FC9MP03
Stage inter entreprise
Durée :
2 jour(s)
Présentation
A l’heure où le Big Data se concrétise dans les entreprises par des projets innovants, ces initiatives sont souvent freinées par une méthodologie non adaptée. Issus de retours d’expérience concrets, des éléments théoriques seront présentés pour pouvoir comprendre et traiter les spécificités de ce type de projet, en adoptant un processus projet adéquat. Des ateliers pratiques d’idéation et de cadrage sont intégrés à la formation pour mettre en pratique les concepts abordés et faciliter leur réutilisation.
Objectifs
- Expliquer les composantes méthodologiques pour mener avec succès un projet IA et Big Data
- Lister les bonnes pratiques pour composer une équipe, piloter le projet, maîtriser les risques associés et évaluer sa réussite
-
Programme
Introduction
Comprendre et traiter les spécificités d’un projet Data
Qu’est-ce qu’un projet Data ?
- Qu’est-ce que l'IA et la Data Science ?
- Présentation simplifiée de quelques algorithmes
- Qu'est-ce que le Big Data ?
- Rupture technologique et nouvelles solutions apportées par l'IA et le Big Data aux problématiques métiers
- Quels nouveaux cas d’usage par rapport aux projets traditionnels ?
- Des données sous exploitées : l’exemple des données non structurées
Spécificité organisationnelle : de la nécessité de mobiliser des acteurs variés et nouveaux
- Revue des différents modes d'organisation Data et de leurs avantages/inconvénients en mode projet
- Quels nouveaux profils ?
- Implication et rôles des acteurs projet
Spécificité méthodologique : approche progressive et itérative
- Phases types d'un projet Data
- La place de l'agile dans les projets
- Critères de réussite et de rentabilité d’un projet Big Data
Spécificité technologique : un écosystème en constante évolution
- Cloud vs. On Premise : Quelles différences et pourquoi les privilégier ?
- Quels outils pour quels usages ?
- L’intégration du Big Data dans un SI existant
- Pérennité des technologies Big Data
- Quelles promesses derrière la notion de temps réel ?
Spécificité économique : de la nécessité de maîtriser son infrastructure et les cas d'usages opérés
- Valorisation d'un cas d'usage Data
- Méthodes d'estimation des couts d’infrastructure
- Existe-t-il des investissements incontournables à mener ?
Spécificité juridique et humaine : pour une utilisation éthique de la donnée
- RGPD et loi « Informatique et Libertés »
- Données publiques (Open Data)
- Conservation et transfert
- Propriété intellectuelle et Open Source
Composer et piloter une équipe IA ou Big Data
- Compétences clés et profils
- Une équipe type existe-t-elle ?
- Encadrement d’une équipe Big Data
- Recrutement de profils Data
Manager un projet Data du cadrage à l'industrialisation – 1ère partie
Cadrage : Identifier et prioriser les besoins et données à exploiter.
- Panorama des cas d’usages classiques IA et Big Data
- Techniques de priorisation des sujets
- Méthodes et bonnes pratiques pour faciliter la phase de qualification du besoin
- Quels critères valider avant de lancer le projet ?
Études de cas / mises en situation
Atelier #1 : Idéation autour de cas d'usage
Manager un projet Data du cadrage à l'industrialisation – 2ème partie
Le POC ou la nécessité de démontrer la faisabilité et/ou la valeur.
- Définition de l'objectif et des moyens
- Phases clés d'une expérimentation
- Quel critères pour aller plus loin ?
- Un POC est-il toujours nécessaire ?
Pilote : Premier usage en conditions réelles.
- Qu'est-ce qu'un pilote ?
- Présentation d’architectures Big Data types pour quelques cas d'usage
- Mesure des gains et de l'appropriation métier
- Concepts généraux de Data visualisation et panorama des outils
- Comment éviter le pilote sans fin ?
Industrialisation : Déployer largement pour multiplier les gains.
- Quelles différences avec le pilote ?
- Bonnes pratiques pour faciliter le passage du BUILD au RUN
- Quels SLA pour un projet Data ?
Piloter et maîtriser les risques des projets IA et Big Data
- Rappel sur la gestion des risques projet IT
- Les risques spécifiques aux projets IA et Big Data
- Focus sur la problématique de l'intelligibilité des algorithmes
- Facteurs de succès et pièges à éviter
- Tests et analyses de performances
Études de cas / mises en situation
Atelier #2 : Initiation au pilotage d’un projet Big Data : POC Data Science.
- Préparation par groupe d'un plan projet couvrant les éléments suivants :
- Compréhension du besoin
- Solution technique et points d’attention à instruire
- Méthodologie projet proposée
- Macro-Planning et plan de charge
- Présentation et mise en commun des propositions et échanges
Synthèse et conclusion
-
Points forts
Formation donnant les outils et bonnes pratiques de gestion de projets big data et IA.
-
Modalités pédagogiques
La formation comprend des études de cas qui permettent la mise en œuvre des notions abordées.
-
Public cible et prérequis
La formation s’adresse aux chefs de projets informatiques, consultants, développeurs ou chargés d’études statistiques.
Cette formation requiert des connaissances de base en gestion de projet informatique. -
Responsables
Houda ROUAN
Ingénieur diplômé de l’INSA, Data Product Owner, il accompagne les grands comptes dans leur transformation par la donnée depuis les objectifs stratégiques IA jusqu’à l'industrialisation de la solution : cadrage et définition du besoin, détection des cas d’usage et priorisation, exploration Data, gestion et suivi de la mise en œuvre des cas d’usage, accompagnement au changement, gestion et suivi du déploiement et de l’industrialisation.
Prochaine(s) session(s)
- Du 30/11/2023 au 01/12/2023 à Paris
