Le Data Scientist : enjeux du profil, impacts sur les organisations

Dimension: px
Commencer à balayer dès la page:

Download "Le Data Scientist : enjeux du profil, impacts sur les organisations"

Transcription

1 Non Confidentiel Confidentiel Le Data Scientist : enjeux du profil, impacts sur les organisations Programme : MASTERE Grenoble ( ) Année : EA - Session de programme : Mission Thèse Nom de l'étudiant : Pougnard Raphaël Nom du tuteur / évaluateur : Pigni Federico A renseigner s'il s'agit d'une alternance: Nom de l'entreprise : CGI Ville : Grenoble Pays : France Fonction occupée durant le stage : Consultant en Business Intelligence Résumé informatif de la mission : Les données sont des actifs que les organisations devront recentrer dans les processus décisionnels stratégiques et opérationnels pour saisir de nouvelles opportunités, mieux connaitre leur marché et mieux se connaitre ellesmêmes. Ces activités nouvelles font appel à des ressources techniques, technologiques, mais surtout humaines inédites. Nouveau métier peu connu et mal défini, le Data Scientist a potentiellement de forts impacts sur l avenir de l entreprise. Quelles missions rentrent dans son champ d action? Quelles compétences techniques, business et humaines doit il avoir? Quel est son rôle vis-à-vis du reste de l entreprise? Où se place-t-il dans l organisation? A quel moment les entreprises devraient-elle le recruter? Quel management adopter pour des projets si transverses? Par une analyse lexicale d offres d emploi, des entretiens avec des professionnels du secteur, et des études de cas, cette thèse définit le profil complexe du Data Scientist. Le recueil d informations selon six axes, son analyse, et les conclusions nous ont permis de tirer des recommandations pratiques sur les missions stratégiques qu il aura à mener ; à mieux définir ses interactions avec les métiers et la DSI ; à cerner les compétences, savoirs, et savoirs-être qu il devra avoir; à décider d un modèle de placement selon la chaine de valeur de l organisation ; à préciser le tempo dans lequel l entreprise doit investir ; et à émettre des conseils sur les méthodologies à utiliser. Mots-clés principaux décrivant la mission INFORMATIQUE - ANALYSE INFORMATIQUE SCIENCE DU MANAGEMENT - AIDE A LA DECISION MANAGEMENT - MANAGEMENT TECHNOLOGIQUE TRAITEMENT DE L'INFORMATION - ANALYSE DE L'INFORMATION

2 CGI & GRENOBLE ECOLE DE MANAGEMENT Etude de cas : TOTAL MARKETING & SERVICES Le Data Scientist : enjeux du profil, impacts sur les organisations Thèse Professionnelle de Mastère spécialisé en Management Technologique et Innovation Raphaël Pougnard 04/12/2014 2

3 INTRODUCTION RESUME Les données sont des actifs que les organisations devront recentrer dans les processus décisionnels stratégiques et opérationnels pour saisir de nouvelles opportunités, mieux connaitre leur marché et mieux se connaitre elles-mêmes. Ces activités nouvelles font appel à des ressources techniques, technologiques, mais surtout humaines inédites. Nouveau métier peu connu et mal défini, le Data Scientist a potentiellement de forts impacts sur l avenir de l entreprise. Quelles missions rentrent dans son champ d action? Quelles compétences techniques, business et humaines doit il avoir? Quel est son rôle vis-à-vis du reste de l entreprise? Où se place-t-il dans l organisation? A quel moment les entreprises devraient-elle le recruter? Quel management adopter pour des projets si transverses? Par une analyse lexicale d offres d emploi, des entretiens avec des professionnels du secteur, et des études de cas, cette thèse définit le profil complexe du Data Scientist. Le recueil d informations selon six axes, son analyse, et les conclusions nous ont permis de tirer des recommandations pratiques sur les missions stratégiques qu il aura à mener ; à mieux définir ses interactions avec les métiers et la DSI ; à cerner les compétences, savoirs, et savoirs-être qu il devra avoir; à décider d un modèle de placement selon la chaine de valeur de l organisation ; à préciser le tempo dans lequel l entreprise doit investir ; et à émettre des conseils sur les méthodologies à utiliser. 3

4 REMERCIEMENTS Je tiens tout d abord à remercier Federico Pigni, directeur de cette thèse. Par sa passion et son dévouement, il m a permis de prendre la hauteur nécessaire à la rédaction de ce document tout en m alimentant par sa méthode, son savoir pour ne pas me laisser dérailler. Je tiens aussi particulièrement à remercier François Blondel, mon manager, qui a su me lancer, me faire réfléchir, m aiguiller et m encourager, tout en me laissant libre de développer ma pensée, ma maturité et la confiance nécessaire à l accomplissement d un tel travail. Je tiens à remercier mes responsables, Renaud Cochet et Thibaut Reboullet qui m ont permis de travailler à CGI, et d évoluer dans un environnement propice au développement des compétences managériales, et de l esprit d innovation nécessaire dans ce monde extrêmement mouvant. Sans compter leurs encouragements et leur participation à cette thèse qui m ont permis de capitaliser autour de la valeur qui y est injectée. Je voudrais également remercier mon client, Arnaud Thomas, pour sa participation, ses encouragements et son énergie. Merci de m avoir laissé libre de participer à des sujets sur lesquels je n étais pas nécessairement impliqué. Je tiens à remercier chacun des membres, un par un, des équipes TOTAL à Grenoble et Lyon qui m ont entouré depuis plus d un an. Ils m ont permis de m intégrer et d apprendre dans la bonne humeur et m ont laissé prendre le temps de bien faire les choses. En particulier Chloé, pour son aide dans l alimentation de la revue de littérature, et Gaël, qui a su m éclairer dans l obscurité des soirées de travail. Enfin, je remercie ma famille et mes amis pour leur aide et leur soutien indéfectible. 4

5 TABLE DES MATIERES TABLE DES MATIERES Introduction... 3 Résumé... 3 Remerciements... 4 Table des matières... 5 Introduction (Thématique)... 7 Un nouveau paradigme à saisir pour le business... 7 Les difficultés techniques connues et adressées... 7 Des difficultés managériales encore floues... 8 Lien entre le sujet choisi et la mission en entreprise... 9 Partie Thèse...10 Methodologie...10 Présentation de la méthodologie...10 Le modèle...10 Recueil d informations Pour alimentation du modèle...13 Offres d emploi...13 Entretiens...19 Etudes de cas...26 Vue globale...31 Analyse...33 Synthèse du recueil d informations...33 Missions...33 Caractéristiques...34 Rôle...35 Placement...36 Quand...37 Comment...38 Partie conclusive

6 Discussion / Conclusion...40 Apports théoriques...40 Limites théoriques...41 Limites méthodologiques...41 Pistes de prolongement...41 Annexes...43 Analyse lexicale complète...43 Interviews...47 Renaud Cochet...47 Thibaut Reboullet...50 Arnaud Thomas...53 Références

7 INTRODUCTION (THEMATIQUE) UN NOUVEAU PARADIGME A SAISIR POUR LE BUSINESS La révolution des données est en marche : avec 12 Milliards d objets connectés et une augmentation de 90% de la quantité de données stockées ces deux dernières années 1, le monde entier est en passe d être mis en données. Ces objets et enregistrements ne sont rien d autres que des représentations de l activité humaine. On sous-estime certainement encore les possibilités offertes par leur analyse, afin de comprendre, cerner, détecter et prévoir les comportements d un groupe ou d un individu en particulier. D un autre côté, les progrès quasi exponentiels des capacités informatiques de stockage, de calcul et de mise à disposition permettent de traiter ces données et de les restituer aussi bien à un consommateur, qu à un professionnel n importe où, n importe quand, en quasi temps-réel. Vu au travers du prisme de l entreprise, cette révolution est un point d inflexion stratégique qui créé des risques, menaces, mais surtout qui produit des opportunités semblables à celles des innovations de rupture les plus importantes. Quatre types de stratégies clients «datadriven» sont exacerbés par cette nouvelle donne : réduire les coûts ; recruter des clients ; récompenser la fidélité ; personnaliser l expérience 2. Recruter des clients par une stratégie data-driven, c est le service qu offre Google avec Adwords à toutes les entreprises. En parallèle, quatre axes de valorisation en temps réel pour l entreprise sont maintenant accessibles : détection; visibilité de masse; expérimentation ; coordination 3. Par exemple, Starbucks, lors du lancement d un nouveau produit, a pu analyser l accueil que lui ont réservé ses consommateurs sur Twitter. Ainsi, il a pu être détecté un désamour du consommateur pour le nouveau café, et cerné que ce problème venait du prix. Dès le lendemain, Starbucks a adapté ce prix et le lancement fut un succès. 4 Chez ThyssenKrupp, avec l aide de CGI, la décision de connecter et d analyser l ensemble de l activité de leurs ascenseurs a été prise. Grâce à des modèles prédictifs d usure de leurs pièces, ils peuvent mettre en relief l utilisation de n importe quel ascenseur et prévoir les pannes ; ou bien encore, connaitre le problème dès qu il se produit. Ainsi ThyssenKrupp peut proposer un niveau de service d une valeur ajoutée supérieure par rapport à ses concurrents et peut optimiser son service de maintenance en réduisant les coûts engendrés. LES DIFFICULTES TECHNIQUES CONNUES ET ADRESSEES Pour atteindre ces possibilités, la réalité est remplie de défis. Des défis techniques et technologiques d abord. En effet, récupérer, stocker, transformer une quantité de données aussi grande qu hétérogène et déstructurée n est pas sans mal. Les schémas historiques du stockage ont été remis en cause et de nouvelles solutions ont été imaginées (Solutions NoSQL : MongoDB, Cassandra ou Redis). Il en va de même pour les transformations et traitements (Infrastructures distribuées ; Memtables). 5 7

