Métiers et formations
Un métier décrit des activités ; une certification atteste un cadre de compétences ; une formation prépare un parcours. Comparez ces objets séparément.
Référentiels et données
Retrouver une information et comprendre sa portée.
Ces relevés documentaires complètent la préparation d’un projet. Choisissez le référentiel adapté à votre question, puis ouvrez la fiche et sa source pour vérifier le périmètre et le millésime.
Choisir le bon point de départ
Quelle information cherchez-vous ?
Les données sont des copies locales de sources identifiées, pas une consultation en temps réel. Une absence dans le relevé ne prouve pas une absence dans la source.
Définitions et lectures
Retrouvez un terme, sa définition et ses équivalents ; examinez ensuite la date et le contexte de la référence avant de la reprendre dans une page.
Décrire un périmètre
Une adresse administrative ne constitue pas une zone de service. Une présence d’équipement ne mesure ni le stock, ni l’accueil, ni la qualité d’une prestation.
Relier le résultat à sa source
Contrôlez l’identité, le millésime et les limites indiquées dans la fiche. Pour une décision actuelle, consultez l’organisme d’origine.
Données et ressources documentées
Explorer les référentiels et leurs fiches
Choisissez un référentiel et affinez la recherche. Les fiches précisent la source, le millésime et les limites des informations publiées.
Relier certification, formation et organisme
Relevez le code précis, le statut et les compétences de la certification. Comparez ensuite le programme proposé et l’organisme préparateur : une ressemblance de titre ne suffit pas. Pour une décision d’inscription, vérifiez la fiche officielle et les organismes habilités à la date de votre démarche.
Explorer les entrées et leurs sources
Les résultats proviennent des relevés indiqués ci-dessous. La zone sélectionnée s’applique aux statistiques et aux lieux, tandis que les aliments, produits, métiers, fiches pratiques, activités, notions, certifications et bibliographies restent des référentiels nationaux. Les travaux de recherche couvrent des références nationales ou internationales.
755 résultats · page 1 sur 42 · jusqu’à 18 entrées affichées. Classement alphabétique par intitulé.
Organismes certificateurs et domaines Formacode — 416 identifiants et 389 domaines dans la sélection
Retrouvez les certifications rattachées à un identifiant SIRET publié, puis affinez par domaine de formation. Ce répertoire porte uniquement sur les fiches sélectionnées pour le thème du site, publiées et indiquées actives dans l’export France compétences du 22 octobre 2026.
416 identifiants de certificateurs trouvés · page 1 sur 24. Classement par nom publié puis SIRET. Le choix d’un territoire ne localise pas une session de formation.
Les noms et états restent ceux de la source ; plusieurs noms pour un même SIRET sont affichés ensemble. Les mentions sans SIRET de 14 chiffres restent visibles sur leurs fiches de certification et ne sont pas regroupées par ressemblance. Formacode décrit un domaine, sans équivalence de diplôme. Ce répertoire ne recense ni sessions, ni centres de formation partenaires, ni habilitations actuelles. Source France compétences RNCP et RS · Licence Ouverte 2.0.
Comparer les certifications en développement, systèmes, réseaux, données et cybersécurité à partir de leurs blocs de compétences. La recherche porte sur les intitulés, codes, certificateurs, domaines Formacode et titres des blocs. Les référentiels sont nationaux ; le choix d’un territoire ne localise pas une formation.
Source et lecture des certifications
Source : France compétences, exports RNCP et Répertoire spécifique au format 4.1 du 22 octobre 2026. Seules les fiches indiquées « Publiée » et « Actif : Oui » sont retenues dans cette photographie. Le statut et les dates doivent être vérifiés sur la fiche officielle avant toute inscription.
Le RNCP décrit des qualifications professionnelles avec un niveau lorsqu’il est renseigné. Le Répertoire spécifique (RS) décrit des compétences complémentaires ou des habilitations ; aucun niveau RNCP ne lui est attribué ici. Les numéros de certification distinguent des enregistrements, même lorsque leurs intitulés sont identiques.
La sélection RNCP s’appuie sur les codes ROME publiés dans les fiches et sur des intitulés liés au thème. La sélection RS repose sur les intitulés : l’export RS ne publie pas de codes ROME. Les liens métier-certification utilisent uniquement un code présent dans les deux référentiels ; ils ne valent ni équivalence, ni condition suffisante d’accès à un emploi.
Une fiche décrit une certification, ses compétences et son certificateur. Elle ne constitue pas une offre de formation, une admission, une autorisation d’exercice ou une garantie de financement. Les partenaires mentionnés dans cet export sont consultables sur chaque fiche, avec leurs rôles, états et dates publiés ; vérifiez leur habilitation actuelle sur la fiche officielle. Les sessions, tarifs et disponibilités ne sont pas recensés ici. La date de fin d’enregistrement et la date limite de délivrance sont présentées séparément lorsqu’elles sont renseignées.
Jeu de données officiel RNCP et RS · Recherche officielle des certifications · Licence Ouverte 2.0.
Expert en science des données pour la connaissance client (MS)
RNCP40855 · RNCP · Niveau 7.
Fiche publiée et indiquée active dans l’export du 22 octobre 2026. Vérifier la fiche officielle et son statut actuel.
- Décision d’enregistrement
- 25/06/2025
- Échéance de l’enregistrement
- 25/06/2028
- Date limite de délivrance
- 25/06/2032
Organismes certificateurs publiés
- GROUPE DES ECOLES NATIONALES D ECONOMIE ET STATISTIQUE — SIRET 13001422800055 — état dans la source : Actif
Le certificateur porte la certification. Cette liste ne recense pas les organismes proposant une session de formation et n’attribue aucune habilitation aux établissements de l’annuaire.
