BUT spécialité science des données parcours exploration et modélisation statistique

Traiter des données à des fins décisionnelles

• En intervenant à toutes les étapes du cycle de vie de la donnée (insertion, modification, extraction, suppression)
• En utilisant le modèle de données adapté aux besoins
• En s’inscrivant dans une démarche de documentation des réalisations adaptée au public visé
• En traduisant correctement les demandes métier en programmes, avec le respect du cahier des charges s’il existe
• En écrivant un programme correctement structuré et documenté, respectant les bonnes pratiques
• En identifiant les librairies et langages dédiés

Analyser statistiquement les données

• En tenant compte du contexte de l’étude (économique, socio-démographique, commerciale, clinique…)
• En mettant en évidence les grandes tendances et les informations principales
• En identifiant et en mettant en œuvre les techniques adaptées aux attentes du client ou de l’instance décisionnaire
• En identifiant et en mettant en œuvre les techniques adaptées aux données complexes (données massives, données mal structurées, flux de données…)
• En tenant compte du contexte inférentiel (variabilité de l’échantillon)

Valoriser une production dans un contexte professionnel

• En s’adaptant au niveau d’expertise, à la culture et au statut du destinataire
• En s’exprimant correctement, aussi bien en français que dans une langue étrangère à l’oral comme à l’écrit
• En veillant aux aspects éthiques, déontologiques et réglementaires d’utilisation et de diffusion des données
• En interprétant et contextualisant les résultats (citations, vérification des sources, esprit critique)
• En utilisant la forme de restitution adaptée
• En tenant compte des réalités économiques et managériales des entreprises

Modéliser les données dans un cadre statistique

• En choisissant le modèle adapté à la situation
• En maîtrisant la qualité du modèle
• En s’adaptant aux spécificités (données, enjeux, méthodes) d’un domaine d’application particulier (santé, marketing, assurance, qualité, socio-démographie…)
• En s’adaptant à la complexité des données (données massives, données mal structurées, flux de données…)