Un programme complet et 100% en ligne, exclusif à TECH et avec une perspective internationale soutenue par notre affiliation à la Business Graduates Association"

L'émergence de la Science des Données dans les processus d'entreprise redéfinit la façon dont les organisations conçoivent la stratégie d'entreprise. Par exemple, sa capacité à transformer l'information en connaissances exploitables permet aux entreprises d'anticiper les tendances, d'optimiser les opérations et de prendre des décisions éclairées. Dans ce contexte, les professionnels doivent développer des compétences avancées dans l'utilisation optimale des outils de Data Science. Cela leur permettra de s'assurer que le traitement des données est efficace. 

Dans le but de faciliter cette tâche, TECH lance un Mastère spécialisé exclusif en Direction Technique de Data Science dans l'Entreprise. Conçu par des références dans ce secteur, le parcours académique couvrira des aspects allant de l'approche technique des systèmes de gestion de l'information à l'analyse détaillée du cycle de vie des données. Le syllabus fournira également des outils de pointe pour la collecte, le nettoyage et même la modélisation de l'information.

En ce sens, le matériel pédagogique approfondira également les fondements réglementaires liés à la protection des données. Grâce à cela, les étudiants développeront des compétences avancées pour concevoir des infrastructures évolutives, gérer des flux massifs de données en temps réel et déployer des services dans des architectures à haute disponibilité. 

En termes de méthodologie, TECH utilise son système perturbateur Relearning basé sur la réitération naturelle et progressive des concepts clés du programme d'études. Pour accéder au Campus Virtuel, les informaticiens n'ont besoin que d'un appareil doté d'une connexion Internet. En outre, des Directeurs Invités Internationaux de renom donneront des Masterclasses rigoureuses. 

De plus, TECH étant membre de la Business Graduates Association (BGA), les étudiants pourront accéder à des ressources exclusives et actualisées qui renforceront leur formation continue et leur développement professionnel, ainsi qu'à des réductions sur des événements professionnels qui faciliteront le contact avec des experts du secteur. En outre, vous pourrez élargir votre réseau professionnel, en vous connectant avec des spécialistes de différentes régions, ce qui favorisera l'échange de connaissances et de nouvelles opportunités d'emploi.

Des Directeurs Invités Internationaux de renom offriront des Masterclasses intensives sur les dernières tendances de la Direction Technique de Data Science dans l'Entreprise’’ 

Ce Mastère spécialisé MBA en Direction Technique de Data Science dans l'Entreprise contient le programme le plus complet et le plus actualisé du marché. Ses caractéristiques sont les suivantes :

• Le développement d'études de cas présentées par des experts en Direction Technique de Data Science dans l'Entreprise
• Les contenus graphiques, schématiques et éminemment pratiques de l'ouvrage fournissent des informations scientifiques et pratiques sur les disciplines essentielles à la pratique professionnelle
• Exercices pratiques permettant de réaliser le processus d'auto-évaluation afin d'améliorer l’apprentissage
• Il met l'accent sur les méthodologies innovantes
• Cours théoriques, questions à l'expert, forums de discussion sur des sujets controversés et travail de réflexion individuel
• Il est possible d'accéder aux contenus depuis tout appareil fixe ou portable doté d'une connexion à internet

Avec le système Relearning de TECH , vous n'aurez pas à investir beaucoup d'heures d'étude et vous vous concentrerez sur les concepts les plus pertinents. Inscrivez-vous dès maintenant !’’ 

Son corps enseignant comprend des professionnels appartenant au domaine de la Direction Technique de Data Science dans l'Entreprise, qui apportent à ce programme l'expérience de leur travail, ainsi que des spécialistes reconnus issus d'entreprises de premier plan et d'universités prestigieuses. 

Son contenu multimédia, développé avec les dernières technologies éducatives, permettra au professionnel un apprentissage situé et contextuel, c'est-à-dire un environnement simulé qui fournira un étude immersif programmé pour s'entraîner dans des situations réelles. 

La conception de ce programme est axée sur l'Apprentissage par les Problèmes, grâce auquel l’étudiant doit essayer de résoudre les différentes situations de la pratique professionnelle qui se présentent tout au long du programme académique. Pour ce faire, le professionnel aura l'aide d'un système vidéo interactif innovant créé par des experts reconnus. 