Objectifs et contexte publiés
Dès qu’une entreprise collecte un grand nombre de données (data) via les outils numériques afin de développer ses relations avec ses clients, utilisateurs et usagers, qu’elle soit de type TPE-PME ou plus grande, et dans tous les secteurs d’activité, elle a besoin des compétences d'experts en science des données pour la connaissance client (data scientists). Ces professionnels sont essentiels pour collecter, nettoyer, analyser et interpréter ces données de manière à en tirer des connaissances exploitables selon la stratégie de l'entreprise.
Le professionnel est capable de transformer les données numériques en opportunités de croissance pour les entreprises. Grâce à ses analyses, les dirigeants prennent des décisions plus éclairées, et en tirent un avantage concurrentiel. L'expert en science des données a un impact direct sur le business de l’entreprise. A cet effet, il occupe une place centrale dans l’économie numérique actuelle et est devenu indispensable dans le développement marketing et la gestion des relations clients.
Le professionnel est capable de transformer les données numériques en opportunités de croissance pour les entreprises. Grâce à ses analyses, les dirigeants prennent des décisions plus éclairées, et en tirent un avantage concurrentiel. L'expert en science des données a un impact direct sur le business de l’entreprise. A cet effet, il occupe une place centrale dans l’économie numérique actuelle et est devenu indispensable dans le développement marketing et la gestion des relations clients.
Activités visées
Activité 1 : Mise en œuvre de processus d’exploration des données et de collecte d’information :
* Analyse du patrimoine informationnel de données de l’entreprise et du système existant
* Extraction et stockage de données dans le respect de la réglementation
* Automatisation de l’extraction en mobilisant les outils de web scraping (extraction des données du web)
* Qualification des données client et pré-traitement
Activité 2 : Proposition de modèle mathématique, statistique et/ou économique permettant de représenter au mieux les relations et les structures dans les données, et approfondir la connaissance client
* Compréhension du comportement d’achat, de réceptibilité à la communication, dans le cadre plus général de la relation client
* Développement des modèles d'analyse prédictive pour la segmentation des clients, la prévision des ventes ou l'optimisation des campagnes marketing (scoring)
* Mettre en œuvre les outils et méthodes statistiques permettant le développement des services de marketing digital (système de recommandation, qualification des leads, ciblage, chatbot, personnalisation des messages)
Activité 3 : Visualisation de la donnée et interprétation des données pertinentes et utile à la connaissance client
* Production d’informations à l’intention des équipes métiers (y compris publics en situation de handicap) permettant l’évaluation, l’organisation, la prise de décision
* Identification des indicateurs utilisé en marketing, ou production d’indicateur nouveau à partir d’une recherche
* Représentations graphiques
Activité 4 : Manager les projets de l’entreprise en valorisant et optimisant l’apport des sciences de la donnée dans le respect des cadres déontologiques, éthiques et du développement durable
* Gestion et planification du projet de campagne marketing ou d’analyse de données client
* Pilotage des ressources du projet
Activité 5 : Partage de la culture de la donnée au sein de l’entreprise :
* Valorisation de l’utilisation de la donnée
* Prévention des risques réglementaires
* Veille technologique (outil IA, data science….)
* Analyse du patrimoine informationnel de données de l’entreprise et du système existant
* Extraction et stockage de données dans le respect de la réglementation
* Automatisation de l’extraction en mobilisant les outils de web scraping (extraction des données du web)
* Qualification des données client et pré-traitement
Activité 2 : Proposition de modèle mathématique, statistique et/ou économique permettant de représenter au mieux les relations et les structures dans les données, et approfondir la connaissance client
* Compréhension du comportement d’achat, de réceptibilité à la communication, dans le cadre plus général de la relation client
* Développement des modèles d'analyse prédictive pour la segmentation des clients, la prévision des ventes ou l'optimisation des campagnes marketing (scoring)
* Mettre en œuvre les outils et méthodes statistiques permettant le développement des services de marketing digital (système de recommandation, qualification des leads, ciblage, chatbot, personnalisation des messages)
Activité 3 : Visualisation de la donnée et interprétation des données pertinentes et utile à la connaissance client
* Production d’informations à l’intention des équipes métiers (y compris publics en situation de handicap) permettant l’évaluation, l’organisation, la prise de décision
* Identification des indicateurs utilisé en marketing, ou production d’indicateur nouveau à partir d’une recherche
* Représentations graphiques
Activité 4 : Manager les projets de l’entreprise en valorisant et optimisant l’apport des sciences de la donnée dans le respect des cadres déontologiques, éthiques et du développement durable
* Gestion et planification du projet de campagne marketing ou d’analyse de données client
* Pilotage des ressources du projet
Activité 5 : Partage de la culture de la donnée au sein de l’entreprise :
* Valorisation de l’utilisation de la donnée
* Prévention des risques réglementaires
* Veille technologique (outil IA, data science….)
Compétences attestées
Explorer le besoin d’un commanditaire interne en produisant une note ou un cahier des charges précisant les questions statistiques qui seront étudiées, les sources d’informations mobilisées et l’analyse des informations produite afin de valider la bonne compréhension de la demande.
Auditer le système d’information en ayant réalisé une cartographie au préalable afin d’identifier les informations utiles à la réponse aux besoins et les possibilités d’amélioration des systèmes d’information.
Requêter le système d’information à partir des outils de requêtage des bases de données (SQL) et des API de l’entreprise pour collecter les données qui seront utilisés pour répondre à la demande du commanditaire.