8 Il a fallu sortir des schémas historiques des bases de données, dites relationnelles, afin de pouvoir distribuer le stockage et le traitement de ces données. La quantité n est d ailleurs pas le seul défi à gérer dans l approche, il y a aussi et surtout la richesse et l hétérogénéité des sources qui nous mettent face à des données déstructurées comme des textes, de la vidéo, des données sonores, en provenance du milieu de la santé, d un appareil mobile, ou d une caméra de vidéosurveillance 6 L approche centralisée du stockage doit maintenant faire de la place à un modèle de stockage qui s adapte au cycle de vie de la donnée et à sa complexité 7. Et même si aujourd hui il s agit de manager du contenu déstructuré, les plus avancées des entreprises aux stratégies data-driven font face à l étape suivante : quelles données tirer de ces milliards d appareils mobiles ou senseurs en général qui feront la valeur de nouveaux services, et nouvelles analyses, demain. DES DIFFICULTES MANAGERIALES ENCORE FLOUES Mais qui dit nouvelles techniques et technologies pose alors la question des nouveaux savoirs et savoir-faire nécessaires pour les mettre en place, les exploiter. Ce changement de paradigme demande aux professionnels de gérer le chaos avec de nouveaux profils et de nouvelles expertises 8, là où auparavant nous avions un milieu organisé. Comme énoncé plus haut, c est d abord un défi technique qu il faudra traiter avec le recrutement de profils experts. Bien que les solutions créées soient d une richesse et complexité importantes, les éditeurs et fournisseurs sont au rendez-vous. Reste alors à former des professionnels aux compétences adéquates. Mais la question n est pas seulement technique. Le traitement des données affecte directement la stratégie de l entreprise. Le problème de management est donc transverse et chamboule les modèles établis : une DSI et un métier travaillant avec des interfaces ; des projets souvent menés en cycle en V ; des compétences techniques et métiers imperméables entre les collaborateurs. On entrevoit alors le problème de management sur lequel il faudra que l entreprise tranche pour prendre le meilleur du point d inflexion stratégique le plus important depuis internet : Le Data Scientist est le nouveau métier consacré, central, et pivot d une révolution business en marche 9. Quelles compétences techniques, business, méthodologiques et humaines doitil avoir? Face à une problématique aussi technique que business, où doit-on placer ces compétences dans l entreprise? De quelle typologie de management, de gestion des interactions, et de quels processus doiton entourer ces compétences pour optimiser leur création de valeur et impact business? La structure et la culture de l entreprise devrait-elle être conduite vers le changement afin de mieux s adapter à cette donne? 8

9 LIEN ENTRE LE SUJET CHOISI ET LA MISSION EN ENTREPRISE TOTAL, 1 ère entreprise française du CAC40, 25 ème compagnie mondiale (Forbes) tous secteurs confondus, se divise en trois entités : une branche extraction ; une branche raffinage et chimie ; et une branche marketing et services. Cette dernière est un retailer de produits pétroliers et de services associés. Comme tout retailer, elle fait face aux enjeux de la fidélisation et de la montée en valeur des services fournis aux clients. Employé chez CGI depuis plus d un an, je fais parti d une structure innovante accolée à une TMA historique prenant en charge la maintenance du data warehouse de TOTAL Marketing & Service. Cette structure, BING (BI Next Generation) a pour objectif d accompagner TOTAL M&S dans le virage vers l entreprise numérique de demain assouplissant le cadre d une relation client fournisseur qui parfois peut entraver une agilité nécessaire dans le milieu incertain de l innovation. BING a été créé comme un laboratoire d innovation, un bac à sable permissif pour les expérimentations potentiellement créatrices de valeur. Dans ce cadre, j ai pu m intéresser à chacun des chaînons de la Business Intelligence générique : acquisition ; transformation ; restitution. Naturellement, l objectif était de coller aux besoins des métiers et d aller au-delà dans la montée en valeur lorsque c était possible. Un projet de segmentation client a permis d effleurer les problématiques qu un Data Scientist rencontrerait dans son installation et l exploitation des données dans une grande entreprise. 9

10 PARTIE THESE METHODOLOGIE PRESENTATION DE LA METHODOLOGIE Centrée sur le Data Scientist, il est nécessaire de comprendre l ensemble des facteurs influençant son action dans l environnement complexe de l entreprise. Le recueil d informations, l analyse, l émission d hypothèses et de réponses aux questions précédemment énoncées se font en mettant en perspective chacune de ces étapes avec la complexité de ce système. La première étape est donc de définir cet environnement en caractérisant chacun des éléments participants. Cette étape est en fait le choix d un modèle sur lequel est basée l étude. Ensuite, il est nécessaire de placer le Data Scientist dans ce système afin de comprendre quelles sont les influences autour de lui. Grâce à cela, il sera possible de construire un modèle centré sur le Data Scientist, entouré des éléments qui l influencent. D autre part, une des étapes cruciales de cette thèse est dans le recueil de données et informations tant qualitatives que quantitatives. Ces informations nécessitent d être organisées et classées pour faciliter leur analyse et leur réutilisation lors de l écriture d un recueil de recommandations. C est pour cette raison qu un système de classement en accord avec le premier modèle est réalisé. Cela permet, une fois le recueil terminé de revenir au premier système qui tient compte de toute la complexité de l environnement de l entreprise. LE MODELE Le Data Scientist, par sa technicité et les ressources qu il utilise, est fortement emprunté d un rôle IT tant par son champ d action que par ses compétences et les ressources dont il a besoin pour évoluer. De plus, le bouleversement des pratiques et des business models expliqué dans l introduction nécessitent des évolutions culturelles importantes qui vont de pair avec des contraintes sociales et sociologiques qu il faut donc intégrer. C est pour cette raison que le modèle de base retenu pour cette étude est celui proposé de manière générique dans le manuel «MIS Problems and Failures: A Socio-Technical Perspective» de Robert P. Bostrom and J. Stephen Heinen. 10

11 Process People Strategy Technology Structure Technical System Social Figure 1 : «MIS Problems and Failures: A Socio-Technical Perspective», Robert P. Bostrom and J. Stephen Heinen Ce système, centré sur la stratégie de l organisation, se divise en deux sous-parties dépendantes qui se différencient par leur nature. En effet le sous-système technique comprend les appareils, les outils et les techniques qui permettent de transformer de l entrée vers la sortie en améliorant la performance économique de l entreprise le plus efficacement possible. Le sous-système social quant à lui comprend tous les employés, les connaissances, les compétences, les attitudes, les valeurs et les besoins qu ils apportent au système. Cet axiome, nous permet d isoler le Data Scientist en son sein. Celui-ci est considéré comme une «Personne». Afin d étudier l entité «Data Scientist» il est nécessaire d en tirer un nouveau modèle centré sur lui, en l entourant des éléments du sous-système qui l alimentent ou le modifient. Structure People Strategic Goal Process Data Scientist Technology 11

12 Ce modèle d étude est donc une réinterprétation dérivée utilisant les mêmes éléments que le modèle retenu plus haut. Enfin, comme expliquer plus haut, l analyse du Data Scientist permet d alimenter le modèle ci-dessus. Ainsi, six axes d analyse du DS sont retenus : Missions Comment Caractéristiques Data Scientist Quand Rôles Placement 12