Vous aurez une connaissance approfondie des systèmes de gestion des données et de leur application stratégique dans l'environnement de l'entreprise"

Vous maîtriserez les techniques les plus sophistiquées de collecte, de nettoyage et de stockage de grands volumes d'informations"

Cet itinéraire académique approfondira les aspects essentiels pour assumer des responsabilités dans la Direction Technique de Data Science dans l'Entreprise. Ainsi, le syllabus abordera les principales réglementations pour une gestion responsable des données, ce qui permettra au professionnel d'agir conformément à des cadres réglementaires exigeants et de garantir l'intégrité de l'information. Le matériel de formation explorera également les particularités des systèmes évolutifs pour l'utilisation massive d'informations sensibles, qui sont indispensables dans les environnements d'entreprise à forte demande. En outre, des outils modernes seront fournis pour concevoir des architectures robustes qui répondent aux besoins réels des entreprises.  

Vous intégrerez des infrastructures de données basées sur des systèmes évolutifs, distribués et orientés multiservices" 

Module 1. Principaux systèmes de gestion de l'information

1.1. ERP et CRM

1.1.1. ERP
1.1.2. CRM
1.1.3. Différence entre ERP, CRM Point de vente
1.1.4. Succès commercial

1.2. ERP

1.2.1. ERP
1.2.2. Types de ERP
1.2.3. Développement de un projet d'implantation d’un ERP
1.2.4. ERP. Optimisation des ressources
1.2.5. Architecture d'un système ERP

1.3. Informations fournies par l'ERP

1.3.1. Informations fournies par l'ERP
1.3.2. Avantages et inconvénients
1.3.3. L’information

1.4. Systèmes ERP

1.4.1. Systèmes et outils actuels ERP
1.4.2. Prise de décision
1.4.3. Le quotidien d'un ERP

1.5. CRM : le projet d’implantation

1.5.1. CRM Projet d’implantation
1.5.2. Le CRM comme outils commercial
1.5.3. Stratégies pour le système d’information

1.6. CRM: Fidélisations des clients

1.6.1. Point de départ
1.6.2. Vendre ou fidéliser
1.6.3. Facteurs de succès dans notre système de fidélisation
1.6.4. Stratégies multi canaux
1.6.5. Conception d'actions de fidélisation
1.6.5. E-Fidélisation

1.7. CRM : campagnes de communication

1.7.1. Actions et plan de communication
1.7.2. Importance du client informé
1.7.3. L'écoute du client

1.8. CRM : prévention des mécontents

1.8.1. Perte de clientèle
1.8.2. Détection précoce des erreurs
1.8.3. Processus d'amélioration
1.8.4. Récupération du client mécontent

1.9. CRM : actions spécialiste de communication

1.9.1. Objectifs et planification d'un événement d'entreprise
1.9.2. Conception et réalisation de l'événement
1.9.3. Actions du département
1.9.4. Analyse des résultats

1.10. Marketing Relationnel

1.10.1. Implantation. Erreurs
1.10.2. Méthodologie, segmentation et processus
1.10.3. Performance, selon le département
1.10.4. Outils CRM

Module 2. Types et cycle de vie des données

2.1. Statistiques

2.1.1. Statistiques : statistiques descriptives, inférences statistiques
2.1.2. Population, échantillon, individu
2.1.3. Variables : définition, échelles de mesure

2.2. Types de données statistiques

2.2.1. Selon le type
2.2.1.1. Quantitatif: données continues et données discrètes
2.2.1.2. Qualitatif: données binomiales, données nominales et données ordinales
2.2.2. Selon la forme
2.2.2.1. Numérique
2.2.2.2. Texte
2.2.2.3. Logique
2.2.3. Selon la source
2.2.3.1. Primaire
2.2.3.2. Secondaire

2.3. Cycle de vie des données

2.3.1. Étape de cycle
2.3.2. Les étapes du cycle
2.3.3. Les principes du FAIR

2.4. Les premières étapes du cycle

2.4.1. Définition des objectifs
2.4.2. Détermination des besoins en ressources
2.4.3. Diagramme de Gantt
2.4.4. Structure des données

