> Formations > Technologies numériques > Intelligence Artificielle, Big Data > IA, Machine Learning, analyse de données > Formation Business Analyst, bootcamp (5 mois) (Titre RNCP) > Formations > Technologies numériques > Formation Business Analyst, bootcamp (5 mois) (Titre RNCP)
Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Business Analyst, bootcamp (5 mois) (Titre RNCP)

by DataScientest

Business Analyst, bootcamp (5 mois) (Titre RNCP)

by DataScientest


New

Devenez expert en analyse de données afin d'améliorer les processus, les produits ou les services. Un Business Analyst (BA) est un professionnel qui joue un rôle clé dans les organisations en agissant comme un pont entre les équipes techniques et les départements métier. Cette formation certifiante se déroule à distance dans un format hybride mêlant temps d’échanges synchrones avec un formateur expert, exercices pratiques et modules E-learning. Basée sur la pédagogie Learning By Doing, vous réaliserez un projet fil rouge en équipe afin de mettre en pratique vos connaissances. Lors de votre inscription, vous serez rattaché à l’une des promotions Datascientest. A l’issue de cette formation, vous obtiendrez un certificat « Data Analyst » des Mines Paris- PSL Executive ainsi que la certification RNCP de niveau 7 “Manager en data marketing” délivrée par l’INSEEC MSc et enregistrée au RNCP sous le n°RNCP39591. Contactez-nous dès maintenant pour connaître les prochaines dates !


Catalogue
Sur mesure

Formation en ligne

Réf. 3AY
Prix : Nous contacter
Langue : FR




Devenez expert en analyse de données afin d'améliorer les processus, les produits ou les services. Un Business Analyst (BA) est un professionnel qui joue un rôle clé dans les organisations en agissant comme un pont entre les équipes techniques et les départements métier. Cette formation certifiante se déroule à distance dans un format hybride mêlant temps d’échanges synchrones avec un formateur expert, exercices pratiques et modules E-learning. Basée sur la pédagogie Learning By Doing, vous réaliserez un projet fil rouge en équipe afin de mettre en pratique vos connaissances. Lors de votre inscription, vous serez rattaché à l’une des promotions Datascientest. A l’issue de cette formation, vous obtiendrez un certificat « Data Analyst » des Mines Paris- PSL Executive ainsi que la certification RNCP de niveau 7 “Manager en data marketing” délivrée par l’INSEEC MSc et enregistrée au RNCP sous le n°RNCP39591. Contactez-nous dès maintenant pour connaître les prochaines dates !


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
Concevoir et déployer la stratégie marketing data-driven de l’entreprise.
Mettre en œuvre les projets data en mode agile pour accompagner la transformation.
Piloter la stratégie de collecte, de nettoyage et d’analyse des données de l’entreprise.
Valoriser la donnée, proposer des recommandations et accompagner la prise de décision.

Public concerné
Toutes les personnes ayant une appétence pour la data souhaitant se reconvertir ou faire évoluer ses compétences.

Prérequis
Un diplôme ou un titre de niveau bac+3 ainsi qu'un bon niveau en mathématiques.
Pour les candidats ne présentant pas le niveau de qualification requis, une dérogation est possible sur dossier.

Certification
Pour clôturer la formation, l’équipe pédagogique évaluera le projet fil rouge de l’apprenant à l’aide d’un rapport écrit et d’une soutenance à distance. La validation des compétences développées au cours de la formation Machine Learning Engineer vous permettra d’obtenir : • Un certificat de l'École des Mine Paris - PSL Executive Education • La certification RNCP de niveau 7 “Manager en data marketing” délivrée par l’INSEEC MSc et enregistrée au RNCP en date du 02- 10-2024 sous le n°RNCP39591.

Méthodes et moyens pédagogiques
Activités digitales
Cours et exercices en ligne, masterclass collective, séances de questions/réponses, classes de soutien, accompagnement par mail, projet fil rouge, coaching carrière individualisé, social learning.
Tutorat
Un formateur expert accompagne l’apprenant tout au long de sa formation. Il échange régulièrement avec lui sur son projet fil rouge et l’accompagne lors de points de mentorat (individuel). Plusieurs formateurs animent également les différentes masterclass (classes collectives) et répondent aux questions des apprenants à tout moment depuis un forum dédié. En complément, de nombreuses séances de questions-réponses peuvent être organisées pour aider les apprenants.
Pédagogie et pratique
Lors de l’inscription, l’apprenant est affecté à une promotion (dates à définir lors de l’inscription) et reçoit son calendrier de formation. Le parcours de formation est découpé en « Sprint » de plusieurs semaines sur une thématique dédiée. Chaque semaine l’apprenant est convié à un temps d’échange avec le formateur qui se présente sous la forme de masterclass (classe collective) ou de points de mentorat (individuel). Pendant 80% du temps, l’apprenant travaille en autonomie sur la plateforme d’enseignement. Tous les modules intègrent des exercices pratiques permettant de mettre en œuvre les concepts développés en cours. L’apprenant doit également travailler en binôme ou trinôme sur un projet fil rouge tout au long de la formation. Cela lui permettra de développer et faire reconnaître ses compétences. En complément, des événements et ateliers thématiques sont régulièrement proposés pour permettre aux apprenants de découvrir les dernières innovations en matière de Data Science. Afin de suivre efficacement la formation, nous estimons le temps travail nécessaire entre 35 et 40 heures par semaine.

Programme de la formation

1
Introduction au Data Marketing

  • La data en entreprise : métiers de la data, concept et pipeline de données, prises de décisions autour des données.
  • Formes de consommation de la data : DataViz, storytelling de la data, acculturation data (AI, machine learning...)
  • Fondamentaux de la Data Architecture : structure et type de données, databases, OLTP, OLAP, stockage, ELT vs ETL.