13 RECUEIL D INFORMATIONS POUR ALIMENTATION DU MODELE Comme expliqué dans l introduction, le Data Scientist est un nouveau métier. Son actualité et les écrits de valeur restent pauvres. Afin de mettre en lumière toutes les faces du prisme du sujet, le recueil d information fait appel à quatre sources : - Etude d offres d emploi - Interview - Etude de cas - Revue de littérature Ces quatre sources d informations permettent de mêler un recueil d informations qualitatives par les interviews, les études de cas, et la revue de littérature, avec un recueil d informations quantitatives grâce à l analyse des offres d emploi. De part la récence du sujet et la spéculation qui s est installée autour de celui-ci, il est important de récupérer les deux types d informations afin d éviter le piège d une mauvaise interprétation qualitative. Pour classer et analyser plus facilement les informations recueillies, voici la grille retenue pour alimenter les six axes d évaluation du Data Scientist : Axes de recherche Analyse Lexicale Interview 1 Interview 2 Interview 3 Etude de cas 1 Etude de cas 2 Missions Caractéristiques Rôle Placement Quand Comment Ces six axes se logeront ensuite dans un modèle logique basé sur le premier présenté et enrichi si besoin. OFFRES D EMPLOI Afin de mieux cerner les éléments qui constituent un Data Scientist, une analyse des offres d emploi proposées permet un recueil d information efficace et de mieux cerner les attentes des entreprises confrontées à ce nouveau rôle. Trois types de sources d offres sont retenus : - Sites de recherche d emploi généralistes 13

14 - Sites de recherche d emploi spécialisés dans les technologies de l information - Sites institutionnels d entreprises spécialisées dans l analyse de données Le mot clé cherché est «Data Scientist». En effet, il convient de faire la distinction entre le poste de Data Scientist, Data Miner ou BI Analyst. Type Sites retenus Nombre d annonces Sites de recherche d emploi généralistes Indeed, Monster, Apec 35 Sites de recherche d emploi spécialisés dans les technologies de l information LesJeudis, Jobtic 4 Sites institutionnels d entreprises spécialisées dans l analyse de données Amazon, Google, IBM, VMWare, Yahoo 39 TOTAL 78 La démarche de qualification des annonces ainsi récupérées a été réalisée grâce au logiciel NVivo. Le but est de compter les occurrences de mots afin de détecter les éléments communs entre les annonces et ainsi dégager des caractéristiques importantes du Data Scientist. L emploi de Data Scientist n est fait que par des entreprises qui sont suffisamment avancées pour le faire, d où la logique de cette démarche. Voici la retranscription des 150 mots les plus utilisés dans les annonces (mots de liaisons, ou jugés inutiles, exclus) : Mot Nombre Pourcentage pondéré (%) data 389 1,69 experience 171 0,74 business 132 0,57 research 131 0,57 learning 93 0,40 machine 84 0,36 work 79 0,34 skills 76 0,33 14

15 données 74 0,32 team 72 0,31 google 71 0,31 solutions 69 0,30 scientist 66 0,29 science 63 0,27 analytics 60 0,26 analysis 59 0,26 products 55 0,24 software 51 0,22 world 50 0,22 information 49 0,21 techniques 49 0,21 technologies 49 0,21 description 48 0,21 development 47 0,20 knowledge 47 0,20 yahoo 47 0,20 clients 46 0,20 large 46 0,20 product 46 0,20 degree 45 0,20 profil 45 0,20 computer 44 0,19 design 44 0,19 management 42 0,18 problems 42 0,18 qualifications 42 0,18 services 42 0,18 ability 41 0,18 modeling 41 0,18 statistical 41 0,18 strong 41 0,18 technology 41 0,18 engineering 40 0,17 systems 40 0,17 algorithms 39 0,17 mining 38 0,16 across 36 0,16 projects 36 0,16 python 36 0,16 statistics 36 0,16 votre 36 0,16 formation 35 0,15 marketing 35 0,15 related 35 0,15 scale 35 0,15 using 35 0,15 working 35 0,15 algorithmes 34 0,15 develop 34 0,15 teams 34 0,15 15

16 équipe 34 0,15 développement 33 0,14 poste 32 0,14 recherche 32 0,14 analytical 31 0,13 help 31 0,13 mobile 31 0,13 performance 31 0,13 scientific 31 0,13 user 31 0,13 java 30 0,13 statistiques 30 0,13 technical 30 0,13 environment 29 0,13 expertise 29 0,13 missions 29 0,13 outils 29 0,13 security 29 0,13 tools 29 0,13 labs 28 0,12 required 28 0,12 search 28 0,12 communication 27 0,12 organization 27 0,12 company 26 0,11 expérience 26 0,11 language 26 0,11 partners 25 0,11 place 25 0,11 reporting 25 0,11 high 24 0,10 société 24 0,10 analyzing 23 0,10 customers 23 0,10 including 23 0,10 intelligence 23 0,10 quality 23 0,10 responsabilités 23 0,10 understanding 23 0,10 apply 22 0,10 build 22 0,10 closely 22 0,10 drive 22 0,10 entreprise 22 0,10 hadoop 22 0,10 scientists 22 0,10 service 22 0,10 compétences 21 0,09 engineers 21 0,09 leader 21 0,09 model 21 0,09 opportunity 21 0,09 16

17 preferred 21 0,09 programming 21 0,09 quantitative 21 0,09 users 21 0,09 based 20 0,09 insights 20 0,09 like 20 0,09 status 20 0,09 time 20 0,09 academic 19 0,08 areas 19 0,08 committed 19 0,08 employment 19 0,08 fluent 19 0,08 location 19 0,08 mathématiques 19 0,08 methods 19 0,08 models 19 0,08 provide 19 0,08 vmware 19 0,08 applications 18 0,08 demonstrated 18 0,08 global 18 0,08 highly 18 0,08 matlab 18 0,08 modèles 18 0,08 nouveaux 18 0,08 online 18 0,08 participate 18 0,08 traitement 18 0,08 analyse 17 0,07 client 17 0,07 community 17 0,07 connaissances 17 0,07 content 17 0,07 create 17 0,07 Leur classement selon les 6 axes alimente l analyse et permet déjà de tirer des conclusions : Axe de recherche Missions Caractéristiques Rôle Placement informations business, products, clients experience, business, research, machine learning, team, analytics, software, world, techniques, technologies, clients, computer, management, design, modeling, statistical, engineering, systems, technology, algorithmique, data mining, python, marketing, développement, analytical, mobile, scientific, java, communication, langage R, reporting, hadoop, insights, mathématiques, matlab, leadership business, research, world business, products, across, marketing 17

18 Quand Comment Experience research, labs Cette analyse nécessite de prendre de la hauteur. Le comptage de mots sortis de leur contexte ne permet pas d avoir l entièreté du sens qui leur est attaché. Cependant, nous pouvons constater un champ lexical le plus souvent accolé à une annonce d emploi de Data Scientist. Les mots «business», «products» et «customers» (toutes langues confondues) nous conduisent logiquement vers un impact direct avec le cœur du métier de l entreprise. En effet, là où auparavant le service en charge des données pouvait arriver en support des fonctions qui sont en lien direct avec le marché, nous avons maintenant un métier de data scientist au plus proche du marché. Au niveau des savoirs, savoir-faire et savoir-être, l analyse lexicale est particulièrement pertinente puisqu elle fait ressortir des mots spécialisés dont le contexte importe peu. Le data scientist est avant tout un expert technique. Les mots «machine learning, analytics, software, techniques, technology, modeling, statistical, engineering, systems, algorithmique, data mining, Python, scientific, Java, langage R, Hadoop, mathématiques, Matlab» nous donnent une bonne vision de l étendue des compétences nécessaires et attendues dans l effectuation du métier d analyste de données. Nous avons donc un scientifique, mathématicien, statisticien, doté de très bonnes connaissances en développement informatique sur divers langage et qui doit être opérationnel sur les nouveaux frameworks et nouvelles plateformes big data. Ensuite, d un point de vue fonctionnel, le Data Scientist doit être armé pour faire bénéficier ses analyses d une bonne connaissance du «business» de l entreprise. Les mots «business, products et customers» nous y conduisent également naturellement. A partir de là, on entrevoit la difficulté d obtenir d une seule et même personne qu il soit un scientifique et un technicien pointu autant qu un professionnel du marché sur lequel son entreprise ou client évolue. Enfin, les qualités humaines attendues d un Data Scientist sont somme toute classiques pour un professionnel qui évolue transversalement dans l entreprise et à un niveau relativement élevé. Il doit être expérimenté, être doté d un bon leadership et d une très bonne capacité de travailler en équipe. Il doit également être doté d une intelligence managériale importante. D un point de vue méthodologique et placement dans l entreprise, les informations recueillies sont d une clarté moins franche. Cependant, sans risque, on peut admettre qu il effectuera un travail de «chercheur», ou du moins en mode «laboratoire» dans l entreprise. En connexion directe avec le «marketing» et de manière «transversale» («across»), sa mission portera sur des marchés internationaux («world»). En conclusion de cette analyse lexicale, on se rend bien compte de la complexité et de la richesse des caractéristiques techniques, fonctionnelles, méthodologiques, et de la personnalité d un Data Scientist. 18

