Aller à : contenu haut bas recherche
 
 
EN     FR
Vous êtes ici:   UNIL > HEC Inst. > HEC App. > SYLLABUS
 
 

Data-Driven Business

  • Enseignant(s): J.Marewski
  • Titre en français: Business piloté par les données
  • Cours donné en: anglais
  • Crédits ECTS: 6 crédits
  • Horaire: Semestre de printemps 2018-2019, 4.0h. de cours (moyenne hebdomadaire)
  •  séances
  • site web du cours site web du cours
  • Formations concernées:
    Maîtrise universitaire ès Sciences en management, Orientation comportement, économie et évolution

    Maîtrise universitaire ès Sciences en management, Orientation stratégie, organisation et leadership

    Maîtrise universitaire ès Sciences en management, Orientation marketing

    Maîtrise universitaire ès Sciences en management, Orientation business analytics

 

Objectifs

Dans les sociétés digitalisées, les opportunités d’affaires orientées sur les datas abondent. Pourtant, afin de reconnaitre et exploiter ces opportunités, il faut non seulement la technologie, mais aussi une réflexion statistique et une compréhension des principes scientifiques, comme par exemple, l'expérimentation. En plus de savoir identifier et exploiter les opportunités d'affaires basées sur des données, les managers doivent être conscients des risques et des pièges éthiques auxquels les entreprises axées sur les données peuvent faire face. Par exemple, des algorithmes mal conçus peuvent non seulement faire perdre des occasions d'affaires, mais aussi menacer l'existence même de l'entreprise et/ou créer de sérieux problèmes éthiques allant jusqu’à prendre une ampleur sociétale. Enfin, qu'il s'agisse de la gestion des risques et de l'éthique des données ou de la stratégie, des relations publiques, de l'établissement de rapports et du leadership interne, les managers doivent également être en mesure de communiquer clairement les données sur lesquelles repose leur business.

Ce cours offre une introduction au monde des entreprises ‘data driven’, axées sur les données. Plus précisément, le cours initiera les participants (i) aux techniques quantitatives de base essentielles aux entreprises fondées sur les données, aux principes fondamentaux de (ii) la réflexion statistique et (iii) de l'expérimentation, et les invitera à réfléchir (iv) aux risques et aux problèmes éthiques auxquels les entreprises fondées sur les données peuvent être confrontées, ainsi qu'aux stratégies d’atténuation du risque. Enfin, en introduisant les techniques quantitatives de base, les participants feront un premier pas vers l'apprentissage (v) de la communication transparente et adéquate des analyses de données, qu'il s'agisse d'un PDG, d'un régulateur, d'un client ou d'autres acteurs.

Pour aider les participants à développer des compétences techniques et analytiques orientée sur la pratique, le cours s'appuie sur des cas réels du monde des affaires, y compris des ensembles de données, donnant ainsi un aperçu du fonctionnement de la Business Intelligence (BI). Ce cours est axé sur le monde réel et appliqué ; il est entièrement basé sur des cas et l'enseignement est similaire à celui des cours de EMBA (Executive Education). Ce faisant, ce cours est une introduction ; des connaissances préalables en analyse de données, en gestion des risques et en éthique des données ne sont pas nécessaire. Le point saillant du cours est un projet de consulting sur-mesure que les participants élaboreront (Assignement 2 ; voir ci-dessous).

Contenus

Calendrier et exigences


Aperçu du calendrier (provisoire) :

Les participants récapituleront d'abord les éléments de base de la boîte à outils d'analyse de données (p. ex., les méthodes statistiques de base) et, ce faisant, se concentreront sur la façon de communiquer au sujet des données. Ils exploreront ensuite plus en détail certains éléments avancés, y compris des méthodes et des notions couvrant les domaines des statistiques, du machine learning, et computer science. Un accent particulier sera mis sur la construction et le test de classificateurs robustes. La construction de modèles sur mesure sera fortement encouragée. Tout au long du cours, la réflexion statistique et la réflexion sur les méthodes scientifiques telles que l'expérimentation seront stimulées. De même, tout au long du cours, les risques et les problèmes éthiques auxquels les entreprises axées sur les données peuvent être confrontées, ainsi que les stratégies d'atténuation des risques seront explorées. Les participants commenceront à élaborer un projet de consulting (Assignement 2 ; voir ci-dessous) vers le milieu du cours et termineront ce projet à la fin du cours. Ce projet de consulting leur permettra de mettre en pratique de façon créative les connaissances et les compétences acquises.


