Guide professionnel d'analyse de données (ADP) (ADsP)
 |
Description
Introduction au livre
Aujourd'hui, l'utilisation des données par le biais du traitement et de l'analyse des données s'impose rapidement comme un moteur essentiel de la création de valeur économique nationale, notamment grâce à une productivité accrue, une forte valeur ajoutée et la création d'emplois.
L’analyse des données, en particulier, qui sert de base à la prise de décision scientifique, attire l’attention en tant qu’outil novateur contribuant à améliorer la productivité des entreprises et des pays.
Les entreprises peuvent accroître leurs profits en intégrant l'analyse de données à leurs stratégies commerciales, et l'introduction de l'analyse de données dans le secteur public devrait générer d'importants avantages sociaux et économiques.
Pour exploiter pleinement le potentiel de l'analyse des données, il est essentiel de s'assurer les services d'experts en analyse de données capables de présenter des orientations stratégiques à une organisation grâce à une analyse de données multifacettes.
Ce guide est destiné à la formation d'experts en analyse de données. S'appuyant sur une analyse des besoins réalisée par des experts des secteurs industriel, commercial et académique, ainsi que sur l'expérience de professionnels du terrain, il présente un panorama complet des connaissances et compétences requises pour ce métier, depuis la compréhension des données, les techniques de traitement et la planification de l'analyse jusqu'à l'analyse et la visualisation.
※Les examens de qualification de professionnel certifié national en analyse de données (ADP) et de professionnel associé (ADsP) mis en œuvre après le 1er janvier 2017 seront basés sur cette édition révisée.
L’analyse des données, en particulier, qui sert de base à la prise de décision scientifique, attire l’attention en tant qu’outil novateur contribuant à améliorer la productivité des entreprises et des pays.
Les entreprises peuvent accroître leurs profits en intégrant l'analyse de données à leurs stratégies commerciales, et l'introduction de l'analyse de données dans le secteur public devrait générer d'importants avantages sociaux et économiques.
Pour exploiter pleinement le potentiel de l'analyse des données, il est essentiel de s'assurer les services d'experts en analyse de données capables de présenter des orientations stratégiques à une organisation grâce à une analyse de données multifacettes.
Ce guide est destiné à la formation d'experts en analyse de données. S'appuyant sur une analyse des besoins réalisée par des experts des secteurs industriel, commercial et académique, ainsi que sur l'expérience de professionnels du terrain, il présente un panorama complet des connaissances et compétences requises pour ce métier, depuis la compréhension des données, les techniques de traitement et la planification de l'analyse jusqu'à l'analyse et la visualisation.
※Les examens de qualification de professionnel certifié national en analyse de données (ADP) et de professionnel associé (ADsP) mis en œuvre après le 1er janvier 2017 seront basés sur cette édition révisée.
indice
Guide des examens de qualification de spécialiste/spécialiste associé en analyse de données
Qu'est-ce qu'un expert en analyse de données ?
La nécessité d'une certification professionnelle en analyse de données
Poste de spécialiste en analyse de données
Guide des matières du test de qualification
Guide de candidature au test de qualification
■ Sujet I.
Comprendre les données
Chapitre 1.
Comprendre les données
Section 1 Données et informations
Section 2 Définition et caractéristiques des bases de données
Section 3 Utilisation de la base de données
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
La valeur et l'avenir des données
Section 1 Comprendre le Big Data
Section 2 : La valeur et l'impact du Big Data
Section 3 Modèle d'entreprise
Section 4 Facteurs de risque et mesures de contrôle
Section 5 : Le Big Data du futur
Résumé du chapitre
Problèmes pratiques
Chapitre 3.
Science des données et analyses stratégiques pour la création de valeur
Section 1 Analyse des mégadonnées et perspectives stratégiques
Section 2 : Capacités requises pour tirer des enseignements stratégiques
Section 3 : Le Big Data et l'avenir de la science des données
Résumé du chapitre
Problèmes pratiques
■ Sujet II.