19 ENTRETIENS Entouré de professionnels accessibles, experts, offreurs ou clients, je peux m appuyer sur leur vision des opportunités et contraintes nouvelles qui s ouvrent. Chacun avec leur prisme, ils ont une idée factuelle de ce que doit apporter un Data Scientist pour répondre à leurs besoins et à celui de leurs clients ou clients internes. LE QUESTIONNAIRE D ENTRETIEN Grâce à un questionnaire d entretien construit autour des 6 axes d analyse énoncés plus haut, il est possible de tirer la substantifique moelle des interlocuteurs interrogés. 1 Missionsd un Data Scientist (Pourquoi) Pourquoi les données changent la donne pour l entreprise dès aujourd hui et demain? De quels avantages l entreprise pourra-t-elle bénéficier? Pourquoi les compétences en entreprises sont insuffisantes actuellement? Pourquoi le rôle du Data Scientist va être prépondérant dans le traitement de la donnée? 2 Rôle (Qui) Comment définissez-vous le rôle du DS dans l entreprise? Comment définissez-vous le rôle du DS auprès de la DSI? Comment définissez-vous le rôle du DS auprès du Métier? 3 Caractéristiques (Quoi) Quelles compétences techniques attribuez-vous au DS? Quelles compétences métier attribuez-vous au DS? Quelles compétences «humaines» attribuez- vous au DS? 4 Placement dans l entreprise (Où) Sous quelle direction placeriez-vous le DS? Géographiquement dans l entreprise, où placeriez-vous le DS (dans quel service, sous quelle direction)? 5 A quelle étape de maturité de l entreprise (Quand) Quels sont les pré-requis que devraient remplir l entreprise avant de se doter d un DS? Comment juger si une entreprise devrait se doter d un DS? 6 Avec quels moyens (Comment) 19

20 Quel type fonctionnement recommanderiez-vous? (Typologie de management de projet) De quels process entoureriez-vous le DS s il devait y en avoir? Dans quelle mesure les entreprises devraient investir? 7 Ouverture Y a-t-il un point que nous n avons pas abordé qui vous semble important? THIBAUT REBOULLET Métier : Directeur Adjoint chez CGI Responsable Offre Business Intelligence et Big Data Responsable Practice Business Intelligence Expérience : 10 ans de Consulting en Business Intelligence Formation : Mastère spécialisé Grenoble Ecole de Management Ingénieur des SI Axes de recherche Missions Caractéristiques Rôle Informations - Mutation de l'avantage concurrentiel à avoir : connaissance du marché - Mieux comprendre les attentes - Informations plus précises et qui proviennent directement du marché - Informations qui arrivent plus rapidement - Parfois en temps réel - Changement de culture dans l'entreprise (centrée produit vers centrée marché) - Pour y parvenir nécessité d'avoir un nouveau profil technique et métier qui comprend le marché et le produit - Profil qui donne du sens aux données pour les transformer en informations Technologique : outils, statistique, algorithmique - DS spécialisé dans un secteur d'activité : expert métier - Compétence : Curiosité, sens de l'innovation, pas peur du changement, recherche de nouveautés, analytique, travail en équipe - Dépend des organisations : si entreprise qui commercialise un produit alors DS côté métier (4P), si entreprise qui commercialise un service (intangible) 20

21 alors côté DSI Placement Quand Comment - Sous le digital office ou le data officer porteur de la tranformation digitale de l'entreprise - à défaut, sous le directeur marketing - orienté moyen et long terme : au siège - C'est la stratégie d'entreprise qui dicte ce besoin - Dès que le besoin de transformer le business model est présent - Toutes les entreprises qui gagnent à connaitre le comportement du consommateur, maintenant - Cycles itératifs courts : 1 à 4 mois - Détection de l'opportunité jusqu'au test de l'algorithme : 1 à 3 mois Thibaut Reboullet, fort de ses 10 ans de consulting en Business Intelligence et de sa position actuelle à CGI a déjà dû effectuer la démarche intellectuelle déroulée pour ce sujet. Il a dû l effectuer de manière stratégique et opérationnelle afin d alimenter les offres, et les réponses aux clients pour le compte de CGI. Selon lui, nous sommes dans une mutation des avantages concurrentiels des entreprises. La connaissance de son marché sera prépondérante pour l entreprise dans son aptitude à proposer la bonne réponse à un besoin toujours plus spécialisé, spécifique et complexe. Les entreprises françaises auparavant focalisées sur le produit doivent maintenant s attacher à porter toute leur attention sur le marché. Face à des entreprises anglo-saxonnes qui culturellement étaient déjà plus attentives au marché et à tout ce qui gravite autour du produit, les entreprises françaises doivent surmonter le retard accumulé. Les données peuvent maintenant alimenter et enrichir cette démarche de connaissance du marché plus précisément et plus rapidement. Pour traiter ces nouvelles données, leur afflux plus rapide, et leur importance stratégique et marché, de nouveaux profils doivent être recrutés. Le Data Scientist doit être en mesure de combler cet appel d air. On entrevoit déjà la dimension technique et métier dont il doit être doté afin de transformer les données en informations. Thibaut Reboullet recommande que le Data Scientist soit un technicien expert d un métier et d un secteur d activité. Il devrait être spécialiste en statistique, algorithmique, et maitriser les outils permettant la modélisation des données. En outre, il doit être spécialisé dans un secteur d activité afin de comprendre précisément les facteurs d influence qui interagissent. C est une condition sine qua non sans laquelle il ne lui est pas possible de produire des analyses pertinentes ou d innover en sachant où et quoi chercher. Humainement, le Data Scientist doit être curieux, tourné vers l innovation tout en maîtrisant le changement, toujours apte à travailler en équipe et évidemment analytique. Son rôle est différent suivant si l entreprise commercialise un produit ou un service. Si l entreprise est sur un marché tangible (produit), le Data Scientist devrait être placé au plus proche du métier. A l inverse, si l entreprise évolue sur un marché intangible (service) le Data Scientist devrait être placé côté DSI. Thibaut Reboullet généralise ce placement en le 21

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE [Prénom Nom] Rapport sur le stage effectué du [date] au [date] Dans la Société : [NOM DE LA SOCIETE : Logo de la société] à [Ville] [Intitulé du

Plus en détail

LES INTERMEDIAIRES de l ASSURANCE. Etat des lieux et perspectives

LES INTERMEDIAIRES de l ASSURANCE. Etat des lieux et perspectives LES INTERMEDIAIRES de l ASSURANCE Etat des lieux et perspectives Contexte de l étude Plus de 30 000 courtiers et agents généraux en France sont au cœur des transformations en cours dans le secteur de l

Plus en détail

L innovation dans l entreprise numérique

L innovation dans l entreprise numérique L innovation dans l entreprise numérique Toutes les entreprises ne sont pas à l aise avec les nouvelles configurations en matière d innovation, notamment avec le concept d innovation ouverte. L idée de

Plus en détail

La dimension humaine du changement

La dimension humaine du changement La dimension humaine du changement Un triptyque indissociable : Responsabilité Engagement Performance Créateur de performance La dimension humaine du changement et les défis de l entreprise Gérer une forte

Plus en détail

Titre : La BI vue par l intégrateur Orange

Titre : La BI vue par l intégrateur Orange Titre : La BI vue par l intégrateur Orange Résumé : L entité Orange IT&L@bs, partenaire privilégié des entreprises et des collectivités dans la conception et l implémentation de SI Décisionnels innovants,

Plus en détail

Dispositifs. Évaluation. Des informations clés pour évaluer l impact de chaque session et piloter l offre de formation

Dispositifs. Évaluation. Des informations clés pour évaluer l impact de chaque session et piloter l offre de formation Dispositifs d Évaluation Des informations clés pour évaluer l impact de chaque session et piloter l offre de formation > Innovant : une technologie SaaS simple et adaptable dotée d une interface intuitive

Plus en détail

TABLEAU DE BORD : SYSTEME D INFORMATION ET OUTIL DE PILOTAGE DE LA PERFOMANCE

TABLEAU DE BORD : SYSTEME D INFORMATION ET OUTIL DE PILOTAGE DE LA PERFOMANCE TABLEAU DE BORD : SYSTEME D INFORMATION ET OUTIL DE PILOTAGE DE LA PERFOMANCE INTRODUCTION GENERALE La situation concurrentielle des dernières années a confronté les entreprises à des problèmes économiques.