Collecter des données sur le web en mobilisant les outils de web scraping afin d’automatiser les extractions permettant de répondre à la demande d’une part et d’autre part d’enrichir le système d’information de façon pérenne.
Prétraiter les données collectées en procédant à des vérifications statistiques (qualité des données, valeurs manquantes, aberrantes, complétude des données) et en réalisant le cas échéant des recoupements afin de qualifier les caractéristiques des données et aider à la documentation des données.
Documenter les données extraites en produisant l’information nécessaire à son utilisation (sources, traitements réalisés, vigilance sur les biais d’observation, de sélection, les valeurs manquantes, aberrantes…,) dans un objectif de conservation et de réutilisation et dans le respect du cadre déontologique
Réaliser des analyses de données en mettant en œuvre les procédures statistiques descriptives et exploratoires afin de décrire et qualifier les différentes données caractérisant les clients et leurs comportements, détecter les incohérences dans les données et comprendre les corrélations entre les variables.
Modéliser un comportement donné d’un client ciblé mettant en œuvre les modèles de régression y compris dans les cas complexes (grand nombre de variables, multi colinéarité) afin d’identifier les relations entre les variables et mieux comprendre les actes de consommation du client.
Prédire un comportement donné d’un client cible en utilisant les modèles supervisés non paramétriques et en s’appuyant sur les méthodes du machine learning (arbres de décision, forêts aléatoires, méthodes à noyaux, machines à vecteur de support avec noyaux non linéaires) afin d’optimiser la connaissance et la relation client
Traiter les données textuelles recueillis auprès des clients avec les outils du NLP (traitement automatique du langage naturel) afin de réaliser la classification de texte, l’extraction d’informations, et permettre la mise en œuvre des méthodes dite d’analyse de sentiments permettant la compréhension du client.
Modéliser les évolutions d’un comportement client, en fonction du temps et à partir de l’analyse des séries chronologiques (en mettant en œuvre des modèles ARIMA, SARIMA, Holt-Winters, Réseaux de neurones récurrents) afin de faire des prévisions de valeurs futures en fonction de certains déterminants, en particulier ceux sur lesquels une action est possible
Produire les modèles adaptés aux données déséquilibrées et aux valeurs manquantes en paramétrant les procédures statistiques utilisés afin d’obtenir une meilleure fiabilité des informations produites.
Produire des indicateurs répondant aux problématiques métiers en précisant leurs propriétés métrologiques et leurs limites d’interprétation afin de répondre à la demande des directions métiers et d’accompagner la prise de décision.
Réaliser les représentations graphiques les plus pertinentes possibles en vérifiant les règles de la sémiologie graphique et en déterminant les formes graphiques les plus adaptées afin de rendre accessible la compréhension des données au client de façon claire et pédagogique, et ce en intégrant la prise en compte des handicaps visuels et en utilisant les outils de datavisualisation.
Concevoir des dashboard (tableaux de bord) en interaction avec les équipes en ayant documenté les données en amont et en s’assurant de leur automatisation possible afin de compiler les informations essentielles sur les moyens, le suivi de l’activité et la performance et ce, en tenant compte des ressources de l’entreprise. (data notamment)
Construire un discours narratif permettant de susciter l’intérêt de son auditoire afin de mettre en avant les principaux messages de son analyse tout en favorisant sa mémorisation et ce, en s’appuyant sur les formes produites.
Définir le cadre de gestion de projet le plus adapté en tenant compte des contraintes de délais, de ressources et d’objectifs afin de cadrer son projet et gagner en efficience pendant son déploiement
Piloter un projet dans le respect du cadre donné par une feuille de route, incluant la bonne gestion des ressources humaines du projet dans le respect des besoins individuels (notamment en cas de situation de handicap), le respect des différents jalons afin de s’assurer de la bonne qualité du livrable et du respect de la demande du client et le cas échéant, du cahier des charges.
Diffuser l’usage des nouvelles méthodes d’exploitation des données notamment IA et leur cadre éthique auprès des directions commerciale et marketing en s’appuyant sur une veille active, et en apportant des conseils sur les processus et procédures à mettre en place à tous les stades de l’utilisation des données afin de développer des bonnes pratiques et garantir le respect de la vie privée, la confidentialité des données et le respect des règles de sécurité de l’information.
Partager ses besoins et ses contraintes, ses objectifs, sa culture métier dans le cadre de dispositifs collectifs existant ou le cas échéant, créés à son initiative afin de mieux comprendre les problématiques rencontrées par les différents professionnels des métiers connexes dans l’entreprise autour du traitement de l’information et construire un écosystème de la data plus efficace et rendre plus fluide la collaboration entre les services et métiers
Concevoir un processus structuré de veille technologique et règlementaire en réalisant une sélection d’outils performants par rapport à l’objet des recherches à effectuer afin de s’assurer du maintien de son efficacité opérationnelle et de ces compétences technologiques (notamment en matière d’IA, outils datascience) et assurer le respect du cadre déontologique et éthique.
Réaliser des notes explicatives à l’attention des parties prenantes et lecteurs non data scientists permettant une prise de décision éclairée à partir d’une bonne compréhension des résultats et de leur limites (interprétabilité, intelligibilité) et tenant compte d’un contexte multiculturel et/ou international ou de la présence d’un éventuel profil en situation de handicap.
Auditer le système d’information en ayant réalisé une cartographie au préalable afin d’identifier les informations utiles à la réponse aux besoins et les possibilités d’amélioration des systèmes d’information.
