Comprendre les principes clefs de la data sciences

Section 1 : L'histoire de l'analytics

• L'évolution du stockage et du traitement des données
• Du comptage des briques à la gestion des données

Section 2 : Du data management à l’intelligence artificielle

• Concepts clefs du data management : collecte & modélisation des données
• Les enjeux de la visualisation
• Analytics avancé & facteur de succès
• Machine learning & l’intelligence artificielle

Cette section est illustrée par de nombreux cas d'applications concrètes: Chatbot, Attribution & contribution, Predictif & maintenance prédictive, Identification de pattern, Réseau de neuronnes ...

Section 3: Benchmark des outils marché de data visualisation

Section 4 : Prise de hauteur sur les architectures fonctionnelles et les organisations d’entreprise autour de la data science

Nos méthodes mettent l’accent sur des retours terrain (insights marché et cas d’usage illustrés), organisés autour d’une colonne vertébrale d’apports théoriques

Keynotes et apports théoriques

Objectif : Partager un vocabulaire et des principes généraux tant métiers que techniques

Cas d'usages illustrés

Objectif : Impliquer les participants en les projetant dans leur quotidien, en tant qu’employés ou consommateur

Insights acteurs du marché

Objectif : Donner une vision sur les acteurs et chiffres essentiels de l’écosystème