La donnée dans le processus de l’innovation et la transformation digitale

• Les données au service de l’innovation et de la transformation digitale de l'entreprise.
• Les enjeux : gain de productivité, optimisation des processus, gain de performance.
• Les défis et les erreurs classiques.
• Les nouveaux métiers liés aux données.
• Comment mettre en place un pilotage par la donnée par silos à une organisation intégrée ?
• Comment harmoniser le traitement des demandes physiques ou par téléphone, courrier, e-mail ?
• Comment mesurer la performance des demandes pour chaque canal ?
• Comment mettre en place un pilotage par la donnée pour optimiser les transformations ?

La valeur des données : décisionnel, big data, intelligence artificielle

• Le décisionnel dans un contexte de dématérialisation, pourquoi et pour qui ?
• L'apport des processus pour mettre en place des indicateurs.
• L'architecture technique : ETL, infocentre, intégration logiciels métiers.
• De l'infocentre au data warehouse.
• Le rôle des données dans la construction d’un modèle d’intelligence artificielle (IA).
• Machine learning et deep learning.
• Les grands modèles de langage (LLM) et les modèles génératifs pré-entraînés (GPT).
• Déployer un projet d’IA dans l’entreprise.

La gouvernance des données comme levier de la transformation digitale

• Pourquoi la gouvernance des données est-elle au centre d’une telle démarche ?
• Quels sont les bénéfices d’un bon management et d’une bonne gouvernance des données ?
• Data management et l'enjeu de la qualité des données.
• L'approche big data et l'approche structurée master data management (MDM).
• Comment mettre en place une approche décisionnelle.
• Quelle trajectoire pour mettre en place une telle gouvernance ?
• Les défis et les risques techniques (référentiel MDM).

La mise en données du monde : les nouvelles sources de données

• Données “classiques” : contrats, clients et transactions.
• Données comportementales et données générées par les usages numériques.
• Données générées par les objets (IoT).
• Données du vivant.
• Les données ouvertes (open data).
• Données d’intérêt général.
• Le rôle des métadonnées.
• Organiser les données pour l’analyse dans l’entreprise (database, data warehouse, datalake).

Les modèles d’affaires fondés sur les données au cœur des business models

• Comprendre la valeur des données dans la nouvelle économie : effets de réseaux et données.
• Modèle générique des data driven business models.
• Les données dans les modèles de plateformes.
• Modèles de valorisation directe des données.
• Modèles de valorisation indirecte des données.
• Modèles d’agrégation des données : data sharing, data spaces et data pooling.
• Place de marchés de données.
• Servicisation généralisée, nouveaux services et données.
• Modèles de données ouvertes et communs de la donnée.

Cadres réglementaires et géopolitiques des données

• Les enjeux géopolitiques des données : EU, USA, Chine.
• Cloud Act, e-evidence, EU-U.S. Data Privacy Framework.
• Le cadre réglementaire européen : e-privacy, RGPD, Data Governance Act, Data Act.
• Le futur cadre européen de l’intelligence artificielle (AI Act).
• Les écosystèmes de données : vers un espace européen des données (data spaces).
• Le cadre américain des données.