2.5. Collecte des données

2.5.1. Méthodologie de collecte
2.5.2. Outils de collecte
2.5.3. Canaux de collecte

2.6. Nettoyage des données

2.6.1. Phases du nettoyage des données
2.6.2. Qualité des données
2.6.3. Manipulation des données (avec R)

2.7. Analyse des données, interprétations, évaluation des résultats

2.7.1. Mesures statistiques
2.7.2. Indices de ratios
2.7.3. Extraction de données

2.8. Entrepôt de données (Datawarehouse)

2.8.1. Les éléments qui le composent
2.8.2. Conception
2.8.3. Aspects à prendre en compte

2.9. Disponibilité des données

2.9.1. Accès
2.9.2. Utilité
2.9.3. Sécurité

Module 3. Numéro Machine Learning

3.1. Connaissance des bases de données

3.1.1. Prétraitement des données
3.1.2. Analyse
3.1.3. Interprétation et évaluation des résultats

3.2. Machine learning

3.2.1. Apprentissage supervisé et non supervisé
3.2.2. Apprentissage par renforcement
3.2.3. Apprentissage semi-supervisé. Autres modèles d'apprentissage

3.3. Classification

3.3.1. Arbres de décision et apprentissage à base de règles
3.3.2. Les algorithmes Support Vector Machines (SVM) et K-Nearest Neighbour (KNN)
3.3.3. Métriques pour les algorithmes de classification

3.4. Régression

3.4.1. Régression linéaire et régression logistique
3.4.2. Modèles de régression non linéaires
3.4.3. Analyse des séries chronologiques
3.4.4. Métriques pour les algorithmes de régression

3.5. Clustering

3.5.1. Regroupement hiérarchique
3.5.2. Regroupement partionnel
3.5.3. Métriques pour les algorithmes de clustering

3.6. Règles de l'association

3.6.1. Mesures d'intérêt
3.6.2. Méthodes d'extraction de règles
3.6.3. Métriques pour les algorithmes de règles d'association

3.7. Multiclassificateurs

3.7.1. “Bootstrap aggregation” ou “bagging”
3.7.2. Algorithmes de «random forests»
3.7.3. Algorithmes de «boosting»

3.8. Modèles de raisonnement probabiliste

3.8.1. Raisonnement probabiliste
3.8.2. Réseaux bayésiens ou réseaux de croyance
3.8.3. “Hidden Markov Models”

3.9. Perceptron multicouche

3.9.1. Réseau neuronal
3.9.2. Apprentissage automatique avec les réseaux neuronaux
3.9.3. Descente de gradient, «backpropagation» et fonctions d'activation
3.9.4. Mise en œuvre d'un réseau de neurones artificiels

3.10. Apprentissage profond

3.10.1. Réseaux neuronaux profonds. Introduction
3.10.2. Réseaux convolutifs
3.10.3. Sequence modeling
3.10.4. Tensorflow et Pytorch

Module 4. Analyse web

4.1. Analyse web

4.1.1. Introduction
4.1.2. Évolution de l’analyse web
4.1.3. Processus d'analyse

4.2. Google Analytics

4.2.1. Google Analytics
4.2.2. Utilisation
4.2.3. Objectifs

4.3. Hits. Interactions avec le site web

4.3.1. Métriques de base
4.3.2. KPI (Key performance indicators)
4.3.3. Des taux de conversion adéquats

4.4. Dimensions fréquentes

4.4.1. Source
4.4.2. Moyenne
4.4.3. Keyword
4.4.4. Campagne
4.4.5. Étiquetage personnalisé

4.5. Paramètres de Google Analytics

4.5.1. Installation. Création du compte
4.5.2. Versions des outils: UA/GA4
4.5.3. Étiquette de suivi
4.5.4. Objectifs de conversion

4.6. Organisation de Google Analytics

4.6.1. Compte
4.6.2. Propriété
4.6.3. Afficher

4.7. Rapports de Google Analytics

4.7.1. En temps réel
4.7.2. Audience
4.7.3. Acquisition
4.7.4. Comportement
4.7.5. Conversions
4.7.5. Commerce électronique

