AccueilChoisir ma formationPar discipline

Business Intelligence (2) - Visualisation et Valorisation

Code UE : NFE212-PAR

  • Cours
  • 6 crédits
  • Volume horaire de référence
    (+ ou - 10%) : 50 heures

Responsable(s)

Faten ATIGUI

École du numérique et de l'IA

Public, conditions d’accès et prérequis

Avoir suivi l'UE NFE211 "Business Intelligence (1) – Data Warehouse " 
OU 
possession de connaissances ou d'expérience ou d'un diplôme ou d’une unité d'enseignement sur la Business intelligence et les data warehouses

L'avis des auditeurs

Les dernières réponses à l'enquête d'appréciation pour cet enseignement :

Présence et réussite aux examens

Pour l'année universitaire 2023-2024 :

  • Nombre d'inscrits : 33
  • Taux de présence à l'évaluation : 70%
  • Taux de réussite parmi les présents : 78%

Objectifs pédagogiques

Cette UE (NFE212) est normalement la suite de l’UE NFE211 « Business Intelligence (1) – Data Warehouse ». NFE211 donne les compétences pour élaborer une chaine décisionnelle fondée sur un Data Warehouse, et focalise sur la partie alimentation du Data Warehouse.  NFE212 focalise sur la partie exploitation et analyse des données du Data Warehouse. Ainsi l’auditeur acquière  une maîtrise complète du processus, tant du point de vue intégration des données que du point de vue analyse des données.
Mais NFE212 peut aussi bien être suivi sans avoir fait le NFE211, il donne dans ce cas des compétences sur l’exploitation des données massives (Data Science).
L’objectif de cette UE est de voir les deux sortes d’approches permettent l’analyse des données à des fins décisionnelles :
  • Les outils descriptifs, tels les outils de reporting OLAP et les outils de visualisation, qui permettent au décideur d’avoir une vision synthétique ou dynamiquement plus détaillée par un système de zoom ;
  • L’analyse explicative et prédictive, qui fait largement appel à l’intelligence artificielle. Les données sont analysées et intelligemment classées ou transformées en modèles de prédiction.

Compétences visées

1. Visualisation des données structurées ou massives (OLAP / Dataviz)
  • Manipuler l’algèbre multidimensionnelle pour naviguer dans les cubes (drill-down / roll-up, Cube, etc.).
  • Construire des rapports et tableaux de bord OLAP (reporting, indicateurs, filtres, axes d’analyse, vues comparatives).
  • Concevoir des visualisations pertinentes (choix de graphiques, encodages visuels, lisibilité, bonnes pratiques dataviz).
  • Déployer des dashboards dans Power BI et/ou Tableau : connexion aux sources, préparation des données, création de mesures/indicateurs, interactions (filtres, drill-through), publication/partage.
2. Valorisation des données & intelligence prédictive
  • Appliquer des techniques de data mining : segmentation, détection de profils, règles d’association, scoring.
  • Construire des modèles prédictifs (régression, classification) et choisir les métriques adaptées (RMSE/MAE, accuracy, précision/rappel, F1, AUC, matrice de confusion).
  • Mettre en œuvre l’apprentissage supervisé et non supervisé : sélection d’algorithmes, réglage d’hyperparamètres, validation croisée, prévention du surapprentissage.
  • Comprendre et prototyper des modèles de deep learning : réseaux de neurones, notions d’architecture, entraînement, régularisation, interprétation de performances.
  • Produire une analyse reproductible en R et Python (RStudio / notebooks), avec code structuré, traçabilité des transformations, visualisations et restitution des résultats.

Mots-clés

Contenu

Visualisation des données structurées ou massives
  • Algèbre multidimensionnelle
  •  Langage d’interrogation MDX 
  • Outils de reporting OLAP
  • Outils de visualization (Dataviz)
  • Technologies : Power BI et/ou Tableau Software 
Valorisation des données, intelligence prédictive
  • Fouille de données 
  • Fouille de textes 
  • Analyse prédictive  
  • Apprentissage supervisé ou non supervisé (Machine learning)
  • Apprentissage profond et réseaux de neurones (Deep Learning and Neural Networks)
  • Technologies : Data science avec R, R-Studio et Python 
 

Modalité d'évaluation

Examen final sur table 

Bibliographie

    Cette UE apparaît dans les diplômes et certificats suivants

    Contact

    EPN05 - Informatique
    292 rue saint Martin 33.1.13B
    75003 Paris
    Tel :01 40 27 22 64
    Florian Gau

    Centre(s) d'enseignement proposant cette formation

    • Paris
      • 2025-2026 2nd semestre : Formation ouverte et à distance (FOAD)
      Comment est organisée cette formation ?
      2025-2026 2nd semestre : Formation ouverte et à distance

      Dates importantes

      • Période des séances du 02/02/2026 au 06/06/2026
      • Période d'inscription : du 02/06/2025 à 10:00 au 06/03/2026 à 18:00
      • Date de 1ère session d'examen : la date sera publiée sur le site du centre ou l'ENF
      • Date de 2ème session d'examen : la date sera publiée sur le site du centre ou l'ENF

      Précision sur la modalité pédagogique

      • Une formation ouverte et à distance (FOAD) est une formation dispensée 100% à distance, qui peut être suivie librement, à son rythme.
      • Regroupements physiques facultatifs : Aucun

      Organisation du déploiement de l'unité

      • Délai maximum de réponse à une solicitation : sous 96 heures (Jours ouvrés)

      Modes d'animation de la formation

      • Organisation d'une séance de démarrage
      • Evaluation de la satisfaction
      • Hot line technique

      Ressources mises à disposition sur l'Espace Numérique de Formation

      • Documents de cours
      • Bibliographie et Webographie