Méthode d'enseignement :

Tel que décrit ci-dessus, les séances du cours sont basées sur de véritables business cases qui exposent comment les techniques et les compétences couvertes peuvent être utilisées pour résoudre des problèmes dans la pratique (p. ex. prédire les futurs meilleurs clients, construire des classificateurs défendables sur le plan éthique, etc.)

En utilisant la méthode des études de cas, l'idée est que les participants acquièrent les connaissances par la pratique. À cette fin, ils assument le rôle d'un décideur (p. ex., un manageur) qui doit résoudre des problèmes opérationnels réels. Avant chaque séance, les participants lisent le cas et tentent de résoudre le problème associé en analysant les données. Durant la séance, les participants élaborent une solution commune, le professeur modère et guide la discussion. Après chaque session, les participants peuvent se réunir en équipe pour récapituler les contenus enseignés pendant la session et pour corriger leurs solutions individuelles.

Préparation et conditions de participation :

Les participants sont tenus d'essayer de résoudre chaque étude de cas assignée avant la séance au cours de laquelle le cas correspondant sera couverte. Cette préparation pré-session est essentielle pour participer oralement à la discussion, suivre le contenu du cours et acquérir des compétences et des connaissances utilisables. Les participants sont également tenus de revenir sur les cas après chaque séance afin de récapituler la solution de cas élaborée au cours de la séance. Il est important de revenir au cas après chaque séance, car tous les cas s'appuient les uns sur les autres, et le fait de ne pas comprendre un cas précédent rendra difficile la résolution des cas suivants et le suivi du cours.

Pour aider les participants à préparer les cas, on leur demande de lire des articles et des chapitres de livres. Ces articles et chapitres seront annoncés pendant le cours. Si les participants le souhaitent, ils peuvent bien entendu consulter d'autres lectures et - comme dans le monde réel - utiliser les nombreuses ressources statistiques disponibles sur Internet.

Afin de faciliter davantage le processus d'apprentissage et de compenser les niveaux potentiellement différents de connaissances techniques préalables, il sera possible de travailler en équipe pour préparer les séances.

La note de participation (voir ci-dessous) dépend de la préparation approfondie du matériel pour chaque session. Afin de recevoir des évaluations satisfaisantes, les participants sont priés de démontrer, par une participation verbale active (c.-à-d. en prenant la parole pendant la discussion), qu'ils ont parcouru le matériel et qu'ils ont fait un effort sérieux pour résoudre les cas prévus pour les séances.

De même, les notes d'assignement (voir ci-dessous) dépendent de la préparation approfondie des cas correspondants. En plus de soumettre des rapports écrits pour les travaux, on s'attend à ce que tous les participants soient en mesure d'exposer verbalement leurs solutions de cas pendant les séances.

Toutes les notes sont individuelles.

Références

Matériaux


Logiciels requis :

Au cours des séances, les participants résoudront des cas réels. A chaque session, les participants devront apporter leur propre ordinateur portable. Sur cet ordinateur portable, Microsoft Excel doit être installé. L'accès à d'autres progiciels statistiques (p. ex. Matlab, R) est utile, mais pas nécessaire.

Business cases requis :

La résolution d’études de cas est attendue. Les références à ces cas et aux fichiers de données connexes seront fournies durant le cours.