4.8. Rapports avancés de Google Analytics

4.8.1. Rapports personnalisés
4.8.2. Panels
4.8.3. APIs

4.9. Filtres et segments

4.9.1. Filtre
4.9.2. Segment
4.9.3. Types de segments : prédéfinis/personnalises
4.9.4. Listes de remarketing

4.10. Plan analytique digital

4.10.1. Mesure
4.10.2. Mise en œuvre dans l'environnement technologique
4.10.3. Conclusions

Module 5. Systèmes évolutifs et fiables d'utilisation des données de masse

5.1. Évolutivité, fiabilité et facilité de maintenance

5.1.1. Évolutivité
5.1.2. Fiabilité
5.1.3. Maintenance

5.2. Modèles de données

5.2.1. Évolution des modèles de données
5.2.2. Comparaison du modèle relationnel et du modèle NoSQL basé sur les documents
5.2.3. Modèle de réseau

5.3. Moteurs de stockage et d'extraction de données

5.3.1. Stockage structuré en log
5.3.2. Stockage des tables de segmentation
5.3.3. Arbres B

5.4. Services, passage de messages et formats de codage de données

5.4.1. Flux de données dans les services REST
5.4.2. Flux de données dans le passage de messages
5.4.3. Formats d'envoi des messages

5.5. Réplication

5.5.1. Théorème de la PAC
5.5.2. Modèles de cohérence
5.5.3. Modèles de réplication basés sur les concepts de leader et de suiveur

5.6. Transactions distribuées

5.6.1. Transactions atomiques
5.6.2. Transactions distribuées selon différentes approches Calvin, Spanner
5.6.3. Sérialité

5.7. Cloisonnement

5.7.1. Types de cloisonnement
5.7.2. Partitionnement des index
5.7.3. Rééquilibrage des partitions

5.8. Traitement par lots

5.8.1. Traitement par lots
5.8.2. MapReduce
5.8.3. Approches post MapReduce

5.9. Traitement des flux de données

5.9.1. Systèmes de messages
5.9.2. Persistance des flux de données
5.9.3. Utilisations et opérations de flux de données

5.10. Cas d'utilisation Twitter, Facebook, Uber

5.10.1. Twitter : l'utilisation des caches
5.10.2. Facebook : modèles non relationnels
5.10.3. Uber : différents modèles pour différents usages

Module 6. Administration du système pour les déploiements distribués

6.1. Administration classique. Le modèle monolithique

6.1.1. Applications classiques Modèle monolithique
6.1.2. Configuration requise pour les applications monolithiques
6.1.3. Administration de systèmes monolithiques
6.1.4. Automatisation

6.2. Applications distribuées. Le micro service

6.2.1. Paradigme de l'informatique distribuée
6.2.2. Modèles basés sur les micro services
6.2.3. Exigences du système pour les modèles distribués
6.2.4. Applications monolithiques vs. Applications distribuées

6.3. Outils de exploitation des ressources

6.3.1. Gestion du “fer”
6.3.2. Virtualisation
6.3.3. Émulation
6.3.4. Paravirtualisation

6.4. Modèles IaaS, PaaS et SaaS

6.4.1. Modèle IaaS
6.4.2. Modèle PaaS
6.4.3. Modèle SaaS
6.4.4. Modèles de conception

6.5. Containerisation

6.5.1. Virtualisation avec cgroups
6.5.2. Conteneurs
6.5.3. De l'application au conteneur
6.5.4. Orchestration de conteneurs

6.6. Regroupement

6.6.1. Haute performance et haute disponibilité
6.6.2. Modèles de haute disponibilité
6.6.3. Cluster en tant que plateforme SaaS
6.6.4. Sécurisation du clusters

6.7. Cloud computing

6.7.1. Clusters vs. clouds
6.7.2. Types de clouds
6.7.3. Modèle de service en cloud
6.7.4. Souscription excessive

6.8. Suivi et testing

6.8.1. Types de suivi
6.8.2. Visualisation
6.8.3. Tests de l’infrastructure
6.8.4. Ingénierie du chaos

6.9. Étude de cas: Kubernetes

6.9.1. Structure
6.9.2. Administration
6.9.3. Déploiement des services
6.9.4. Développement de services pour la K8S

6.10. Étude de cas: OpenStack

6.10.1. Structure
6.10.2. Administration
6.10.3 Déploiements
6.10.4. Développement de services pour la OpenStack

Module 7. Internet des objets

7.1. Internet of things (IoT)

7.1.1. Internet du futur
7.1.2. Internet of things et Industrial Internet of Things
7.1.3. Le consortium industrial internet