Requêter le système d’information à partir des outils de requêtage des bases de données (SQL) et des API de l’entreprise pour collecter les données qui seront utilisés pour répondre à la demande du commanditaire.
Collecter des données sur le web en mobilisant les outils de web scraping afin d’automatiser les extractions permettant de répondre à la demande d’une part et d’autre part d’enrichir le système d’information de façon pérenne.
Prétraiter les données collectées en procédant à des vérifications statistiques (qualité des données, valeurs manquantes, aberrantes, complétude des données) et en réalisant le cas échéant des recoupements afin de qualifier les caractéristiques des données et aider à la documentation des données.
Documenter les données extraites en produisant l’information nécessaire à son utilisation (sources, traitements réalisés, vigilance sur les biais d’observation, de sélection, les valeurs manquantes, aberrantes…,) dans un objectif de conservation et de réutilisation et dans le respect du cadre déontologique
Réaliser des analyses de données en mettant en œuvre les procédures statistiques descriptives et exploratoires afin de décrire et qualifier les différentes données caractérisant les clients et leurs comportements, détecter les incohérences dans les données et comprendre les corrélations entre les variables.
Modéliser un comportement donné d’un client ciblé mettant en œuvre les modèles de régression y compris dans les cas complexes (grand nombre de variables, multi colinéarité) afin d’identifier les relations entre les variables et mieux comprendre les actes de consommation du client.
Prédire un comportement donné d’un client cible en utilisant les modèles supervisés non paramétriques et en s’appuyant sur les méthodes du machine learning (arbres de décision, forêts aléatoires, méthodes à noyaux, machines à vecteur de support avec noyaux non linéaires) afin d’optimiser la connaissance et la relation client
Traiter les données textuelles recueillis auprès des clients avec les outils du NLP (traitement automatique du langage naturel) afin de réaliser la classification de texte, l’extraction d’informations, et permettre la mise en œuvre des méthodes dite d’analyse de sentiments permettant la compréhension du client.
Modéliser les évolutions d’un comportement client, en fonction du temps et à partir de l’analyse des séries chronologiques (en mettant en œuvre des modèles ARIMA, SARIMA, Holt-Winters, Réseaux de neurones récurrents) afin de faire des prévisions de valeurs futures en fonction de certains déterminants, en particulier ceux sur lesquels une action est possible
Produire les modèles adaptés aux données déséquilibrées et aux valeurs manquantes en paramétrant les procédures statistiques utilisés afin d’obtenir une meilleure fiabilité des informations produites.
Produire des indicateurs répondant aux problématiques métiers en précisant leurs propriétés métrologiques et leurs limites d’interprétation afin de répondre à la demande des directions métiers et d’accompagner la prise de décision.
Réaliser les représentations graphiques les plus pertinentes possibles en vérifiant les règles de la sémiologie graphique et en déterminant les formes graphiques les plus adaptées afin de rendre accessible la compréhension des données au client de façon claire et pédagogique, et ce en intégrant la prise en compte des handicaps visuels et en utilisant les outils de datavisualisation.
Concevoir des dashboard (tableaux de bord) en interaction avec les équipes en ayant documenté les données en amont et en s’assurant de leur automatisation possible afin de compiler les informations essentielles sur les moyens, le suivi de l’activité et la performance et ce, en tenant compte des ressources de l’entreprise. (data notamment)
Construire un discours narratif permettant de susciter l’intérêt de son auditoire afin de mettre en avant les principaux messages de son analyse tout en favorisant sa mémorisation et ce, en s’appuyant sur les formes produites.
Définir le cadre de gestion de projet le plus adapté en tenant compte des contraintes de délais, de ressources et d’objectifs afin de cadrer son projet et gagner en efficience pendant son déploiement
Piloter un projet dans le respect du cadre donné par une feuille de route, incluant la bonne gestion des ressources humaines du projet dans le respect des besoins individuels (notamment en cas de situation de handicap), le respect des différents jalons afin de s’assurer de la bonne qualité du livrable et du respect de la demande du client et le cas échéant, du cahier des charges.
Diffuser l’usage des nouvelles méthodes d’exploitation des données notamment IA et leur cadre éthique auprès des directions commerciale et marketing en s’appuyant sur une veille active, et en apportant des conseils sur les processus et procédures à mettre en place à tous les stades de l’utilisation des données afin de développer des bonnes pratiques et garantir le respect de la vie privée, la confidentialité des données et le respect des règles de sécurité de l’information.
Partager ses besoins et ses contraintes, ses objectifs, sa culture métier dans le cadre de dispositifs collectifs existant ou le cas échéant, créés à son initiative afin de mieux comprendre les problématiques rencontrées par les différents professionnels des métiers connexes dans l’entreprise autour du traitement de l’information et construire un écosystème de la data plus efficace et rendre plus fluide la collaboration entre les services et métiers
Concevoir un processus structuré de veille technologique et règlementaire en réalisant une sélection d’outils performants par rapport à l’objet des recherches à effectuer afin de s’assurer du maintien de son efficacité opérationnelle et de ces compétences technologiques (notamment en matière d’IA, outils datascience) et assurer le respect du cadre déontologique et éthique.
Réaliser des notes explicatives à l’attention des parties prenantes et lecteurs non data scientists permettant une prise de décision éclairée à partir d’une bonne compréhension des résultats et de leur limites (interprétabilité, intelligibilité) et tenant compte d’un contexte multiculturel et/ou international ou de la présence d’un éventuel profil en situation de handicap.