Comprendre les technologies de traitement des données
Chapitre 1.
processus de traitement des données
Section 1 ETL (Extraction, Transformation et Chargement)
Section 2 CDC (Capture des données modifiées)
Section 3 EAI (Intégration des applications d'entreprise)
Section 4 Résumé des techniques de liaison et d'intégration des données
Section 5 : Traitement des données non structurées à grande échelle
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
technologie de traitement des mégadonnées
Section 1 Technologie de stockage de données distribuées
Section 2 Technologie informatique distribuée
Section 3 Technologie d'infrastructure cloud
Résumé du chapitre
Problèmes pratiques
■ Sujet III.
Planification de l'analyse des données
Chapitre 1.
Comprendre la planification de l'analyse des données
Section 1 : Détermination de l'orientation de la planification de l'analyse
Section 2 Méthodologie d'analyse
Section 3 : Identification des tâches d'analyse
Section 4 Analyse du plan de gestion de projet
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
Plan directeur d'analyse
Section 1 Établissement d'un plan directeur
Section 2 Mise en place d'un système de gouvernance de l'analyse
Résumé du chapitre
Problèmes pratiques
■ Sujet IV.
analyse des données
Chapitre 1.
Principes de base de R et data marts
Section 1 Notions de base de R
Section 2 Data Mart
Section 3 : Gestion des valeurs manquantes et détection des valeurs aberrantes
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
Analyse statistique
Section 1 Introduction aux statistiques
Section 2 Analyse statistique de base
Section 3 Analyse multivariée
Section 4 Prévision des séries chronologiques
Section 5 Analyse en composantes principales
Résumé du chapitre
Problèmes pratiques
Chapitre 3.
Exploration de données structurées
Section 1 : Aperçu de l'exploration de données
Section 2 Analyse de classification
Section 3 Analyse de clusters
Section 4 Analyse d'association
Résumé du chapitre
Problèmes pratiques
Chapitre 4.
Exploration de données non structurées
Section 1 Exploration de texte
Section 2 Analyse des réseaux sociaux
Résumé du chapitre
Problèmes pratiques
■ Sujet V.
Visualisation des données
Chapitre 1.
Processus de visualisation et d'analyse
Section 1 : La signification du processus de visualisation
Section 2 Exploration (Étape 1)
Section 3 Analyse (Étape 2)
Section 4 Utilisation (Étape 3)
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
Conception de visualisation
Section 1 Définition de la visualisation
Section 2 Processus de visualisation
Section 3 Méthodes de visualisation
Section 4 Conception de mégadonnées et de visualisation
Résumé du chapitre
Problèmes pratiques
Chapitre 3.
Mise en œuvre de la visualisation
Section 1 Aperçu de la mise en œuvre de la visualisation
Section 2 : Mise en œuvre de la visualisation à l’aide d’outils d’analyse : R
Section 3 Implémentation de la visualisation basée sur une bibliothèque : Djs
Résumé du chapitre
Problèmes pratiques
Annexe A.
Extraits d'illustrations en couleur (5 sujets)
Annexe B.
Réponses et explications des exercices
Annexe C.
Recherche
Références
Qu'est-ce qu'un expert en analyse de données ?
La nécessité d'une certification professionnelle en analyse de données
Poste de spécialiste en analyse de données
Guide des matières du test de qualification
Guide de candidature au test de qualification
■ Sujet I.
Comprendre les données
Chapitre 1.
Comprendre les données
Section 1 Données et informations
Section 2 Définition et caractéristiques des bases de données
Section 3 Utilisation de la base de données
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
La valeur et l'avenir des données
Section 1 Comprendre le Big Data
Section 2 : La valeur et l'impact du Big Data
Section 3 Modèle d'entreprise
Section 4 Facteurs de risque et mesures de contrôle
Section 5 : Le Big Data du futur
Résumé du chapitre
Problèmes pratiques
Chapitre 3.