7.2. Architecture de référence

7.2.1. L’architecture de référence
7.2.2. Couches et composants

7.3. Dispositifs IoT

7.3.1. Classification
7.3.2. Composants
7.3.3. Capteurs et actionneurs

7.4. Protocoles de communication

7.4.1. Classification
7.4.2. Modèle OSI
7.4.3. Technologies

7.5. Plateformes IoT et IIoT

7.5.1. La plateforme IoT
7.5.2. Plateformes cloud à usage général
7.5.3. Plateformes industrielles
7.5.4. Plateformes Open Source

7.6. Gestion des données dans les plateformes IoT

7.6.1. Mécanismes de gestion
7.6.2. Données ouvertes
7.6.3. Échange de données
7.6.4. Visualisation des données

7.7. Sécurité IoT

7.7.1. Exigences de sécurité
7.7.2. Zone de sécurité
7.7.3. Stratégies de sécurité
7.7.4. Sécurité IIoT

7.8. Domaines d'application des systèmes IoT

7.8.1. Villes intelligentes
7.8.2. Santé et conditions physiques
7.8.3. Maison intelligente
7.8.4. Autres applications

7.9. Application de l'IIoT à différents secteurs industriels

7.9.1. Fabrication
7.9.2. Transport
7.9.3. Énergie
7.9.4. Agriculture et élevage
7.9.5. Autres secteurs

7.10. Intégration de l'IIoT dans le modèle de l'industrie 4.0. 

7.10.1. IoRT (internet of robotics things)
7.10.2. Fabrication additive 3D
7.10.3. Big data analytics

Module 8. Gestion de projet et méthodologies agile

8.1. Direction et gestion des projets

8.1.1. Le projet
8.1.2. Phases d’un projet
8.1.3. Direction et gestion des projets

8.2. Méthodologie PMI pour la gestion de projet

8.2.1. PMI (Project Management Institute)
8.2.2. PMBOK
8.2.3. Différence entre projet, programme et portefeuille de projets
8.2.4. Évolution des organisations travaillant avec des projets
8.2.5. Les actifs de processus dans les organisations

8.3. Méthodologie PMI pour la gestion de projet: Processus

8.3.1. Groupes de processus
8.3.2. Domaines de connaissance
8.3.3. Matrice de processus

8.4. Méthodologies agiles pour la gestion de projets

8.4.1. Contexte VUCA (Volatilité, Incertitude, Complexité et Ambiguïté)
8.4.2. Valeurs Agile
8.4.3. Principes du manifeste agile

8.5. Framework agile Scrum pour la gestion des projets

8.5.1. Scrum
8.5.2. Les piliers de la méthodologie Scrum
8.5.3. Les valeurs dans Scrum

8.6. Framework agile Scrum pour la gestion des projets. Processus

8.6.1. Processus de Scrum
8.6.2. Rôles typiques dans un processus Scrum
8.6.3. Les cérémonies en Scrum

8.7. Framework agile Scrum pour la gestion des projets. Artefacts

8.7.1. Artefacts dans un processus Scrum
8.7.2. L'équipe Scrum
8.7.3. Métriques pour évaluer les performances d'une équipe Scrum

8.8. Framework agile KANBAN pour la gestion des projets. Méthode Kanban

8.8.1. Kanban
8.8.2. Bénéfices de Kanban
8.8.3. Méthode Kanban Éléments

8.9. Framework Agile Kanban pour la gestion des projets. Pratiques de la méthode Kanban

8.9.1. Valeurs Kanban
8.9.2. Principes de la méthode Kanban
8.9.3. Pratiques général de la méthode Kanban
8.9.4. Métriques pour évaluer les performances de Kanban

8.10. Comparaison: PMI, Scrum et Kanban

8.10.1. PMI–Scrum
8.10.2. PMI–Kanban
8.10.3. Scrum - Kanban

Module 9. Communication, leadership et gestion d'équipe

9.1. Développement organisationnel dans l'entreprise

9.1.1. Climat organisationnel, culture et développement organisationnel dans l'entreprise
9.1.2. Gestion du capital humain

