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.
Diplôme Sciences des données et techniques analytiques pour la gestion
RNCP42392 · RNCP · Niveau 7.
Fiche publiée et indiquée active dans l’export du 22 octobre 2026. Vérifier la fiche officielle et son statut actuel.
- Date d’effet
- 01/09/2021
- Échéance de l’enregistrement
- 31/08/2027
- Date limite de délivrance
- 31/08/2031
Organismes certificateurs publiés
- ASSOCIATION GROUPE ESSEC — SIRET 77566395800046 — état dans la source : Actif
- CENTRALESUPELEC — SIRET 13002076100016 — état dans la source : Actif
- MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE — SIRET 11004401300040 — 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
Créée en 2015 conjointement par ESSEC & CentraleSupélec, la certification à un enjeu central dit de gestion des sciences des données et données massives pour l’ensemble des secteurs économiques dont les perspectives sont cruciales pour l’économie française et portées par les politiques gouvernementales. Le programme Sciences des Données et Techniques Analytiques pour la Gestion (en anglais, « Data Sciences and Business Analytics ») a vocation à certifier de futurs managers spécialistes en Sciences des Données et Techniques Analytiques pour la Gestion avec un haut niveau d’expertise dans ce domaine.
La formation permettant l'obtention de cette certification est un programme répond à un projet professionnel défini et allie les concepts fondamentaux aux théories et pratiques du secteur.
La formation permettant l'obtention de cette certification est un programme répond à un projet professionnel défini et allie les concepts fondamentaux aux théories et pratiques du secteur.
Activités visées
Les activités visées que le titulaire sera amené à développer s’exercent dans un grand nombre de secteurs compte tenu des capacités d’application des compétences scientifiques visées : le domaine des Sciences des Données. Ces dernières peuvent être de toute taille et partagent une complexité nécessitant l’utilisation de techniques mathématiques avancées avec leurs implémentations informatiques correspondantes.
A1. Proposition de stratégies d’innovation digitales et data
A2. Aide à la décision et à l’optimisation des critères de performance stratégiques
A3. Planification d’un projet de conception d’un nouveau processus ou dispositif data innovant, en équipe :
A4. Codage et programmation des langages informatiques : Python, R,C++
A5. Prétraitement et analyse de données structurées et non structurées (texte, image)
A6. Analyse statistique univariée et multivariée à partir de données structurées et nettoyées
A7. Visualisation des données
A8. Déploiement d’un modèle d’apprentissage automatique à l’échelle Big data
A9. Conception et application d’un modèle d’apprentissage supervisé ou non supervisé
A10. Application et respect des règles et des normes sur les données (RGDP et autres)
A11 Développement de process, démarches qualité, et/ou d’innovation axés sur les données
A12 Définition d'une stratégie de l’organisation et mise en œuvre
A1. Proposition de stratégies d’innovation digitales et data
A2. Aide à la décision et à l’optimisation des critères de performance stratégiques
A3. Planification d’un projet de conception d’un nouveau processus ou dispositif data innovant, en équipe :
A4. Codage et programmation des langages informatiques : Python, R,C++
A5. Prétraitement et analyse de données structurées et non structurées (texte, image)
A6. Analyse statistique univariée et multivariée à partir de données structurées et nettoyées
A7. Visualisation des données
A8. Déploiement d’un modèle d’apprentissage automatique à l’échelle Big data
A9. Conception et application d’un modèle d’apprentissage supervisé ou non supervisé
A10. Application et respect des règles et des normes sur les données (RGDP et autres)
A11 Développement de process, démarches qualité, et/ou d’innovation axés sur les données
A12 Définition d'une stratégie de l’organisation et mise en œuvre
Compétences attestées
C1. Elaborer une stratégie digitale tenant compte de la gestion de la data afin de rechercher la meilleure proposition de valeur pour l’utilisateur final, en menant un diagnostic de l’existant et une étude opérationnelle d’identification des attentes client en matière de transformation digitale, en modélisant et en proposant des solutions data en fonction de l’objectif stratégique et de la réglementation, ainsi qu’en argumentant ses recommandations afin de répondre à la problématique du commanditaire. Rechercher la meilleure proposition de valeur pour l’utilisateur final.