Prérequis d’entrée en formation
Sont recevables les candidats titulaires de : ▪ Titre d’ingénieur diplômé conférant le grade de master (formations évaluées par la Commission des titres d’ingénieur, liste publiée au journal officiel) ; ▪ Diplôme d’une école de management, privée ou consulaire, conférant le grade de master (formations évaluées par la CEFDG, liste publiée au bulletin officiel du MESR) ; ▪ Diplôme de 3ème cycle habilité par les autorités universitaires (Diplôme national de master, DEA, DESS, …) ou diplôme professionnel de niveau BAC + 5 ; ▪ Diplôme ou attestation de validation d’un niveau équivalent M1 pour des candidats ayant au moins trois ans d’expérience professionnelle en lien avec la formation visée. ▪ Titre inscrit au Répertoire national des certifications professionnelles (RNCP) niveau 7 ; ▪ Diplôme étranger équivalent aux diplômes français exigés ci-dessus.
Conditions d’accès dérogatoires
* Dans la limite de 40 % maximum de l’effectif de la promotion suivant la formation Mastère Spécialisé concernée, sont recevables, après une procédure de Validation des acquis personnels et professionnels (VAPP), les candidatures de personnes, justifiant a minima de 5 années d’expérience professionnelle pour lesquelles les activités exercées ont un lien avéré avec les compétences professionnelles visées par la formation.
* Par dérogation pour 30 % maximum du nombre d’apprenants suivant la formation Mastère Spécialisé concernée, sont recevables les candidatures de titulaires d’un des diplômes suivants :
* Diplôme ou attestation de validation d’un niveau équivalent M1 sans expérience professionnelle ou ayant moins de trois ans d’expérience professionnelle en lien avec la formation visée.
* Diplôme de licence (L3) ou grade de Licence ou titre inscrit au RNCP niveau 6 justifiant d’une expérience professionnelle de 3 ans minimum, en lien avec la formation visée
Le pourcentage total des dérogations prévues ci-dessus ne doit pas excéder 40%.
Conditions d’accès dérogatoires
* Dans la limite de 40 % maximum de l’effectif de la promotion suivant la formation Mastère Spécialisé concernée, sont recevables, après une procédure de Validation des acquis personnels et professionnels (VAPP), les candidatures de personnes, justifiant a minima de 5 années d’expérience professionnelle pour lesquelles les activités exercées ont un lien avéré avec les compétences professionnelles visées par la formation.
* Par dérogation pour 30 % maximum du nombre d’apprenants suivant la formation Mastère Spécialisé concernée, sont recevables les candidatures de titulaires d’un des diplômes suivants :
* Diplôme ou attestation de validation d’un niveau équivalent M1 sans expérience professionnelle ou ayant moins de trois ans d’expérience professionnelle en lien avec la formation visée.
* Diplôme de licence (L3) ou grade de Licence ou titre inscrit au RNCP niveau 6 justifiant d’une expérience professionnelle de 3 ans minimum, en lien avec la formation visée
Le pourcentage total des dérogations prévues ci-dessus ne doit pas excéder 40%.
Secteurs d’activité visés
L'expert en science des données pour la connaissance client (MS) exerce ses fonctions dans tous les secteurs économiques (industrie, banque-assurance, santé, énergie, nouvelles technologies...) et dans tous types d'entreprises. Il peut également exercer en tant qu'indépendant.
Types d’emplois accessibles indiqués
Datascientist
Chef de projet Data
Chief data officer
Ingénieur data scientist
Expert data science
Data manager officer
Chef de projet Data
Chief data officer
Ingénieur data scientist
Expert data science
Data manager officer
Réglementations mentionnées dans la fiche
Le métier d'expert en science des données pour la connaissance client (MS) n’est pas encadré par une réglementation spécifique. En revanche, un expert en science des données pour la connaissance client (MS) doit se conformer aux principes du RGPD (Règlement Général sur la Protection des Données) dans l’exercice de son métier afin d’intégrer la notion de protection des données dès la conception de ses projets, mais aussi aux technologies émergentes en intelligence artificielle.
Il doit également prendre en compte la question de la propriété intellectuelle et industrielle lorsqu’il définit les limites d'utilisation des données ou métadonnées.
Il doit également prendre en compte la question de la propriété intellectuelle et industrielle lorsqu’il définit les limites d'utilisation des données ou métadonnées.
Blocs de compétences RNCP — 4 blocs publiés
RNCP40855BC01 — Collecter des données ou des informations
Compétences du bloc
Explorer le besoin d’un commanditaire interne en produisant une note ou un cahier des charges précisant les questions statistiques qui seront étudiées, les sources d’informations mobilisées et l’analyse des informations produite afin de valider la bonne compréhension de la demande.
Auditer le système d’information en ayant réalisé une cartographie au préalable afin d’identifier les informations utiles à la réponse aux besoins et les possibilités d’amélioration des systèmes d’information.
Requêter le système d’information à partir des outils de requêtage des bases de données (SQL) et des API de l’entreprise pour collecter les données qui seront utilisées pour répondre à la demande du commanditaire.
Collecter des données sur le web en mobilisant les outils de web scraping afin d’automatiser les extractions permettant de répondre à la demande d’une part et d’autre part d’enrichir le système d’information de façon pérenne.
Prétraiter les données collectées en procédant à des vérifications statistiques (qualité des données, valeurs manquantes, aberrantes, complétude des données) et en réalisant le cas échéant des recoupements afin de qualifier les caractéristiques des données et aider à la documentation des données.
Documenter les données extraites en produisant l’information nécessaire à son utilisation (sources, traitements réalisés, vigilance sur les biais d’observation, de sélection, les valeurs manquantes, aberrantes…,) dans un objectif de conservation et de réutilisation et dans le respect du cadre déontologique.