Livre / chapitres requis :

Pour stimuler la réflexion et la discussion sur l'éthique des données, les participants sont invités à lire des chapitres du livre "Weapons of math destruction" : How big data increases inequality and threatens democracy", par Cathy O'Neil.

En outre, les participants pourraient être invités à lire certains chapitres d'autres livres (à annoncer pendant le cours).

Articles de revues publiées requis :

Les lectures obligatoires pour ce cours sont quelques articles de revues scientifiques sélectionnées. Des références à ces articles seront données pendant les sessions.

Autres lectures utiles mais non obligatoires :

Outre les documents mentionnés ci-dessus, les participants sont bien entendu libres de consulter d'autres ressources de leur choix - comme dans le monde réel.

Pré-requis

Conditions de participation

Des connaissances préalables en statistiques descriptives de base (p. ex. moyens de calcul, écarts-types, etc.) sont utiles, mais non nécessaires. Une connaissance préalable de l'utilisation de Microsoft Excel est utile, mais n'est pas nécessaire. Aucune connaissance préalable de Matlab, R ou d'autres logiciels n'est requise.

Evaluation

1ère tentative

Examen:
Sans examen (cf. modalités)  
Evaluation:

La note finale dépend de la participation verbale individuelle pendant les séances (25 %), d'un assignement régulier d’étude de cas (25 % ; Assignement 1) et d'un assignement créatif d’étude de cas que les participants doivent rédiger eux-mêmes (50 % ; Assignement 2).

Les assignements individuels (25 % et 50 %) consistent à préparer un rapport écrit d'une solution à un business case. L’assignement 1 (25 %) est un cas régulier donné aux participants et qui doit être analysé par eux. L’assignement 2 (50 %) exige des participants qu'ils créent eux-mêmes un business case et qu'ils analysent les données pour cette étude de cas. Il est préférable de considérer l’assignement 2 comme un projet de consulting, où les participants utilisent la boîte à outils d'analyse de données pour élaborer une cas (d'affaires) pour une entreprise.

Les deux rapports comprennent une partie "Analyse de données", composée de résumés de réflexions méthodologiques, d'analyses, de résultats et de conclusions, ainsi qu’une "Annexe" avec des calculs complets et détaillés (p. ex. tableurs, code). Tous les calculs importants doivent être documentés et expliqués dans les documents annexés. Lors de la rédaction des rapports, un accent particulier doit être mis sur la clarté de la communication : les rapports doivent être rédigés de manière à ce que les parties prenantes sans compétence analytique particulière puissent les comprendre. De plus, les deux rapports comportent une partie "Risques et éthique des données", c'est-à-dire une partie traitant des risques et des enjeux éthiques accompagnant l’analyse et le projet d'affaires proposés. Le rapport de l’assignement 2 comprend en outre une "Exposition du cas", c'est-à-dire le cas lui-même avec une justification de l'idée d'entreprise proposée. Tous les participants doivent être prêts à présenter leurs travaux lors de sessions dédiées.

La note de participation (25%) dépend de la préparation approfondie des cas pour chaque session. Afin de recevoir des évaluations satisfaisantes, les participants sont priés de démontrer, par une participation verbale active (c.-à-d. en prenant la parole au cours de la discussion), qu'ils ont travaillé sur les cas et qu'ils ont fait de sérieux efforts pour les résoudre. Le simple fait d'être présent aux séances (c.-à-d. d'y assister sans prendre la parole) n'est pas considéré comme une participation verbale.

Rattrapage

Examen:
Sans examen (cf. modalités)  
Evaluation:

En cas de rattrapages, la note de participation verbale (25%) sera conservée. Les assignements individuels 1 et 2 (25 % et 50 %) seront remplacés par de nouveaux assignements. Les détails seront donnés après le délai d'inscription.



[» page précédente]           [» liste des cours]
 
Recherche


Internef - CH-1015 Lausanne - Suisse  -   Tél. +41 21 692 33 00  -   Fax +41 21 692 33 05
Swiss University