1 – Du Décisionnel au Big Data, au cœur de l’évolution des systèmes décisionnels

• L’impact de l’économie des données sur le système décisionnel : une opportunité extraordinaire de créer de la valeur
• Data Warehouse, Data Lake, Data Marts et Big Data : objectifs et rôles respectifs au sein du SID
• De la BI à la Data Science : données In-Memory, temps réel, Embedded BI, NoSQL, Hadoop, Internet des objets, analyse prédictive
• Études de cas – Présentation de systèmes décisionnels nouvelle génération dans de nombreuses industries

2 – Nouvelle architecture du Système d’Information décisionnel, du reporting à l’analyse prédictive

• Du reporting à la Business Process Intelligence
• Valoriser les données pour optimiser les processus métier : intégrer les objectifs stratégiques dans le projet décisionnel
• Intégrer la confidentialité des données personnelles et les contraintes du RGPD dès la conception de votre SID
• Les bases de l’architecture d’un système décisionnel
• Modèle centralisé ou modèle fédéral : choix technique et de gouvernance
• Augmenter l’autonomie des métiers : concept de « Data Driven Design » (DDS) et de « Data as a Product » (DaaP)
• Les principaux schémas d’architecture d’un SID
• L’hébergement du système décisionnel : on-premise, cloud, edge, hybride

3 – La plate-forme Data : Data Warehouse / Data Lake / Data Fabric / Data Hub

• Les outils d’intégration de données
• Le Système de Gestion de Base de Données : architectures techniques
• Le Système de Gestion des Données non Structurées ou Multi-structurées
• Outils de restitution
• Outils traditionnels : Query et Reporting, Ad Hoc Analysis, Cubes OLAP,…
• Nouveaux outils de BI agile / Self service BI : Évolution du rôle du département informatique – Industrialiser une solution de BI agile

4 – Modéliser les informations destinées à l’aide à la décision

• Objectifs de la modélisation
• Modélisation en étoile / flocon – Lien entre modélisation des données et modélisation d’entreprise
• Garantir la fiabilité des consolidations (DQM)

5 – Le portail décisionnel

• Construire et outiller son portail d’accès aux données décisionnelles

6 – De l’intelligence artificielle à l’intelligence augmentée

• Explication des termes utilisés : machine learning, deep learning, predictive analytics…
• Construction du modèle d’apprentissage
• Présentation de cas pratiques d’automatisation de l’analyse de données

7 – MDM et Gouvernance : comment les intégrer dans le projet décisionnel

• Gouvernance des données et catalogue des données
• Le Master Data Management : ce qu’il englobe, comment le mettre en place
• Conformités

8 – La mise en œuvre du projet décisionnel

• Étude préalable et facteurs clefs de succès – Groupe de projet – De l’expression des besoins à la modélisation
• Le déploiement au-delà du projet pilote – Industrialisation du système décisionnel (du DevOps au DataOps)

9 – Valorisation des données

• Méthodes actuelles et futures de valorisation des actifs immatériels
• Évaluer l’impact carbone du système décisionnel (démarche RSE)