C2. Enrichir les systèmes d’aide à la décision en produisant des outils de business intelligence et des modèles de décision et d’optimisation (analyse prescriptive) basés sur les données fournies en amont par les modèles statistiques descriptifs et prédictifs, et en formulant des conclusions et des interprétations des résultats permettant d’élaborer une stratégie d’innovation ou de transformation.
C3. Planifier en mode projet la conception d’un nouveau processus ou dispositif data innovant en alignant les objectifs du projet et ses livrables à l’objectif stratégique posé par le client, en décomposant l’objectif principal en sous-projets affectés à des membres de l’équipe, et en déterminant une méthodologie et des jalons conformes à l’objectif.
C4. Choisir le ou les langage(s) de programmation adapté(s) à la problématique client à traiter à l'aide de sa maîtrise des codages d’algorithmes spécifiques, au-delà de l’utilisation de logiciels standard existants, afin de traiter les problématiques client en autonomie.
C5. Nettoyer un jeu de données en déterminant le processus de sélection, de transformation et de réduction des données brutes à partir des objectifs d’une problématique métier, en vue d’un traitement statistique automatisé de ces données.
C6. Explorer des modèles statistiques d’analyse univariée ou multivariée, voire les adapter à un contexte particulier, pour comprendre le phénomène étudié et dégager des liens de causalité ou les facteurs les plus significatifs.
C7. Représenter les données par des graphiques clairs et pertinents qui fassent sens et soient facilement interprétables pour un client ou manager non expert data.
C8. Automatiser le traitement des données en sélectionnant les outils du Cloud permettant de disposer d’un environnement Big Data et en réalisant des calculs distribués sur des données massives afin de prétraiter, analyser et modéliser des données.
C9. Comparer différents modèles d’apprentissage supervisé ou non supervisé, y compris d’apprentissage profond (deep learning) adaptés à une problématique métier, en calibrant au mieux chaque modèle, et en sélectionnant la méthode de meilleure performance empirique sur les données test, et en évaluant son interprétabilité pour le client/utilisateur.
C10. Définir les données, leur nomenclature et leur modèle de gestion en respectant les normes et le cadre légal (société, national, européen et international) afin de garantir leur utilisation éthique, légale et sécurisée.
C11. Adapter les process aux règles et normes en vigueur en prenant en compte les problématiques de cybersécurité afin de garantir la souveraineté des données analysées et stockées
C12. Évaluer la qualité des données en adéquation avec les attentes métiers en se référant aux process et démarches qualité standard de collecte et d'analyse des données afin de contrôler les écarts entre les objectifs et les réalisations.
C13. Mesurer l’impact de la non-qualité des données sur les processus en repérant les indicateurs pertinents afin de réduire les coûts associés à cette non-qualité.
C14. Améliorer la qualité des données via les processus de mise à jour des données afin de tendre vers une qualité optimale du traitement des données dans l'entreprise.
C15. Définir une position stratégique adaptée à son organisation en identifiant ses problématiques spécifiques afin de la traduire en plan d’action.
C16. Elaborer un plan d'action en prenant en compte les enjeux humains et culturels de l’organisation dans le développement de son activité ainsi que ses ressources afin de mettre en œuvre la stratégie de l'organisation.
C17. Adapter son mode de communication aux spécificités des collectifs en employant des outils innovants d'information et de communication ainsi qu'en mobilisant des compétences orales et écrites.
C18. Négocier avec ses équipes et ses partenaires d'affaires en appliquant les règles et techniques de négociation appropriées et en déterminant une solution gagnant/gagnant afin d’intégrer l’ensemble des points de vue, de dépasser toutes les sources de conflits ou de résoudre les conflits.