9.2. Modèles de Gestion. Prise de décision

9.2.1. Changement de paradigme dans les modèles de Direction
9.2.2. Processus de gestion de l'entreprise technologique
9.2.3. La prise de décision. Instruments de planification

9.3. Leadership. Délégation et empowerment

9.3.1. Leadership
9.3.2. Délégation et empowerment
9.3.3. Évaluation des performances

9.4. Leadership. Gestion des talents et engagement

9.4.1. Gestion des talents dans l'entreprise
9.4.2. Gestion de l'engagement dans l'entreprise
9.4.3. Améliorer la communication dans l'entreprise

9.5. Coaching appliqué à l'entreprise

9.5.1. Coaching exécutif
9.5.2. Coaching d’équipes

9.6. Mentoring appliqué à l'entreprise

9.6.1. Profil du mentor
9.6.2. Les 4 processus d’un programme de mentoring
9.6.3. Outils et techniques dans un processus de  mentoring
9.6.4. Bénéfices de mentoring dans l’environnement de l’entreprise

9.7. Gestion de l'équipe I. Relations interpersonnelles

9.7.1. Relations interpersonnelles

9.7.1.1. Styles relationnels : approches
9.7.1.2. Réunions et accords efficaces dans des situations difficiles

9.8. Gestion des équipes II. Les conflits

9.8.1. Les conflits
9.8.2. Prévenir, traiter et résoudre les conflits

9.8.2.1. Stratégies de prévention des conflits                                                                                                                                                                                                                                                                                                                                            9.8.2.2. La gestion de conflits. Principes de base
9.8.2.3. Stratégie pour résoudre les conflits

9.8.3. Stress et motivation au travail

9.9. Gestion des équipes III. La négociation

9.9.1. Négociation au niveau des cadres dans les entreprises technologiques
9.9.2. Styles de négociation
9.9.3. Les phases de la négociation

9.9.3.1. Obstacles à surmonter lors des négociations

9.10. Gestion des équipes IV. Techniques de négociation

9.10.1. Techniques et stratégies de négociation

9.10.1.1. Stratégies et principaux types de négociation
9.10.1.2. Techniques de négociation et questions pratiques

9.10.2. La figure du sujet de la négociation

Module 10. Leadership, éthique et responsabilité sociale des entreprises

10.1. Mondialisation et Gouvernance 

10.1.1. Gouvernance et Gouvernement d'Entreprise
10.1.2. Principes fondamentaux de la Gouvernance d'Entreprise dans les entreprises
10.1.3. Le Rôle du Conseil d'Administration dans le cadre de la Gouvernance d'Entreprise

10.2. Cross cultural management 

10.2.1. Concept de cross cultural management 
10.2.2. Contributions à la connaissance des cultures nationales
10.2.3. Gestion de la diversité

10.3. Éthique des affaires

10.3.1. Éthique et moralité
10.3.2. Éthique des affaires  
10.3.3. Leadership et éthique dans l'entreprise

10.4. Durabilité

10.4.1. Durabilité et développement durable
10.4.2. Agenda 2030
10.4.3. Entreprises durables

10.5. Responsabilité Sociale des Entreprises

10.5.1. Dimension internationale de la responsabilité sociale des entreprises
10.5.2. Mise en œuvre de la responsabilité sociale des Entreprises
10.5.3. Impact et mesure de la responsabilité sociale des Entreprises

10.6. Systèmes et outils de gestion responsables

10.6.1. RSE : Responsabilité sociale des entreprises
10.6.2. Questions clés pour la mise en œuvre d'une stratégie de gestion responsable
10.6.3. Étapes de la mise en œuvre d'un système de gestion de la responsabilité sociale des entreprises
10.6.4. Outils et normes en matière de RSE

10.7. Multinationales et droits de l'homme

10.7.1. Mondialisation, entreprises multinationales et droits de l'homme
10.7.2. Entreprises multinationales et droit international
10.7.3. Instruments juridiques pour les multinationales dans le domaine des droits de l'homme