Auditer le système d’information en ayant réalisé une cartographie au préalable afin d’identifier les informations utiles à la réponse aux besoins et les possibilités d’amélioration des systèmes d’information.
Requêter le système d’information à partir des outils de requêtage des bases de données (SQL) et des API de l’entreprise pour collecter les données qui seront utilisées pour répondre à la demande du commanditaire.
Collecter des données sur le web en mobilisant les outils de web scraping afin d’automatiser les extractions permettant de répondre à la demande d’une part et d’autre part d’enrichir le système d’information de façon pérenne.
Prétraiter les données collectées en procédant à des vérifications statistiques (qualité des données, valeurs manquantes, aberrantes, complétude des données) et en réalisant le cas échéant des recoupements afin de qualifier les caractéristiques des données et aider à la documentation des données.
Documenter les données extraites en produisant l’information nécessaire à son utilisation (sources, traitements réalisés, vigilance sur les biais d’observation, de sélection, les valeurs manquantes, aberrantes…,) dans un objectif de conservation et de réutilisation et dans le respect du cadre déontologique.
Modalités d’évaluation du bloc
Rapport d’analyse de besoin et de faisabilité
RNCP40855BC02 — Réaliser une modélisation ou une analyse prédictive à partir d’un modèle d’apprentissage avec des données structurées ou non structurées
Compétences du bloc
Réaliser des analyses de données en mettant en œuvre les procédures statistiques descriptives et exploratoires afin de décrire et qualifier les différentes données caractérisant les clients et leurs comportements, détecter les incohérences dans les données et comprendre les corrélations entre les variables.
Modéliser un comportement donné d’un client ciblé mettant en œuvre les modèles de régression y compris dans les cas complexes (grand nombre de variables, multi colinéarité) afin d’identifier les relations entre les variables et mieux comprendre les actes de consommation du client.
Prédire un comportement donné d’un client cible en utilisant les modèles supervisés non paramétriques et en s’appuyant sur les méthodes du machine learning (arbres de décision, forêts aléatoires, méthodes à noyaux, machines à vecteur de support avec noyaux non linéaires) afin d’optimiser la connaissance et la relation client.
Traiter les données textuelles recueillis auprès des clients avec les outils du NLP (traitement automatique du langage naturel) afin de réaliser la classification de texte, l’extraction d’informations, et permettre la mise en œuvre des méthodes dites d’analyse de sentiments permettant la compréhension du client.
Modéliser les évolutions d’un comportement client, en fonction du temps et à partir de l’analyse des séries chronologiques (en mettant en œuvre des modèles ARIMA, SARIMA, Holt-Winters, Réseaux de neurones récurrents) afin de faire des prévisions de valeurs futures en fonction de certains déterminants, en particulier ceux sur lesquels une action est possible.
Produire les modèles adaptés aux données déséquilibrées et aux valeurs manquantes en paramétrant les procédures statistiques utilisées afin d’obtenir une meilleure fiabilité des informations produites.
Modéliser un comportement donné d’un client ciblé mettant en œuvre les modèles de régression y compris dans les cas complexes (grand nombre de variables, multi colinéarité) afin d’identifier les relations entre les variables et mieux comprendre les actes de consommation du client.
Prédire un comportement donné d’un client cible en utilisant les modèles supervisés non paramétriques et en s’appuyant sur les méthodes du machine learning (arbres de décision, forêts aléatoires, méthodes à noyaux, machines à vecteur de support avec noyaux non linéaires) afin d’optimiser la connaissance et la relation client.
Traiter les données textuelles recueillis auprès des clients avec les outils du NLP (traitement automatique du langage naturel) afin de réaliser la classification de texte, l’extraction d’informations, et permettre la mise en œuvre des méthodes dites d’analyse de sentiments permettant la compréhension du client.
Modéliser les évolutions d’un comportement client, en fonction du temps et à partir de l’analyse des séries chronologiques (en mettant en œuvre des modèles ARIMA, SARIMA, Holt-Winters, Réseaux de neurones récurrents) afin de faire des prévisions de valeurs futures en fonction de certains déterminants, en particulier ceux sur lesquels une action est possible.
Produire les modèles adaptés aux données déséquilibrées et aux valeurs manquantes en paramétrant les procédures statistiques utilisées afin d’obtenir une meilleure fiabilité des informations produites.
Modalités d’évaluation du bloc
Rapport de méthodologie
RNCP40855BC03 — Formaliser et visualiser les résultats des traitements statistiques
Compétences du bloc
Produire des indicateurs répondant aux problématiques métiers en précisant leurs propriétés métrologiques et leurs limites d’interprétation afin de répondre à la demande des directions métiers et d’accompagner la prise de décision.
Réaliser les représentations graphiques les plus pertinentes possibles en vérifiant les règles de la sémiologie graphique et en déterminant les formes graphiques les plus adaptées afin de rendre accessible la compréhension des données au client de façon claire et pédagogique, et ce en intégrant la prise en compte des handicaps visuels et en utilisant les outils de datavisualisation.
Concevoir des dashboard (tableaux de bord) en interaction avec les équipes en ayant documenté les données en amont et en s’assurant de leur automatisation possible afin de compiler les informations essentielles sur les moyens, le suivi de l’activité et la performance et ce, en tenant compte des ressources de l’entreprise. (data notamment)
Construire un discours narratif permettant de susciter l’intérêt de son auditoire afin de mettre en avant les principaux messages de son analyse tout en favorisant sa mémorisation et ce, en s’appuyant sur les formes produites.