Plus en détail

La gestion de la clientèle pour le commerce et l artisanat : vos clients et leurs besoins

La gestion de la clientèle pour le commerce et l artisanat : vos clients et leurs besoins Qu une entreprise cherche à s adapter à son environnement et/ou à exploiter au mieux ses capacités distinctives pour développer un avantage concurrentiel, son pilotage stratégique concerne ses orientations

Plus en détail

Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON

Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON L analytique joue un rôle désormais primordial dans la réussite d une entreprise. Les pouvoirs qu elle délivre sont incontestables, cependant

Plus en détail

Transformation digitale et communication interne

Transformation digitale et communication interne Transformation digitale et communication interne Présentation des résultats de l enquête en ligne Novembre 2015 Sommaire 1 2 3 4 Profil des répondants et de leur organisation Position et rôle : perception

Plus en détail

L ORGANISATION SOCIALE DE L ENTREPRISE

L ORGANISATION SOCIALE DE L ENTREPRISE 1 L ORGANISATION SOCIALE DE L ENTREPRISE Métiers opérationnels et fonctionnels Définition d une structure 2 «la structure de l organisation est la somme totale des moyens employés pour diviser le travail

Plus en détail

MMA - Projet Capacity Planning LOUVEL Cédric. Annexe 1

MMA - Projet Capacity Planning LOUVEL Cédric. Annexe 1 Annexe 1 Résumé Gestion Capacity Planning Alternance réalisée du 08 Septembre 2014 au 19 juin 2015 aux MMA Résumé : Ma collaboration au sein de la production informatique MMA s est traduite par une intégration

Plus en détail

www.bluestone.fr 55, rue du Faubourg Montmartre 75009 Paris +33 (0)1 53 35 02 10 contact@bluestone.fr

www.bluestone.fr 55, rue du Faubourg Montmartre 75009 Paris +33 (0)1 53 35 02 10 contact@bluestone.fr www.bluestone.fr 55, rue du Faubourg Montmartre 75009 Paris +33 (0)1 53 35 02 10 contact@bluestone.fr Une équipe de 120 Data Scientists, dont les compétences couvrent l intégralité du spectre d intervention

Plus en détail

PROGRAMME DE CRÉATION ET INNOVATION TECHNOLOGIQUES EN CLASSE DE SECONDE GÉNÉRALE ET TECHNOLOGIQUE Enseignement d exploration

PROGRAMME DE CRÉATION ET INNOVATION TECHNOLOGIQUES EN CLASSE DE SECONDE GÉNÉRALE ET TECHNOLOGIQUE Enseignement d exploration PROGRAMME DE CRÉATION ET INNOVATION TECHNOLOGIQUES EN CLASSE DE SECONDE GÉNÉRALE ET TECHNOLOGIQUE Enseignement d exploration Préambule La société doit faire face à de nouveaux défis pour satisfaire les

Plus en détail

Conseil opérationnel en organisation, processus & système d Information. «Valorisation, Protection et Innovation de votre Patrimoine Numérique»

Conseil opérationnel en organisation, processus & système d Information. «Valorisation, Protection et Innovation de votre Patrimoine Numérique» "Innovation, Valorisation et Protection du Patrimoine Numérique!" Conseil opérationnel en organisation, processus & système d Information «Valorisation, Protection et Innovation de votre Patrimoine Numérique»

Plus en détail

CHARGE DE RELATION MS MDSI ATOS Consulting

CHARGE DE RELATION MS MDSI ATOS Consulting CHARGE DE RELATION MS MDSI ATOS Consulting Mathis BAKARY 11/01/2013 Sommaire I. Présentation... 3 1. Activités... 3 2. Objectifs... 4 3. Localisation en Europe... 4 4. Localisation en France... 5 II. Stratégie...

Plus en détail

Webinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data

Webinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data Webinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data Approches & opportunités face aux enjeux de volume, variété et vélocité France, 2012-2014 28 mars 2013 Ce document

Plus en détail

Contexte. Objectif. Enjeu. Les 3 questions au cœur du Pilotage de la Performance :

Contexte. Objectif. Enjeu. Les 3 questions au cœur du Pilotage de la Performance : Contexte Il est naturel de construire et d adapter son système d information à son métier pour répondre aux besoins opérationnels et quotidiens. Facturation, production, gestion de stocks, ressources humaines,

Plus en détail

Le bilan de compétences : Déroulement, durée et outils

Le bilan de compétences : Déroulement, durée et outils Le bilan de compétences : Déroulement, durée et outils Pour vous donner une vision la plus complète possible de la démarche, le contenu qui vous est présenté ici a été élaboré pour correspondre à une personne

Plus en détail

PARCOURS TREMPLIN MANAGER Tout employé d un site logistique ayant dans le cadre de son activité professionnelle la responsabilité quotidienne du management d une équipe 10 jours 7,5 heures 8 à 14 Professionnaliser

Plus en détail

Baromètre des investissements numériques en France

Baromètre des investissements numériques en France Baromètre des investissements numériques en France Novembre 2015 Objectifs Baromètre des investissements numériques en France avec pour objectifs : de suivre l évolution de l opinion des responsables informatique

Plus en détail

Agile Learning Comment faire face aux changements organisationnels? Une étude internationale réalisée par Lumesse

Agile Learning Comment faire face aux changements organisationnels? Une étude internationale réalisée par Lumesse Comment faire face aux changements organisationnels? Une étude internationale réalisée par Lumesse Introduction Le monde du travail est plus que familier avec la notion de changement. Synonyme d innovation

Plus en détail

Solvabilité II Solution elearning

Solvabilité II Solution elearning Solvabilité II Solution Solvabilité II Solution Jusqu à présent les programmes Solvabilité II se sont surtout concentrés sur les éléments quantitatifs. La mise en place réussie de Solvabilité II exige

Plus en détail

Les solutions SAS pour les Petites et Moyennes Entreprises

Les solutions SAS pour les Petites et Moyennes Entreprises BROCHURE SOLUTION Les solutions SAS pour les Petites et Moyennes Entreprises Sur un marché aussi compétitif que celui des Petites et Moyennes Entreprises, le temps et l efficacité sont deux valeurs prioritaires

Plus en détail

Rationalisez vos processus et gagnez en visibilité grâce au cloud

Rationalisez vos processus et gagnez en visibilité grâce au cloud Présentation de la solution SAP s SAP pour les PME SAP Business One Cloud Objectifs Rationalisez vos processus et gagnez en visibilité grâce au cloud Favorisez une croissance rentable simplement et à moindre

Plus en détail

M2020 FRANCE. Résumé

M2020 FRANCE. Résumé M2020 FRANCE Résumé De l étude globale Marketing 2020 Thought Leadership 250+ interviews de CMOs 10,231 marketers dans 92 pays À M2020 France 387 participants de 24 entreprises françaises Objectif: Analyser

Plus en détail

accompagner la transformation digitale grâce au Big & Fast Data Orange Business Services Confidentiel 02/10/2014

accompagner la transformation digitale grâce au Big & Fast Data Orange Business Services Confidentiel 02/10/2014 accompagner la transformation digitale grâce au Big & Fast Data Orange Business Services Confidentiel 02/10/2014 Big Data au-delà du "buzz-word", un vecteur d'efficacité et de différenciation business

Plus en détail

MARKETING DE LA FORMATION Les nouvelles donnes - NOTE DE REFLEXION JUIN 2013 -

MARKETING DE LA FORMATION Les nouvelles donnes - NOTE DE REFLEXION JUIN 2013 - MARKETING DE LA FORMATION Les nouvelles donnes - NOTE DE REFLEXION JUIN 2013 - Avec un chiffre d affaires total de 3.5 Milliards d euros par an, la formation professionnelle est un secteur apparemment

Plus en détail

PÉRENNISER LA PERFORMANCE

PÉRENNISER LA PERFORMANCE PÉRENNISER LA PERFORMANCE La recherche de performance est aujourd hui au cœur des préoccupations des organisations : succession des plans de productivité et de profitabilité, plans de reprise d activités,

Plus en détail

Notre modèle d engagement

Notre modèle d engagement Notre modèle d engagement 1. EVALUER L évaluation des compétences que vous souhaitez améliorer implique un vrai échange entre nos deux équipes, et une étude plus approfondie des écarts et des actions préalablement

Plus en détail

Kit d organisation des rencontres académiques

Kit d organisation des rencontres académiques Concertation nationale sur le numérique pour l éducation Kit d organisation des rencontres académiques Ce kit a été réalisé en coopération avec 1 Comment organiser une rencontre au sein de mon académie

Plus en détail

La conduite du changement

La conduite du changement point de vue stratégie et gouvernance des systèmes d'information La conduite du changement dans les projets SI 1 En préambule Devant les mutations économiques, sociales et technologiques engagées depuis

Plus en détail

Intelligence Inventive

Intelligence Inventive Outils Communs de Diffusion de l'intelligence Economique Intelligence Inventive Evaluez la capacité d innovation de votre entreprise L intelligence inventive L intelligence inventive est la contribution

Plus en détail

Partie I Stratégies relationnelles et principes d organisation... 23

Partie I Stratégies relationnelles et principes d organisation... 23 Introduction......................................................................... 1 1. Définition........................................................................ 2 1.1 Le CRM comme processus

Plus en détail

L ENTRETIEN 4PROFESSIONNEL

L ENTRETIEN 4PROFESSIONNEL L ENTRETIEN 4PROFESSIONNEL Décembre 2008 Sommaire 4 4 5 1. Qu est ce que l entretien professionnel? 1.1 L entretien professionnel : un dispositif conventionnel 1.2 Un outil au service de l évolution professionnelle

Plus en détail

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1 JASPERSOFT ET LE PAYSAGE ANALYTIQUE Jaspersoft et le paysage analytique 1 Ce texte est un résumé du Livre Blanc complet. N hésitez pas à vous inscrire sur Jaspersoft (http://www.jaspersoft.com/fr/analyticslandscape-jaspersoft)

Plus en détail

ITSM - Gestion des Services informatiques

ITSM - Gestion des Services informatiques Chapitre 1 - COMPRENDRE LE MARCHÉ ITSM - Gestion des Services informatiques Copyright 2011 CXP. 1 ITSM - Gestion des Services informatiques L'étude a été réalisée par : Dalila Souiah OBJECTIF DU DOCUMENT.