C2. Enrichir les systèmes d’aide à la décision en produisant des outils de business intelligence et des modèles de décision et d’optimisation (analyse prescriptive) basés sur les données fournies en amont par les modèles statistiques descriptifs et prédictifs, et en formulant des conclusions et des interprétations des résultats permettant d’élaborer une stratégie d’innovation ou de transformation.
C3. Planifier en mode projet la conception d’un nouveau processus ou dispositif data innovant en alignant les objectifs du projet et ses livrables à l’objectif stratégique posé par le client, en décomposant l’objectif principal en sous-projets affectés à des membres de l’équipe, et en déterminant une méthodologie et des jalons conformes à l’objectif.
C4. Choisir le ou les langage(s) de programmation adapté(s) à la problématique client à traiter à l'aide de sa maîtrise des codages d’algorithmes spécifiques, au-delà de l’utilisation de logiciels standard existants, afin de traiter les problématiques client en autonomie.
C5. Nettoyer un jeu de données en déterminant le processus de sélection, de transformation et de réduction des données brutes à partir des objectifs d’une problématique métier, en vue d’un traitement statistique automatisé de ces données.
C6. Explorer des modèles statistiques d’analyse univariée ou multivariée, voire les adapter à un contexte particulier, pour comprendre le phénomène étudié et dégager des liens de causalité ou les facteurs les plus significatifs.
C7. Représenter les données par des graphiques clairs et pertinents qui fassent sens et soient facilement interprétables pour un client ou manager non expert data.
C8. Automatiser le traitement des données en sélectionnant les outils du Cloud permettant de disposer d’un environnement Big Data et en réalisant des calculs distribués sur des données massives afin de prétraiter, analyser et modéliser des données.
C9. Comparer différents modèles d’apprentissage supervisé ou non supervisé, y compris d’apprentissage profond (deep learning) adaptés à une problématique métier, en calibrant au mieux chaque modèle, et en sélectionnant la méthode de meilleure performance empirique sur les données test, et en évaluant son interprétabilité pour le client/utilisateur.
C10. Définir les données, leur nomenclature et leur modèle de gestion en respectant les normes et le cadre légal (société, national, européen et international) afin de garantir leur utilisation éthique, légale et sécurisée.
C11. Adapter les process aux règles et normes en vigueur en prenant en compte les problématiques de cybersécurité afin de garantir la souveraineté des données analysées et stockées
C12. Évaluer la qualité des données en adéquation avec les attentes métiers en se référant aux process et démarches qualité standard de collecte et d'analyse des données afin de contrôler les écarts entre les objectifs et les réalisations.
C13. Mesurer l’impact de la non-qualité des données sur les processus en repérant les indicateurs pertinents afin de réduire les coûts associés à cette non-qualité.
C14. Améliorer la qualité des données via les processus de mise à jour des données afin de tendre vers une qualité optimale du traitement des données dans l'entreprise.
C15. Définir une position stratégique adaptée à son organisation en identifiant ses problématiques spécifiques afin de la traduire en plan d’action.
C16. Elaborer un plan d'action en prenant en compte les enjeux humains et culturels de l’organisation dans le développement de son activité ainsi que ses ressources afin de mettre en œuvre la stratégie de l'organisation.
C17. Adapter son mode de communication aux spécificités des collectifs en employant des outils innovants d'information et de communication ainsi qu'en mobilisant des compétences orales et écrites.
C18. Négocier avec ses équipes et ses partenaires d'affaires en appliquant les règles et techniques de négociation appropriées et en déterminant une solution gagnant/gagnant afin d’intégrer l’ensemble des points de vue, de dépasser toutes les sources de conflits ou de résoudre les conflits.