Réaliser les représentations graphiques les plus pertinentes possibles en vérifiant les règles de la sémiologie graphique et en déterminant les formes graphiques les plus adaptées afin de rendre accessible la compréhension des données au client de façon claire et pédagogique, et ce en intégrant la prise en compte des handicaps visuels et en utilisant les outils de datavisualisation.
Concevoir des dashboard (tableaux de bord) en interaction avec les équipes en ayant documenté les données en amont et en s’assurant de leur automatisation possible afin de compiler les informations essentielles sur les moyens, le suivi de l’activité et la performance et ce, en tenant compte des ressources de l’entreprise. (data notamment)
Construire un discours narratif permettant de susciter l’intérêt de son auditoire afin de mettre en avant les principaux messages de son analyse tout en favorisant sa mémorisation et ce, en s’appuyant sur les formes produites.
Modalités d’évaluation du bloc
Thèse professionnelle
RNCP40855BC04 — Participer à la mise en œuvre de projets de l’entreprise
Compétences du bloc
Définir le cadre de gestion de projet le plus adapté en tenant compte des contraintes de délais, de ressources et d’objectifs afin de cadrer son projet et gagner en efficience pendant son déploiement.
Piloter un projet dans le respect du cadre donné par une feuille de route, incluant la bonne gestion des ressources humaines du projet dans le respect des besoins individuels (notamment en cas de situation de handicap), le respect des différents jalons afin de s’assurer de la bonne qualité du livrable et du respect de la demande du client et le cas échéant, du cahier des charges.
Diffuser l’usage des nouvelles méthodes d’exploitation des données, notamment l’IA, et leur cadre éthique auprès des directions commerciale et marketing en s’appuyant sur une veille active, et en apportant des conseils sur les processus et procédures à mettre en place à tous les stades de l’utilisation des données afin de développer des bonnes pratiques et garantir le respect de la vie privée, la confidentialité des données et le respect des règles de sécurité de l’information.
Partager ses besoins et ses contraintes, ses objectifs, sa culture métier dans le cadre de dispositifs collectifs existant ou, le cas échéant, créés à son initiative afin de mieux comprendre les problématiques rencontrées par les différents professionnels des métiers connexes dans l’entreprise autour du traitement de l’information et construire un écosystème de la data plus efficace et rendre plus fluide la collaboration entre les services et métiers.
Concevoir un processus structuré de veille technologique et réglementaire en réalisant une sélection d’outils performants par rapport à l’objet des recherches à effectuer afin de s’assurer du maintien de son efficacité opérationnelle et de ses compétences technologiques (notamment en matière d’IA, outils datascience) et assurer le respect du cadre déontologique et éthique.
Réaliser des notes explicatives à l’attention des parties prenantes et lecteurs non data scientists permettant une prise de décision éclairée à partir d’une bonne compréhension des résultats et de leur limites (interprétabilité, intelligibilité) et tenant compte d’un contexte multiculturel et/ou international ou de la présence d’un éventuel profil en situation de handicap.
Piloter un projet dans le respect du cadre donné par une feuille de route, incluant la bonne gestion des ressources humaines du projet dans le respect des besoins individuels (notamment en cas de situation de handicap), le respect des différents jalons afin de s’assurer de la bonne qualité du livrable et du respect de la demande du client et le cas échéant, du cahier des charges.
Diffuser l’usage des nouvelles méthodes d’exploitation des données, notamment l’IA, et leur cadre éthique auprès des directions commerciale et marketing en s’appuyant sur une veille active, et en apportant des conseils sur les processus et procédures à mettre en place à tous les stades de l’utilisation des données afin de développer des bonnes pratiques et garantir le respect de la vie privée, la confidentialité des données et le respect des règles de sécurité de l’information.
Partager ses besoins et ses contraintes, ses objectifs, sa culture métier dans le cadre de dispositifs collectifs existant ou, le cas échéant, créés à son initiative afin de mieux comprendre les problématiques rencontrées par les différents professionnels des métiers connexes dans l’entreprise autour du traitement de l’information et construire un écosystème de la data plus efficace et rendre plus fluide la collaboration entre les services et métiers.
Concevoir un processus structuré de veille technologique et réglementaire en réalisant une sélection d’outils performants par rapport à l’objet des recherches à effectuer afin de s’assurer du maintien de son efficacité opérationnelle et de ses compétences technologiques (notamment en matière d’IA, outils datascience) et assurer le respect du cadre déontologique et éthique.
Réaliser des notes explicatives à l’attention des parties prenantes et lecteurs non data scientists permettant une prise de décision éclairée à partir d’une bonne compréhension des résultats et de leur limites (interprétabilité, intelligibilité) et tenant compte d’un contexte multiculturel et/ou international ou de la présence d’un éventuel profil en situation de handicap.