Plus en détail

Mise en œuvre. Gestion de projet et conduite du changement. Denis MEINGAN Gilles BALMISSE. Préface de Alain CROZIER, Président de Microsoft France

Mise en œuvre. Gestion de projet et conduite du changement. Denis MEINGAN Gilles BALMISSE. Préface de Alain CROZIER, Président de Microsoft France Mise en œuvre d Office 365 Gestion de projet et conduite du changement Préface de Alain CROZIER, Président de Microsoft France Denis MEINGAN Gilles BALMISSE Table des matières 1 Préface Avant-propos Partie

Plus en détail

CRM et GRC, la gestion de la relation client R A LLER PL US L OI

CRM et GRC, la gestion de la relation client R A LLER PL US L OI 3 R A LLER PL US L OI CRM et GRC, la gestion de la relation client Comment exploiter et déployer une solution de relation client dans votre entreprise? Les usages d une CRM Les fonctionnalités d une CRM

Plus en détail

CQPI Technicien qualité

CQPI Technicien qualité CQPI Technicien qualité Public concerné Salariés ou futurs salariés qui auront pour mission d assurer le contrôle de la qualité et de participer à l amélioration des modes de production et/ou à la mise

Plus en détail

Banque Accord redonne de l agilité à son système d information avec l aide de MEGA

Banque Accord redonne de l agilité à son système d information avec l aide de MEGA redonne de l agilité à son système d information avec l aide de MEGA À propos de Banque Accord : Filiale financière du groupe Auchan Seule banque française détenue à 100% par un distributeur 3 activités

Plus en détail

Robert Half Technologie : Le partenaire de vos recrutements

Robert Half Technologie : Le partenaire de vos recrutements Robert Half Technologie : Le partenaire de vos recrutements Fondé en 1948, Robert Half International est le leader mondial du recrutement spécialisé. Nous possédons l expérience et les contacts nécessaires

Plus en détail

6ème édition du Baromètre des investissements informatiques en France

6ème édition du Baromètre des investissements informatiques en France 6ème édition du Baromètre des investissements informatiques en France Objectifs Baromètre des investissements informatiques en France avec pour objectifs : de suivre l évolution de l opinion des responsables

Plus en détail

Principales tendances touchant l activité des conseillers clientèle

Principales tendances touchant l activité des conseillers clientèle Principales tendances touchant l activité des conseillers clientèle UNE HAUSSE DU NIVEAU D EXIGENCE ENVERS LES CONSEILLERS CLIENTÈLES SUR LES SAVOIRS DE BASE Compétences relationnelles à l oral et à l

Plus en détail

Evaluer des élèves de Seconde par compétences en Sciences Physiques

Evaluer des élèves de Seconde par compétences en Sciences Physiques Evaluer des élèves de Seconde par compétences en Sciences Physiques Introduction Depuis quelques années, le terme de «compétences» s installe peu à peu dans notre quotidien ; aussi bien dans la vie de

Plus en détail

La transformation digitale en entreprise. Vécu, perceptions & attentes des cadres opérationnels

La transformation digitale en entreprise. Vécu, perceptions & attentes des cadres opérationnels La transformation digitale en entreprise Vécu, perceptions & attentes des cadres opérationnels Septembre 2015 2 Fiche technique Dates de terrain Du 29 juin au 17 août 2015 Echantillon 82 cadres opérationnels

Plus en détail

Conseil - Formation Management du changement

Conseil - Formation Management du changement KEY PARTNERS 55 avenue Marceau, 75116 Paris Tel 09 77 19 51 14 / Fax 01 53 01 35 68 email : infos@key-partners.biz www.key-partners.biz Conseil - Formation Management du changement Key Partners est un

Plus en détail

Présentation Etude Multi Clients Sponsorisée 2015. Camille Marchand, Account Manager c.marchand@pac-online.com 07 63 23 01 82

Présentation Etude Multi Clients Sponsorisée 2015. Camille Marchand, Account Manager c.marchand@pac-online.com 07 63 23 01 82 La transformation numérique des banques : Un levier d innovation pour les banques traditionnelles et en ligne qui souhaitent répondre aux nouveaux enjeux de leurs clients. Présentation Etude Multi Clients

Plus en détail

Eléments clés d une Stratégie Omni canal

Eléments clés d une Stratégie Omni canal Eléments clés d une Stratégie Omni canal Pascal BIZZARI, Groupe AVISIA Conseil en stratégie marketing relationnel Préambule Pourquoi une tribune aujourd hui? Fondé en 2007 le Groupe AVISIA est un acteur

Plus en détail

INNOVATION COLLABORATIVE, CO-INNOVER AVEC SON ÉCOSYSTÈME : Quels modes de relation établir?

INNOVATION COLLABORATIVE, CO-INNOVER AVEC SON ÉCOSYSTÈME : Quels modes de relation établir? INNOVATION COLLABORATIVE, CO-INNOVER AVEC SON ÉCOSYSTÈME : Quels modes de relation établir? étude Bird & Bird et Buy.O Group Empower your Business Relationships Edito Globalisation, démocratisation de

Plus en détail

Préface. de Xavier QUÉRAT-HÉMENT

Préface. de Xavier QUÉRAT-HÉMENT Préface de Xavier QUÉRAT-HÉMENT La réussite de toute entreprise, comme le savent les opérationnels au contact de clients de plus en plus exigeants et soumis à une règlementation qui s étoffe régulièrement,

Plus en détail

Le rôle, les ressources et les compétences du Responsable Transformation Digitale. Club D&O, 23 septembre 2014

Le rôle, les ressources et les compétences du Responsable Transformation Digitale. Club D&O, 23 septembre 2014 Le rôle, les ressources et les compétences du Responsable Transformation Digitale Club D&O, 23 septembre 2014 Rappel des modalités de travail de la séance Présentation de la synthèse des questionnaires

Plus en détail

FILIÈRE METHODOLOGIE & PROJET

FILIÈRE METHODOLOGIE & PROJET FILIÈRE METHODOLOGIE & PROJET 109 Gestion de projet METHODOLOGIE ET PROJET Durée 3 jours Conduite de projet COND-PRO s Intégrer les conditions de réussite d une démarche de management par projet. Impliquer

Plus en détail

Les expériences d ERNI dans l univers du management, des processus et des technologies. Experience N 52. Mars 2012 Pas à pas vers de bonnes exigences

Les expériences d ERNI dans l univers du management, des processus et des technologies. Experience N 52. Mars 2012 Pas à pas vers de bonnes exigences Les expériences d ERNI dans l univers du management, des processus et des technologies Experience N 52 Mars 2012 OutsourcINg Pas à pas vers de bonnes exigences Outsourcing 10 11 Pas à pas vers de bonnes

Plus en détail

EPOS POUR PARTENAIRES

EPOS POUR PARTENAIRES EPOS POUR PARTENAIRES EPOS POUR PARTENAIRES NOTRE SOLUTION EPOS.UP POUR PARTENAIRES PROPOSE UN SYSTÈME INTÉGRÉ À LA POINTE À UN PRIX ABORDABLE. 02 / 03 SOMMAIRE SOMMAIRE La gestion d une activité Retail

Plus en détail

Lumesse Avis d expert. Agile Learning Etes-vous prêt au changement?