10.8. Environnement juridique et corporate governance

10.8.1. Importation et exportation
10.8.2. Propriété intellectuelle et industrielle
11.8.3. Droit international du travail 

Module 11. Gestion des personnes et des talents

11.1. La direction stratégique des personnes

11.1.1. Direction stratégique et ressources humaines
11.1.2. La direction stratégique des personnes

12.2. Gestion des ressources humaines basée sur les compétences

11.2.1. Analyse du potentiel
11.2.2. Politique de rémunération
11.2.3. Plans de carrière/succession

11.3. Évaluation et gestion des performances

11.3.1. Gestion des performances
11.3.2. Gestion des performances : objectifs et processus

11.4. Innovation dans la gestion des talents et des personnes

11.4.1. Modèles de gestion stratégique des talents
11.4.2.  Identification, formation et développement des talents
11.4.3. Fidélisation et rétention
11.4.4. Proactivité et innovation

11.5. Motivation

11.5.1. La nature de la motivation
11.5.2. La théorie de l'espérance
11.5.3. Théories des besoins
11.5.4. Motivation et compensation économique

11.6. Développer des équipes performantes

11.6.1. Équipes performantes : équipes autogérées
11.6.2. Méthodologies de gestion des équipes autogérées très performantes

11.7. Gestion du changement

11.7.1. Gestion du changement
11.7.2. Types de processus de gestion des changements
11.7.3. Étapes ou phases de la gestion du changement

11.8. Négociation et gestion des conflits

11.8.1. Négociation
11.8.2. Gestion de conflits
11.8.3. Gestion de crise

11.9. La communication managériale

11.9.1. Communication interne et externe dans l'environnement professionnel
11.9.2. Département Communication
11.9.3. Le responsable de la communication de l'entreprise. Le profil du Dircom

11.10. Productivité, attraction, rétention et activation des talents

11.10.1. Productivité
11.10.2. Leviers d'attraction et de rétention des talents

Module 12. Gestion économique et financière

12.1. Environnement économique

12.1.1. Environnement macroéconomique et système financier
12.1.2. Institutions financières
12.1.3. Marchés financiers
12.1.4. Actifs financiers
12.1.5. Autres entités du secteur financier

12.2. Comptabilité de gestion

12.2.1. Concepts de base
12.2.2. Les actifs de l'Entreprise 
12.2.3. Le passif de l'Entreprise 
12.2.4. La valeur nette de l'Entreprise  
12.2.5. Le compte de résultat 

12.3. Systèmes d’information etbusiness intelligence

12.3.1. Principes fondamentaux et classification
12.3.2. Phases et méthodes de répartition des coûts
12.3.3. Choix du centre de coûts et de l'effet

12.4. Budget et Contrôle de Gestion

12.4.1. Le modèle budgétaire
12.4.2. Le Budget de capital
12.4.3. Le Budget de fonctionnement
12.4.5. Le Budget de trésorerie
12.4.5. Le Suivi Budgétaire

12.5. Direction financière

12.5.1. Les décisions financières de l'entreprise
12.5.2. Département financier
12.5.3. Les excédents de trésorerie
12.5.4. Les risques liés à la Gestion financière
12.5.5. Gestion des risques liés à la Gestion financière

12.6. Planification financière

12.6.1. Définition de la planification financière
12.6.2. Mesures à prendre dans le cadre de la planification financière
12.6.3. Création et mise en place de la stratégie d'entreprise
12.6.4. Le schéma cash flow
12.6.5. Le tableau des fonds de roulement

12.7. Stratégie financière de l'entreprise

12.7.1. Stratégie de l'entreprise et sources de financement
12.7.2. Produits de financement des entreprises

12.8. Financement stratégique

12.8.1. Autofinancement
12.8.2. Augmentation des fonds propres
12.8.3. Ressources hybrides
12.8.4. Financement par des intermédiaires

12.9. Analyse et planification financières

12.9.1.  Analyse du bilan
12.9.2. Analyse du compte de résultat
12.9.3. Analyse de la rentabilité

12.10. Analyses et résolution de problèmes

12.10.1. Informations financières de Industria de Diseño y Textil, S.A. (INDITEX)

Module 13. Direction d'entreprise et marketing stratégique

13.1. Gestion commerciale

13.1.1. Cadre conceptuel de la Gestion commerciale
13.1.2. Stratégie et planification commerciales
13.1.3. Le rôle des responsables commerciaux