Modalités d’évaluation du bloc
Rapport d’expérience professionnelle
Voies d’accès et jurys indiqués
| Voie d’accès | Indication de la source | Composition du jury publiée |
|---|---|---|
| Formation initiale sous statut d’élève ou d’étudiant | Oui | Le jury est composé sur décision du directeur de l’ENSAI. Le jury est composé de 3 membres : * un membre permanent (le Directeur de l’ENSAI ou son représentant) ; * et deux membres non permanents minimum, ayant une activité principale autre que l'enseignement et compétents pour apprécier la nature des acquis, notamment professionnels, dont la validation est sollicitée, c’est-à-dire ayant au moins un titre ou diplôme de même niveau que la certification visée et/ou plusieurs années d’expérience dans le secteur d’activité |
| Contrat d’apprentissage | Oui | Le jury est composé sur décision du directeur de l’ENSAI. Le jury est composé de 3 membres : * un membre permanent (le Directeur de l’ENSAI ou son représentant) ; * et deux membres non permanents minimum, ayant une activité principale autre que l'enseignement et compétents pour apprécier la nature des acquis, notamment professionnels, dont la validation est sollicitée, c’est-à-dire ayant au moins un titre ou diplôme de même niveau que la certification visée et/ou plusieurs années d’expérience dans le secteur d’activité |
| Formation continue | Oui | Le jury est composé sur décision du directeur de l’ENSAI. Le jury est composé de 3 membres : * un membre permanent (le Directeur de l’ENSAI ou son représentant) ; * et deux membres non permanents minimum, ayant une activité principale autre que l'enseignement et compétents pour apprécier la nature des acquis, notamment professionnels, dont la validation est sollicitée, c’est-à-dire ayant au moins un titre ou diplôme de même niveau que la certification visée et/ou plusieurs années d’expérience dans le secteur d’activité |
| Contrat de professionnalisation | Oui | Le jury est composé sur décision du directeur de l’ENSAI. Le jury est composé de 3 membres : * un membre permanent (le Directeur de l’ENSAI ou son représentant) ; * et deux membres non permanents minimum, ayant une activité principale autre que l'enseignement et compétents pour apprécier la nature des acquis, notamment professionnels, dont la validation est sollicitée, c’est-à-dire ayant au moins un titre ou diplôme de même niveau que la certification visée et/ou plusieurs années d’expérience dans le secteur d’activité |
| Candidature individuelle | Non | Non renseignée |
| Expérience (VAE) | Oui | Le jury est composé de 4 membres : * deux membres permanents : le Directeur de l‘ENSAI ou son représentant, et un enseignant-chercheur * et deux membres non permanents minimum, ayant une activité principale autre que l'enseignement et compétents pour apprécier la nature des acquis, notamment professionnels, dont la validation est sollicitée, c’est-à-dire ayant au moins un titre ou diplôme de même niveau que la certification visée et/ou plusieurs années d’expérience dans le secteur d’activité. |
Codes ROME publiés dans la fiche de certification
- M1403 — Études et prospectives socio-économiques
Le rapprochement repose sur un code publié dans les deux sources. Les intitulés ROME peuvent avoir évolué ; il ne s’agit pas d’une équivalence de diplômes.
Domaines Formacode
Nomenclature des spécialités de formation (NSF)
- 114b — Modèles mathématiques ; Informatique mathématique
- 326 — Informatique, traitement de l'information, réseaux de transmission
Promotions et indicateurs d’insertion publiés
Les effectifs et indicateurs ci-dessous concernent les promotions indiquées dans la fiche de certification. Ils ne constituent pas un taux de réussite à un examen, une mesure de qualité d’un centre de formation ou une garantie d’emploi. Le nombre de certifiés ne fournit pas le nombre de répondants aux enquêtes d’insertion ; les dénominateurs de ces taux ne sont pas publiés dans les champs repris ici. Les champs absents restent « Non renseigné » et les zéros publiés sont conservés.
RNCP40855 — Expert en science des données pour la connaissance client (MS)
Échelle propre à cette fiche, avec origine à zéro. Les barres représentent des effectifs publiés, sans estimation des années manquantes. Aucun taux d’insertion n’est calculé à partir de ces effectifs.
| Année de promotion | Nombre de certifiés | Certifiés par la VAE | Insertion globale à 6 mois (%) | Insertion dans le métier à 2 ans (%) |
|---|---|---|---|---|
| 2021 | 6 | 0 | 83 % | 100 % |
| 2022 | 7 | 0 | 80 % | 100 % |
| 2023 | 9 | 0 | 86 % | Non renseigné |
L’indicateur d’insertion dans le métier à 6 mois n’est renseigné pour aucune promotion de cette fiche dans l’export utilisé.
Vérifier les statistiques et leur contexte sur la fiche officielle RNCP40855
Source : France compétences, export RNCP et Répertoire spécifique 4.1 du 22 octobre 2026 · Licence Ouverte 2.0. Les valeurs décrivent ce relevé daté. Les champs d’insertion globale à 6 mois, d’insertion dans le métier à 6 mois et à 2 ans restent distincts.
Partenaires publiés pour RNCP40855 — 1 mention dans l’export
Ces lignes proviennent de la rubrique « Partenaires » de cette certification dans l’export France compétences du 22 octobre 2026. Les rôles et états décrivent cette photographie ; ils ne garantissent ni une habilitation actuelle, ni une session ouverte, ni une adresse d’enseignement. Consulter le contexte de la certification.
1 mention correspondant aux critères · page 1 sur 1 · ordre de l’export, au plus 25 lignes par page. Un même organisme peut figurer sur plusieurs certifications ; ces mentions ne comptent pas des centres distincts.
| Nom et SIRET publiés | Rôle publié | État de l’habilitation dans la source | Dates publiées |
|---|---|---|---|
| CFAI DIAFOR SIRET : 39048242000028 | Former et organiser les évaluations HABILITATION_ORGA_FORM | Actif | Date actif : non renseignée Dernière modification de l’état : 01/09/2025 |
Les identifiants, noms, rôles, états et dates sont reproduits tels que publiés. Aucun rapprochement avec un établissement de l’annuaire n’est déduit du nom. Consultez la fiche officielle et le certificateur avant toute inscription.
Consulter la fiche complète et les organismes habilités sur France compétences