et organisations dune part, ainsi que des concepts, techniques et conduite des projets de mise en place des systmes de gestion des donnes de rfrence dits MDM ou Master Data Management d'autres part. Contenu : La partie relative la mthodologie DEF se dcompose en 5 volets : Principes et concepts. Gestion des exigences mtier et de la qualit des donnes. Le calcul de limpact et valeur des donnes travers les indicateurs cls de valeur (KVI). La structure organisationnelle et fonctionnelle de gouvernance de la data excellence. Le processus damlioration continue de la data excellence. Les systmes et plateforme de gouvernance de qualit et de gestion des donnes. La parte relative au MDM se dcompose en 5 volets : Principes et concepts, impacts du secteur d'activit (Banque / Assurance, Manufacturing, Distribution). Evolution du MDM et tendances venir. Gouvernance : organisation, processus et outils. Technologies et mise en oeuvre. Facteurs clefs de succs et retours d'exprience (intervention client, conseil et diteur). A la fin du cours les tudiants auront les bases et connaissances ncessaires la conduite et mise en place des projets Gouvernance, Qualit et Gestion des donnes de rfrence (Master Data Management). Volume horaire 24 h cours Enseignant : W. El Abed et M. Daverat Crdits ECTS 3

10

programme 2011-2012