Science des données et analyses stratégiques pour la création de valeur
Section 1 Analyse des mégadonnées et perspectives stratégiques
Section 2 : Capacités requises pour tirer des enseignements stratégiques
Section 3 : Le Big Data et l'avenir de la science des données
Résumé du chapitre
Problèmes pratiques
■ Sujet II.
Comprendre les technologies de traitement des données
Chapitre 1.
processus de traitement des données
Section 1 ETL (Extraction, Transformation et Chargement)
Section 2 CDC (Capture des données modifiées)
Section 3 EAI (Intégration des applications d'entreprise)
Section 4 Résumé des techniques de liaison et d'intégration des données
Section 5 : Traitement des données non structurées à grande échelle
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
technologie de traitement des mégadonnées
Section 1 Technologie de stockage de données distribuées
Section 2 Technologie informatique distribuée
Section 3 Technologie d'infrastructure cloud
Résumé du chapitre
Problèmes pratiques
■ Sujet III.
Planification de l'analyse des données
Chapitre 1.
Comprendre la planification de l'analyse des données
Section 1 : Détermination de l'orientation de la planification de l'analyse
Section 2 Méthodologie d'analyse
Section 3 : Identification des tâches d'analyse
Section 4 Analyse du plan de gestion de projet
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
Plan directeur d'analyse
Section 1 Établissement d'un plan directeur
Section 2 Mise en place d'un système de gouvernance de l'analyse
Résumé du chapitre
Problèmes pratiques
■ Sujet IV.
analyse des données
Chapitre 1.
Principes de base de R et data marts
Section 1 Notions de base de R
Section 2 Data Mart
Section 3 : Gestion des valeurs manquantes et détection des valeurs aberrantes
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
Analyse statistique
Section 1 Introduction aux statistiques
Section 2 Analyse statistique de base
Section 3 Analyse multivariée
Section 4 Prévision des séries chronologiques
Section 5 Analyse en composantes principales
Résumé du chapitre
Problèmes pratiques
Chapitre 3.
Exploration de données structurées
Section 1 : Aperçu de l'exploration de données
Section 2 Analyse de classification
Section 3 Analyse de clusters
Section 4 Analyse d'association
Résumé du chapitre
Problèmes pratiques
Chapitre 4.
Exploration de données non structurées
Section 1 Exploration de texte
Section 2 Analyse des réseaux sociaux
Résumé du chapitre
Problèmes pratiques
■ Sujet V.
Visualisation des données
Chapitre 1.
Processus de visualisation et d'analyse
Section 1 : La signification du processus de visualisation
Section 2 Exploration (Étape 1)
Section 3 Analyse (Étape 2)
Section 4 Utilisation (Étape 3)
Résumé du chapitre
Problèmes pratiques
Chapitre 2.
Conception de visualisation
Section 1 Définition de la visualisation
Section 2 Processus de visualisation
Section 3 Méthodes de visualisation
Section 4 Conception de mégadonnées et de visualisation
Résumé du chapitre
Problèmes pratiques
Chapitre 3.
Mise en œuvre de la visualisation
Section 1 Aperçu de la mise en œuvre de la visualisation
Section 2 : Mise en œuvre de la visualisation à l’aide d’outils d’analyse : R
Section 3 Implémentation de la visualisation basée sur une bibliothèque : Djs
Résumé du chapitre
Problèmes pratiques
Annexe A.
Extraits d'illustrations en couleur (5 sujets)
Annexe B.
Réponses et explications des exercices
Annexe C.
Recherche
Références
SPÉCIFICATIONS DES PRODUITS
- Date de publication : 15 mars 2021
- Format : Guide de reliure de livres à couverture rigide
Nombre de pages, poids, dimensions : 988 pages | 2 094 g | 195 × 247 × 54 mm
- ISBN13 : 9788988474839
- ISBN10 : 898847483X
Vous aimerez peut-être aussi
카테고리
Langue coréenne
Langue coréenne
![GQ KOREA Mark (Mensuel) : décembre [2025]](http://librairie.coreenne.fr/cdn/shop/files/8ef265dbbfbf186523ed75ba7319009d.jpg?v=1765340328&width=3840)