Secteurs d’activité visés
Le titulaire est appelé à exercer ses activités dans de multiples domaines, et en particulier dans les secteurs suivants :
* santé/pharmacie
* services bancaires, finance et assurances
* énergie (production, transport, distribution)
* construction automobile, navale, aérienne, ferroviaire
* SSII, services informatiques, éditeurs logiciels
* télécommunications
* bâtiment, travaux publics
* transports et logistique
* éducation, R&D scientifique
* audit et conseil
* santé/pharmacie
* services bancaires, finance et assurances
* énergie (production, transport, distribution)
* construction automobile, navale, aérienne, ferroviaire
* SSII, services informatiques, éditeurs logiciels
* télécommunications
* bâtiment, travaux publics
* transports et logistique
* éducation, R&D scientifique
* audit et conseil
Types d’emplois accessibles indiqués
Les métiers visés sont liés à la recherche, aux bureaux d’études et au conseil, à l’innovation et développement de produit ou service, à la transformation digitale, à l’analyse des données et à l’aide à la décision.
Ces emplois sont exercés au sein de grands groupes internationaux, mais aussi de PME et PMI, existantes ou fondées par des diplômés.
Ces emplois sont exercés au sein de grands groupes internationaux, mais aussi de PME et PMI, existantes ou fondées par des diplômés.
Réglementations mentionnées dans la fiche
Respect du règlement général sur la protection des données RGPD.
Blocs de compétences RNCP — 5 blocs publiés
RNCP42392BC01 — Elaborer et implémenter en mode projet une stratégie de transformation digitale et d’ innovation par la data
Compétences du bloc
C1. Elaborer une stratégie digitale tenant compte de la gestion de la data afin de rechercher la meilleure proposition de valeur pour l’utilisateur final, en menant un diagnostic de l’existant et une étude opérationnelle d’identification des attentes client en matière de transformation digitale, en modélisant et en proposant des solutions data en fonction de l’objectif stratégique et de la réglementation, ainsi qu’en argumentant ses recommandations afin de répondre à la problématique du commanditaire. Rechercher la meilleure proposition de valeur pour l’utilisateur final.
C2. Enrichir les systèmes d’aide à la décision en produisant des outils de business intelligence et des modèles de décision et d’optimisation (analyse prescriptive) basés sur les données fournies en amont par les modèles statistiques descriptifs et prédictifs, et en formulant des conclusions et des interprétations des résultats permettant d’élaborer une stratégie d’innovation ou de transformation.
C3. Planifier en mode projet la conception d’un nouveau processus ou dispositif data innovant en alignant les objectifs du projet et ses livrables à l’objectif stratégique posé par le client, en décomposant l’objectif principal en sous-projets affectés à des membres de l’équipe, et en déterminant une méthodologie et des jalons conformes à l’objectif.
C2. Enrichir les systèmes d’aide à la décision en produisant des outils de business intelligence et des modèles de décision et d’optimisation (analyse prescriptive) basés sur les données fournies en amont par les modèles statistiques descriptifs et prédictifs, et en formulant des conclusions et des interprétations des résultats permettant d’élaborer une stratégie d’innovation ou de transformation.
C3. Planifier en mode projet la conception d’un nouveau processus ou dispositif data innovant en alignant les objectifs du projet et ses livrables à l’objectif stratégique posé par le client, en décomposant l’objectif principal en sous-projets affectés à des membres de l’équipe, et en déterminant une méthodologie et des jalons conformes à l’objectif.
Modalités d’évaluation du bloc
E1.a- Corporate Research Project (CRP) (C1): Projet data de 6 mois en équipe en à partir de données réelles fournies par une entreprise. E.1.b Examens et études de cas des cours de Stratégie et management, stratégie digitale, Management de l’IT à l’ère numérique, Entrepreneuriat, Fundamentals of Digital Business.
E.2: Evaluation du cas AMAZON ( cours Decision Analytics) (C2): les étudiants doivent établir un modèle d’aide à la décision stratégique pour concevoir un réseau logistique e-business à partir d’un cas. Travail de groupe par équipe à l’écrit.