2
IA, Growth hacking & marketing automation

  • IA & Growth Hacking : scraping et automation, ChatGPT, IA et automatisation.
  • Prise en main de Copilot et Dall-E : outils, distinction Bot/Agent, bonnes pratiques de génération d'images.
  • Réglementation IA et Inclusivité : RGPD, IA Act, sécurité des données et accessibilité.
  • Voiceflow, création d’un chatbot (optionnel) : interface et fonctionnalités, exemple de chatbot, mise en pratique.
  • CRM & marketing automation avec Hubspot : centralisation et organisation des données, marketing automation.
  • Automatisation de la création de contenus avec Zapier : exploration d'interfaces, workflows et réseaux sociaux.
  • Automatisation de la création de contenus avec Make : contenus adaptés aux personnes en situation de handicap.

3
Tracking & analyse de données

  • Google Analytics 4 : Prise en main, différence avec Universal Analytics, principaux rapports, attribution-contribution.
  • Les fondamentaux du tracking : initiation HTML / CSS, tracking, pixel et matomo.

4
Principales sources d’acquisition

  • Les clés de l'Acquisition de Trafic : SEO, Paid média, Inbound Marketing.
  • Social media : publicité sur les réseaux sociaux, stratégie de contenu sur les réseaux sociaux.
  • SEA avec Google Ads : Paid Search Google Ads.
  • Stratégie Marketing : diagnostic stratégique, objectifs et KPIs, plan et évaluation, choix stratégiques.

5
Data Visualisation & Business Intelligence

  • Looker Studio : connexion à des sources de données, tableau de bord, fonctionnalités avancées.
  • Power BI (optionnel) : Business Intelligence, introduction Power BI, Power Query, langage DAX, visualisation, sécurité.

6
Web design et Réglementation

  • RGPD et éthique : concept, anonymisation et pseudonymisation.
  • UX/UI Design : wireframes, maquettes et prototypes interactifs, bonnes pratiques.

7
Programmation avec Python

  • Fondamentaux de Python : variables, listes et tuples, opérateurs et structures, boucle, types, fonctions, classes.
  • NumPy : NumPy Array, opérations matricielles, indicateur statistique et applications.
  • Pandas : exploration d'un jeu de données, Data Cleaning, Data Processing.

8
Data Visualisation

  • Matplotlib : types de graphes, personnalisation de graphiques.
  • Complément Matplotlib (optionnel) : graphiques avancés, figures avec classes et objets.
  • Seaborn : analyse de distribution, statistique et multivariée.
  • Bokeh (optionnel) : graphiques interactifs et intégrables sur pages Web.
  • Plotly (optionnel) : graphiques interactifs et intégrables sur pages Web.

9
Database / Big Data

  • Langage SQL : requêtes, types de jointure, requêtes imbriquées.
  • Fondamentaux des APIs de données : utilisation d'une API, formatage d'une API.
  • Théorie fondamentale de l’intégration des données (optionnel) : bases de données relationnelles, modélisation, schémas.

10
Business Intelligence

  • Power BI : connexion aux sources de données, Power Query, modélisation, langage DAX, tableau de bord approfondi.
  • Google Sheets & Excel : fonctionnalités de base, graphiques.
  • Business Intelligence : introduction à la BI.
  • Looker Studio (optionnel) : connexion aux sources de données avec Looker Studio, tableau de bord.
  • Tableau (optionnel) : connexion aux sources de données, mise en forme, fonctionnalités avancées.

11
Data Visualisation avancée

  • L’art du Storytelling : analyse d'un jeu de données et interprétation.
  • Streamlit : webapp avec Python, graphes et widgets interactifs, API de Data Storytelling.
  • Dash (optionnel) : conception de dashboards avec graphiques interactifs, filtres et menus déroulant.

12
Bases de données avancées

  • SQL Avancé : jointures usuelles et exotiques, fonctions d'agrégations, sélection en aval.
  • Les bases du cloud pour l’analyste de données : concepts de base, rôle de l'analyse de données dans le cloud.
  • Snowflake (optionnel) : Data Warehousing, stockage et analyse de données SQL.

13
Web & Text Analytics

  • Text mining : expressions régulières, données textuelles, wordclouds, analyse de sentiments.
  • Prompt Engineering : IA générative, prompts et bonnes pratiques, Workflow et automatisation.
  • Web Analytics : performances du site, rapports personnalisés.
  • Web Scraping avec BeautifulSoup (optionnel) : langage web (HTML, CSS), extraction de contenu web, scrapping sur Google.

14
Machine Learning supervisé

  • Machine Learning Data Analyst : concepts, API Scikit-Learn, modèles linéaires, modèles Arbre, méthodologie.
  • Algorithmes et méthodologie de classification avec Scikit-Learn (optionnel) : boosting et Bagging, modèles.

15
Introduction au Data Product Management

  • Comprendre le rôle d’un DPM : contexte métier, historique, Product et Projet, responsabilités.
  • Méthode Agile : introduction, outils et méthodes, application à la Data, impact au sein de l'entreprise.
  • Les tâches d’un DPM : comprendre un besoin, proposer une solution, monitorer la réussite, alternative.
  • Gestion de projet : enjeux, modèles de gestion de projet, conduite du changement.

16
Data Gouvernance

  • Etude de cas : besoins client, création de solution digitale, erreurs stratégiques, propositions de solutions.
  • RGPD et Éthique : contexte Data, anonymisation et pseudonymisation.

17
Chefferie de Projet

  • Projet de fin de formation : product strategy, product discovery, product delivery.


Solutions de financement
Plusieurs solutions existent pour financer votre formation et dépendent de votre situation professionnelle.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.