Lumesse Avis d expert. Agile Learning Etes-vous prêt au changement? Lumesse Avis d expert Agile Learning Etes-vous prêt au changement? Dans l univers sans cesse mouvant de la Gestion des Talents, nous observons un nouveau changement fondamental en matière de développement

Plus en détail

GUIDE UTILISATEURS CONCREE: OVERVIEW

GUIDE UTILISATEURS CONCREE: OVERVIEW 1 Guide utilisateur GUIDE UTILISATEURS : OVERVIEW est une infrastructure conçue par des entrepreneurs, pour les entrepreneurs. C est une plateforme de mise en relation et de collaboration virtuelle au

Plus en détail

94160 SAINT MANDE. Accord de Développement de l Emploi et des Compétences (ADEC) Plasturgie en Région Centre

94160 SAINT MANDE. Accord de Développement de l Emploi et des Compétences (ADEC) Plasturgie en Région Centre 5-7 AVENUE DU GENERAL DE GAULLE 94160 SAINT MANDE Accord de Développement de l Emploi et des Compétences (ADEC) Plasturgie en Région Centre - Actions individuelles : diagnostic RH et accompagnement des

Plus en détail

Drive your success. «Un écosystème complexe implique une capacité de gestion temps réel des aléas» www.imagina-international.com

Drive your success. «Un écosystème complexe implique une capacité de gestion temps réel des aléas» www.imagina-international.com Drive your success «Un écosystème complexe implique une capacité de gestion temps réel des aléas» www.imagina-international.com ATEN, dix avantages au service de votre entreprise Qualité de mise en œuvre

Plus en détail

Lecko. 15% de notre chiffre d'affaires est réalisé par des clients que nous n aurions jamais eu sans l utilisation de la plateforme bluekiwi

Lecko. 15% de notre chiffre d'affaires est réalisé par des clients que nous n aurions jamais eu sans l utilisation de la plateforme bluekiwi enterprise social software Lecko CAS CLIENT Arnaud 15% de notre chiffre d'affaires est réalisé par des clients que nous n aurions jamais eu sans l utilisation de la plateforme bluekiwi! Activité Lecko

Plus en détail

Leçon n 1 : définition et champ d application de la comptabilité analytique

Leçon n 1 : définition et champ d application de la comptabilité analytique AUNEGE Campus Numérique en Economie Gestion Licence 2 Comptabilité analytique Leçon 1 Leçon n 1 : définition et champ d application de la comptabilité analytique 1 RÔLES DE LA COMPTABILITÉ DE GESTION INFORMER

Plus en détail

BILAN DE CARRIERE. La convergence de 2 mondes : Les Ressources Humaines Le développement personnel & l engagement relationnel www.elansol.

BILAN DE CARRIERE. La convergence de 2 mondes : Les Ressources Humaines Le développement personnel & l engagement relationnel www.elansol. - 1 - Conseil RH et Formation BILAN DE CARRIERE La convergence de 2 mondes : Les Ressources Humaines Le développement personnel & l engagement relationnel www.elansol.fr L heure est au changement et, pour

Plus en détail

Construire un tableau de bord pertinent sous Excel

Construire un tableau de bord pertinent sous Excel Bernard LEBELLE Construire un tableau de bord pertinent sous Excel Théorie, méthodologie et mise en œuvre, 2008 ISBN : 978-2-212-53981-3 PARTIE 1 1 Moïse n a jamais vu la terre promise... «Connais ton

Plus en détail

Projet de création de SAFRAN ANALYTICS

Projet de création de SAFRAN ANALYTICS Projet de création de SAFRAN ANALYTICS Comité de Groupe 27 février 2015 SOMMAIRE Contexte Enjeux du Big Data pour Safran Projet Safran Analytics Calendrier prévisionnel 1 / CONFIDENTIEL / 27-02-2015 /

Plus en détail

CQPI Technicien qualité industriel

CQPI Technicien qualité industriel CQPI Technicien qualité industriel Public concerné Salariés ou futurs salariés qui auront pour mission d assurer le contrôle de la qualité et de participer à l amélioration des modes de production et/ou

Plus en détail

C ACHING WAYS. Programme PAI

C ACHING WAYS. Programme PAI ING WAYS C ACHING WAYS COACHING WAYS Programme PAI INTRODUCTION A LA FORMATION COACHING WAYS PAI : Les clés du Coaching Cette formation conduit à devenir coach, à un niveau théorique PCC (ICF). 23 jours

Plus en détail

Développer son expertise en tant que Responsable Formation

Développer son expertise en tant que Responsable Formation 1 Développer son expertise en tant que Responsable Formation Environnement et fondamentaux de la formation professionnelle L environnement de la formation professionnelle revêt un caractère de plus en

Plus en détail

Livret de Stages 2014 / 2015

Livret de Stages 2014 / 2015 Livret de Stages 2014 / 2015 Paris & Niort www.bsc-france.com B.S.C. - Business Software Tour Montparnasse 33 Avenue du Maine 75015 Tel : +33(0)1 53 94 52 20 - Fax : +33(0)1 45 38 49 45 3 rue Archimède

Plus en détail

QU EST-CE QUE LE DECISIONNEL?

QU EST-CE QUE LE DECISIONNEL? La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce

Plus en détail

BTS Management des Unités Commerciales Spécialisation E-Business 120 crédits ECTS (60 crédits par année de formation)

BTS Management des Unités Commerciales Spécialisation E-Business 120 crédits ECTS (60 crédits par année de formation) BTS Management des Unités Commerciales Spécialisation E-Business 120 crédits ECTS (60 crédits par année de formation) Langue d enseignement : Français ALTERNANCE ou INITIAL Fonctions Le titulaire du BTS

Plus en détail

Projet PHARES. Note de cadrage sur la production de livrables en phase finale du projet

Projet PHARES. Note de cadrage sur la production de livrables en phase finale du projet Projet PHARES Note de cadrage sur la production de livrables en phase finale du projet L.Brami, S.Damart, M. Detchessahar, M. Devigne, J. Habib, F. Kletz, C. Krohmer. Document joint à l avenant au contrat

Plus en détail

Au cœur du marché de la cybersécurité. Incubateur de technologies innovantes & Business accelerator

Au cœur du marché de la cybersécurité. Incubateur de technologies innovantes & Business accelerator Au cœur du marché de la cybersécurité Incubateur de technologies innovantes & Business accelerator Le Contexte Les entreprises et les institutions doivent sans cesse adapter leurs moyens de détection et

Plus en détail

LEAN SIX SIGMA Au service de l excellence opérationnelle

LEAN SIX SIGMA Au service de l excellence opérationnelle LEAN SIX SIGMA Au service de l excellence opérationnelle enjeux Comment accroître la qualité de vos services tout en maîtrisant vos coûts? Equinox Consulting vous accompagne aussi bien dans la définition

Plus en détail

Préparation au CQPM Technicien en Industrialisation et en Amélioration des Processus TIAP (0049)

Préparation au CQPM Technicien en Industrialisation et en Amélioration des Processus TIAP (0049) Préparation au CQPM Technicien en Industrialisation et en Amélioration des Processus TIAP (0049) Public concerné Salariés ou futurs salariés des entreprises industrielles qui auront pour missions de participer

Plus en détail

SOMMAIRE. La dématérialisation de la production comptable : Théorie. AVANT / APRES la mise en place d une solution de dématérialisation

SOMMAIRE. La dématérialisation de la production comptable : Théorie. AVANT / APRES la mise en place d une solution de dématérialisation SOMMAIRE Préambule P. 3 La dématérialisation de la production comptable : Théorie Définition Enjeux Objectifs Investissements Processus de dématérialisation AVANT / APRES la mise en place d une solution

Plus en détail

DocForum 18 Juin 2015. Réussites d un projet Big Data Les incontournables

DocForum 18 Juin 2015. Réussites d un projet Big Data Les incontournables DocForum 18 Juin 2015 Réussites d un projet Big Data Les incontournables Vos interlocuteurs Mick LEVY Directeur Innovation Business mick.levy@businessdecision.com 06.50.87.13.26 @mick_levy 2 Business &

Plus en détail

Agissant comme un trait d union entre les différentes dimensions et parties prenantes de l entreprise, Nous aidons nos clients

Agissant comme un trait d union entre les différentes dimensions et parties prenantes de l entreprise, Nous aidons nos clients Un trait d union Cabinet de conseil en management et ressources humaines, PRANA aide les organisations à faire de la relation de travail et des relations au travail une source d énergie et de création

Plus en détail

De la captation de données à la Datavisualisation

De la captation de données à la Datavisualisation De la captation de données à la Datavisualisation [Synopsis de l événement] Objets connectés : générateurs de données à visualiser! «En fait de calculs et de proportion, le plus sûr moyen de frapper l

Plus en détail

Charte des ressources humaines

Charte des ressources humaines Charte des ressources humaines ANTICIPER Pour être acteurs stratégiques du changement ACCUEILLIR Savoir identifier, attirer, choisir et fidéliser les collaborateurs RECONNAÎTRE Apprécier les compétences

Plus en détail

Le tableau de bord de la DSI : un outil pour mieux piloter son informatique.

Le tableau de bord de la DSI : un outil pour mieux piloter son informatique. Le tableau de bord de la DSI : un outil pour mieux piloter son informatique. Introduction Face à l évolution constante des besoins fonctionnels et des outils informatiques, il est devenu essentiel pour

Plus en détail

Prendre la bonne décision, au bon moment, sur le bon sujet, sur la base des meilleures analyses, pour agir sur le bon indicateur.