13.2. Marketing

13.2.1. Concept de marketing
13.2.2. Éléments de base du marketing
13.2.3. Activités de Marketing de l'entreprise

13.3. Gestion stratégique du Marketing

13.3.1. Concept de marketing stratégique
13.3.2. Concept de planification stratégique du marketing
13.3.3. Les étapes du processus de planification stratégique du marketing

13.4. Marketing numérique et e-commerce

13.4.1. Objectifs du marketing numérique et du commerce électronique
13.4.2. Marketing Numérique et médias utilisés
13.4.3. Commerce électronique. Contexte général
13.4.4. Catégories de commerce électronique
13.4.5. Avantages et inconvénients d'E-commerce par rapport au commerce traditionnel

13.5. Marketing numérique pour renforcer la marque

13.5.1. Stratégies en ligne pour améliorer la réputation de votre marque
13.5.2. Branded content & storytelling

13.6. Marketing numérique pour attirer et fidéliser les clients

13.6.1. Stratégies de fidélisation et de liaison par Internet
13.6.2. Visitor relationship management  
13.6.3. Hyper-segmentation

13.7. Gestion des campagnes numériques

13.7.1.  Qu'est-ce qu'une campagne de publicité numérique ?
13.7.2. Étapes du lancement d'une campagne de marketing en ligne
13.7.3. Erreurs dans les campagnes de publicité numérique

13.8. Stratégie de vente

13.8.1.  Stratégie de vente
13.8.2. Méthodes de vente

13.9. Communication d'entreprise

13.9.1. Concept
13.9.2. Importance de la communication dans l'organisation
13.9.3. Type de communication dans l'organisation
13.9.4. Fonctions de la communication dans l'organisation
13.9.5. Éléments de communication
13.9.5. Problèmes de communication
13.9.6. Scénarios de communication

13.10. Communication et réputation numérique

13.10.1. Réputation en ligne
13.10.2. Comment mesurer la réputation numérique ?
13.10.3. Outils de réputation en ligne
13.10.4. Rapport sur la réputation en ligne
13.10.5. Branding online

Module 14. Management exécutif

14.1. Général management

14.1.1.  Concept général management
14.1.2. L'action du manager général
14.1.3. Le directeur général et ses fonctions
14.1.4. Transformation du travail de la Direction

14.2. Le manager et ses fonctions. La culture organisationnelle et ses approches

14.2.1. Le manager et ses fonctions. La culture organisationnelle et ses approches

14.3. Direction des opérations

14.3.1.  Importance de la Gestion
14.3.2. La chaîne de valeur
14.3.3. Gestion de qualité

14.4. Discours et formation de porte-parole

14.4.1.  Communication interpersonnelle
14.4.2. Compétences communicatives et l’influence
14.4.3. Obstacles à la communication

14.5. Outils de communication personnels et organisationnels

14.5.1. Communication interpersonnelle
14.5.2. Outils de communication interpersonnelle
14.5.3.  La communication dans l'organisation
14.5.4. Outils dans l'organisation

14.6. La communication en situation de crise

14.6.1. Crise
14.6.2. Phases de la crise
14.6.3. Messages : contenu et calendrier

14.7. Préparer un plan de crise

14.7.1. Analyse des problèmes potentiels
14.7.2. Planification
14.7.3. Adéquation du personnel

14.8. Intelligence émotionnelle

14.8.1. Intelligence émotionnelle et communication
14.8.2.  Affirmation, empathie et écoute active
14.8.3. Estime de soi et communication émotionnelle

14.9. Branding personnelle

14.9.1. Stratégies pour développer le Personal Branding
14.9.2. Loi branding personal
14.9.3. Outils de construction du Personal Branding

14.10. Leadership et gestion d’équipes

14.10.1. Leadership et styles de leadership
14.10.2. Capacités et défis des leaders
14.10.3. Gestion des processus de changement
14.10.4. Gestion d'équipes multiculturelles

Une formation unique qui se distingue par la qualité de son contenu et l'excellence de son équipe pédagogique"