Diplôme d'ingénieur - Science de la donnée

Les activités de l'ingénieur en science de la donnée au sein d’une entreprise peuvent se synthétiser en quatre familles principales :
⟶ Préparation des données
Collecte des données : ingestion et stockage normalisé des données souvent issues de différentes sources (bases de données SQL ou NoSQL, Datalake). Exploitation des données : audit, mesure et amélioration continue de la qualité des données, définition des référentiels de données (documentation). Application de traitement : respect de la protection des données personnelles (minimisation, pseudonymisation, agrégation, etc.), définition des règles de gestion des données.
⟶ Analyses opérationnelles métiers
Compréhension des besoins Data des métiers (directions opérationnelles). Exploration des données à l'aide de logiciels spécifiques (SAS, R Studio, SQL*Plus, MySQL Workbench...). Exploitation métiers des données à l'aide de logiciels spécialisés dans l'analyse de données, la modélisation statistique ou le calculs d’indicateurs (SAS, R...). Réalisation d’études métiers sur les données : dashboard réalisés à l'aide de logiciels spécialisés (Tableau, Power BI, Qlick Sense...), rapport, présentation, PoC.
⟶ Valorisation des données et des analyses
Présentation des données à l'aide de logiciels de datavisualisation (Spotfire, Cartes & Données, Tableau, Power BI, Qlick Sense...). Partage des résultats et analyses à différents interlocuteurs (métier, direction, utilisateurs). Communication des résultats (data storytelling).
⟶ Participation aux projets de développement des usages dans l’entreprise
Identification des cas d’usage pour son métier. Participation aux projets Data de l’entreprise par l’apport de la vision métier et des données afférentes.

Les compétences de nos élèves-ingénieurs couvrent l'ensemble des maillons de la chaine de valeur de la data. Ainsi, nos élèves-ingénieurs possèdent des compétences pour :

- Préparer les données :

Collecte des données (ingestion et stockage normalisé des données souvent issues de différentes sources) ; Exploitation des données (audit, mesure et amélioration continue de la qualité des données, définition des référentiels de données (documentation), octroi des habilitations pour l’accès aux données) ; Application de traitement (protection des données personnelles (minimisation, pseudonymisation, agrégation, etc.), définition
des règles de gestion et de calculs des indicateurs)

- Mener des analyses opérationnelles métiers :

Compréhension des besoins data des métiers ; Exploration des données ; Exploitation métiers des données (analyses de données, modélisation statistique, calculs d’indicateurs.) ; Réalisation d’études métiers sur les données (dashboard, rapport, présentation, PoC)

- Valoriser les données et les analyses :

Présentation des données (datavisualisation) ; Partage des résultats et analyses à différents interlocuteurs (métier, direction, utilisateurs) ; Communication des résultats (data storytelling)

- Participer aux projets de développement des usages dans l’entreprise :
Identification des cas d’usage pour son métier ; Participation aux projets data de l’entreprise par l’apport de la vision métier et des données afférentes.

Accréditation CTI, métiers recherchés (en tension), apprentissage dès la deuxième année, pratiques pédagogiques innovantes, vie de campus

- Une formation d'ingénieur accréditée par la CTI et positionnée sur des métiers (de la data) "en tension" (forte demande des entreprises pour ces profils)

- Des métiers variés : ingénieur(e)s et analystes des données, Data analyst, statisticien(ne), chargé(e) d’études statistiques, Business analyst, Data consultant, Data engineer, Data owner…

- Une pédagogie innovante qui met l'élève et son projet professionnel au centre de sa formation et qui se fonde sur des pratiques pédagogiques diversifiées

- Un encadrement pédagogique sur-mesure (promotion à taille humaine) et réalisé par une équipe pédagogique présente sur site

- Des enseignements assurés par des enseignants-chercheurs permanents et des professionnels de la data reconnus

- Une expérience à l'étranger d'au moins 9 semaines obligatoire dans le cursus d'ingénieur

- Un apprentissage en entreprise en deuxième année et en troisième année (FISEA)

- une première année formant des ingénieurs généralistes qui vont se spécialiser progressivement dans la data

- Une vie de campus animée permettant des liens forts et durables entre les promotions

Le référentiel de compétences de nos élèves-ingénieurs se compose de 3 blocs de compétences transversales et de 4 blocs de compétences de spécialité.

Les 3 blocs de compétences transversales sont :

1) Résoudre des problèmes scientifiques et techniques complexes pour innover.
- Explorer un large champ de sciences fondamentales.
- Exploiter les ressources de plusieurs champs scientifiques et techniques spécifiques.
- Maîtriser les méthodes et outils de l’ingénieur.
- Analyser des informations scientifiques et techniques de manière efficiente.
- Développer des solutions, méthodes, produits, systèmes et services innovants.
2) Agir en ingénieur ouvert sur le monde, responsable et entreprenant.
- Maitriser la langue française pour exprimer des idées et des concepts de manière claire et cohérente.
- Opérer dans un contexte multiculturel.
- Certifier une maitrise de la langue anglaise par un test reconnu internationalement.
- Adopter une démarche citoyenne et responsable.
- Mettre en œuvre une démarche de recherche et développement en faisant preuve d’intégrité scientifique.
- Entreprendre au service de l’ensemble des parties prenantes.
3) Agir en situation professionnelle.
- Construire son projet professionnel.
- S’insérer professionnellement de manière continue.
- S’intégrer au sein d’une organisation.
- Adopter les attitudes et les comportements requis du travail en équipe.
- Travailler de manière autonome et flexible.
- Manager un projet au sein d’une organisation.

Les 4 blocs de compétences de spécialité sont :

1) Comprendre la demande formulée par les métiers pour mettre en œuvre une ingénierie d’analyse en adéquation avec leurs besoins.
- Identifier les facteurs clés du contexte et les objectifs associés à la demande.
- Interpréter les circonstances et les déterminants de la demande.
- Reformuler la demande en besoins métiers.
- Définir le périmètre de l’analyse à mener au regard du besoin métiers.
- Concevoir un plan d’actions efficient pour mettre en œuvre une analyse pertinente.
2) Concevoir une ingénierie de préparation des données pertinentes.
- Identifier les données souhaitées.
- Se conformer aux environnements de gouvernance des données.
- Construire le jeu de données pertinentes.
- Retraiter les données pour les rendre exploitables et pertinentes.
- Fiabiliser les données.
- Garantir la transparence et la reproductibilité de la qualification des données.
3) Maitriser les outils statistiques et les langages informatiques pertinents.
- Repérer et évaluer les outils statistiques / informatiques pertinents pour réaliser l’analyse.
- Concevoir une procédure statistique / informatique adaptée.
- Produire les résultats statistiques robustes en recourant à des outils informatiques adaptés.
- Améliorer la procédure statistique / informatique retenue.
- Proposer une ingénierie de projet data pour industrialiser la procédure à l’échelle de l’entreprise.
4) Objectiver les résultats de l’analyse métier pour contribuer à la prise de décision.
- Sélectionner les résultats utiles et pertinents.
- Rendre compréhensible les résultats aux décideurs.
- Communiquer l’information utile à l’aide à la décision.
- Garantir une transmission de qualité de l’information utile.

Séjour Erasmus+ possible en première année.

Stage "ouvrier" (obligatoire en première année) possible à l'étranger.