Prendre la bonne décision, au bon moment, sur le bon sujet, sur la base des meilleures analyses, pour agir sur le bon indicateur. 2 Toute entreprise dispose d un capital informationnel qui, s il est efficacement géré, contribue à sa valeur et à sa performance. La société RHeport, propose une solution logicielle : RH&View, innovante,

Plus en détail

Le directeur. Introduction de l'étude Global CMO Study. marketing, au cœur de la performance de l entreprise

Le directeur. Introduction de l'étude Global CMO Study. marketing, au cœur de la performance de l entreprise Le directeur IBM Introduction de l'étude Global CMO Study marketing, au cœur de la performance de l entreprise L illustration de couverture représente les plus de 1700 responsables marketing qui se sont

Plus en détail

La performance par le management

La performance par le management Formation / Coaching Conseil Transitions La performance par le management Rco management est un cabinet conseil en management et Ressources Humaines, mon entreprise est en région Nord depuis 2007. Nous

Plus en détail

Lexmark Pilote la Transformation IT avec les Solutions CA Service Assurance

Lexmark Pilote la Transformation IT avec les Solutions CA Service Assurance CUSTOMER SUCCESS STORY Août 2013 Lexmark Pilote la Transformation IT avec les Solutions CA Service Assurance PROFIL CLIENT Secteur: Société de services informatiques Société: Lexmark Effectifs: 12,000

Plus en détail

Management des processus opérationnels

Management des processus opérationnels Ecole Nationale Supérieure de Management Master Management des organisations Management des processus opérationnels Dr TOUMI Djamila Cours n 1: La vision processus dans le management des organisations

Plus en détail

CONSEIL EN STRATÉGIE ET TRANSFORMATION DIGITALE. Leading Digital Together

CONSEIL EN STRATÉGIE ET TRANSFORMATION DIGITALE. Leading Digital Together CONSEIL EN STRATÉGIE ET TRANSFORMATION DIGITALE Leading Digital Together 2 3 Capgemini Consulting, le leader français de la transformation digitale Une force de frappe de 900 consultants en France et de

Plus en détail

la mutation de la fonction commerciale à l heure du digital méthode & outils

la mutation de la fonction commerciale à l heure du digital méthode & outils la mutation de la fonction commerciale à l heure du digital méthode & outils Le monde a changé, sachez vous adapter! 1. Laissez vos prospects s informer avant de les contacter. 2. Usez du digital pour

Plus en détail

Il est pourtant vital pour l entreprise de se réconcilier avec son système d information. Pour ce faire, il faut que le DSI évolue.

Il est pourtant vital pour l entreprise de se réconcilier avec son système d information. Pour ce faire, il faut que le DSI évolue. Le DSI du futur par Monsieur Dominique Jaquet DSI APEC ( www.apec.fr ) Compétent, innovant mais surtout convaincant. L entreprise est un organisme vivant ; son efficacité, comme son évolution, reposent,

Plus en détail

Conseil opérationnel en transformation des organisations

Conseil opérationnel en transformation des organisations Conseil opérationnel en transformation des organisations STRICTEMENT CONFIDENTIEL Toute reproduction ou utilisation de ces informations sans autorisation préalable de Calliopa est interdite Un cabinet

Plus en détail

Sortez du Lot! Créateur. de valeurs AUDIT ACCOMPAGNEMENT & ASSISTANCE À LA RÉPONSE FORMATION ET EXTERNALISATION DE VOTRE RÉPONSE

Sortez du Lot! Créateur. de valeurs AUDIT ACCOMPAGNEMENT & ASSISTANCE À LA RÉPONSE FORMATION ET EXTERNALISATION DE VOTRE RÉPONSE Sortez du Lot! Créateur de valeurs AUDIT ACCOMPAGNEMENT & ASSISTANCE À LA RÉPONSE FORMATION ET EXTERNALISATION DE VOTRE RÉPONSE Heureusement, un appel d offres n est pas qu une question d offres. Allô

Plus en détail

Qu'est-ce que l'innovation?

Qu'est-ce que l'innovation? Qu'est-ce que l'innovation? Résumé : L innovation est avant tout un état d esprit. C est un processus vivant qui amène la direction à chercher à tous les niveaux la manière d être la plus performante pour

Plus en détail

NOTRE MÉTIER CHANGE... CHANGER NOTRE IMAGE POUR AFFIRMER UNE IMAGE POSITIVE ET ATTRACTIVE DES EXPERTS-COMPTABLES BRETONS

NOTRE MÉTIER CHANGE... CHANGER NOTRE IMAGE POUR AFFIRMER UNE IMAGE POSITIVE ET ATTRACTIVE DES EXPERTS-COMPTABLES BRETONS NOTRE MÉTIER CHANGE... CHANGER NOTRE IMAGE POUR AFFIRMER UNE IMAGE POSITIVE ET ATTRACTIVE DES EXPERTS-COMPTABLES BRETONS NOTRE MÉTIER CHANGE... CHANGER NOTRE IMAGE 800 EXPERTS-COMPTABLES COMMUNICANTS

Plus en détail

Comment assurer le plein potentiel de votre solution analytique. Guillaume Bédard, Directeur des Solutions d Affaires Odesia

Comment assurer le plein potentiel de votre solution analytique. Guillaume Bédard, Directeur des Solutions d Affaires Odesia L Comment assurer le plein potentiel de votre solution analytique ODESIA 1155 University suite 800 Montreal, Qc, Canada H3B 3A7 Phone: (514) 876-1155 Fax: (514) 876-1153 www.odesia.com Guillaume Bédard,

Plus en détail

Introduction... 3 1/ En quoi consiste une veille commerciale?... 4 2/ Quel est son rôle?... 5 3/ Quels sont les bénéfices au niveau de l organisation

Introduction... 3 1/ En quoi consiste une veille commerciale?... 4 2/ Quel est son rôle?... 5 3/ Quels sont les bénéfices au niveau de l organisation Introduction... 3 1/ En quoi consiste une veille commerciale?... 4 2/ Quel est son rôle?... 5 3/ Quels sont les bénéfices au niveau de l organisation commerciale?... 6 A. Le temps... 6 B. La productivité...

Plus en détail

Dossier Spécial ECUEILS À ÉVITER DANS LES PROJETS BIG DATA

Dossier Spécial ECUEILS À ÉVITER DANS LES PROJETS BIG DATA Dossier Spécial ECUEILS À ÉVITER DANS LES PROJETS BIG DATA L e Big Data est une opportunité à saisir à laquelle la technologie Hadoop répond bien. Reste à éviter les écueils, souvent plus culturels que

Plus en détail

GLOBAL SAAS HR SOLUTION INTÉGRÉE DE GESTION DES TALENTS

GLOBAL SAAS HR SOLUTION INTÉGRÉE DE GESTION DES TALENTS GLOBAL SAAS HR SOLUTION INTÉGRÉE DE GESTION DES TALENTS GLOBALISATION ET TRANSFORMATION RH UNE RÉPONSE FACE À L EXIGENCE DE PERFORMANCE ET DE COMPÉTITIVITÉ La globalisation des entreprises, accélérée par

Plus en détail

«Comment mieux vendre l entreprise aux salariés aujourd hui? Pratiques de marketing RH».

«Comment mieux vendre l entreprise aux salariés aujourd hui? Pratiques de marketing RH». Compte Rendu Café RH Dauphine du 7 avril 2014 «Comment mieux vendre l entreprise aux salariés aujourd hui? Pratiques de marketing RH». Ce compte rendu vise à faire une synthèse des différents points abordés

Plus en détail

PARCOURS MANAGEMENT RESSOURCES MANAGERS

PARCOURS MANAGEMENT RESSOURCES MANAGERS La transversalité des compétences managériales Un parcours sur 3 niveaux pour tous les managers du Groupe selon leur expérience dans la fonction. Cette segmentation a pour objectif de doter les managers

Plus en détail

Yphise optimise en Coût Valeur Risque l informatique d entreprise

Yphise optimise en Coût Valeur Risque l informatique d entreprise Gérer le risque opérationnel ORM - Operational Risk Management Juin 2008 Xavier Flez yphise@yphise.com Propriété Yphise GM Gouvernance PR Projets IS Systèmes d Information SO Service Management 1 Le risque

Plus en détail

Optimiser la maintenance des applications informatiques nouvelles technologies. Les 11 facteurs clés de succès qui génèrent des économies

Optimiser la maintenance des applications informatiques nouvelles technologies. Les 11 facteurs clés de succès qui génèrent des économies Application Services France the way we do it Optimiser la maintenance des applications informatiques nouvelles technologies Les 11 facteurs clés de succès qui génèrent des économies Chaque direction informatique

Plus en détail