E3-a. Corporate Research Project (CRP): Le groupe d’étudiants définit les jalons du projet, la méthodologie, la problématique, et planifie ses étapes avec un point à 3 mois et à 6 mois. E3.b Professional Mission Report: Les participants font référence dans le PMR à la l’intégration d’un nouvel outil de data innovation. Évaluation individuelle écrite.
E.2: Evaluation du cas AMAZON ( cours Decision Analytics) (C2): les étudiants doivent établir un modèle d’aide à la décision stratégique pour concevoir un réseau logistique e-business à partir d’un cas. Travail de groupe par équipe à l’écrit.
E3-a. Corporate Research Project (CRP): Le groupe d’étudiants définit les jalons du projet, la méthodologie, la problématique, et planifie ses étapes avec un point à 3 mois et à 6 mois. E3.b Professional Mission Report: Les participants font référence dans le PMR à la l’intégration d’un nouvel outil de data innovation. Évaluation individuelle écrite.
RNCP42392BC02 — Prétraiter et analyser des données structurées pour répondre à un problème métier
Compétences du bloc
C4. Choisir le ou les langage(s) de programmation adapté(s) à la problématique client à traiter à l'aide de sa maîtrise des codages d’algorithmes spécifiques, au-delà de l’utilisation de logiciels standard existants, afin de traiter les problématiques client en autonomie.
C5. Nettoyer un jeu de données en déterminant le processus de sélection, de transformation et de réduction des données brutes à partir des objectifs d’une problématique métier, en vue d’un traitement statistique automatisé de ces données.
C6. Explorer des modèles statistiques d’analyse univariée ou multivariée, voire les adapter à un contexte particulier, pour comprendre le phénomène étudié et dégager des liens de causalité ou les facteurs les plus significatifs.
C7. Représenter les données par des graphiques clairs et pertinents qui fassent sens et soient facilement interprétables pour un client ou manager non expert data.
C5. Nettoyer un jeu de données en déterminant le processus de sélection, de transformation et de réduction des données brutes à partir des objectifs d’une problématique métier, en vue d’un traitement statistique automatisé de ces données.
C6. Explorer des modèles statistiques d’analyse univariée ou multivariée, voire les adapter à un contexte particulier, pour comprendre le phénomène étudié et dégager des liens de causalité ou les facteurs les plus significatifs.
C7. Représenter les données par des graphiques clairs et pertinents qui fassent sens et soient facilement interprétables pour un client ou manager non expert data.
Modalités d’évaluation du bloc
E4. Tests individuels de programmation sur plusieurs langages informatiques (C++, Python…) et l'évaluation d'algorithmes.
E.5- C5 : Hackathon: structuration de données non structurées fournies par l’entreprise, extraction des données pertinentes, mise en forme, ré-encodage, agrégation des données brutes recommandations de plan d’action. Travail de groupe à l’écrit puis présentation orale.
E. 6 Tests individuels sur les cours de statistiques à savoir : Cours de Probabilités & statistiques, Statistique Inférentielle, Econométrie, Quantitative Risk Management. Tests individuel - écrits.
E7 -C7 : Hackathon: Structuration et visualisation des données d’entreprise. Présentation orale par groupe et rapport écrit.
E.5- C5 : Hackathon: structuration de données non structurées fournies par l’entreprise, extraction des données pertinentes, mise en forme, ré-encodage, agrégation des données brutes recommandations de plan d’action. Travail de groupe à l’écrit puis présentation orale.
E. 6 Tests individuels sur les cours de statistiques à savoir : Cours de Probabilités & statistiques, Statistique Inférentielle, Econométrie, Quantitative Risk Management. Tests individuel - écrits.
E7 -C7 : Hackathon: Structuration et visualisation des données d’entreprise. Présentation orale par groupe et rapport écrit.
RNCP42392BC03 — Entraîner et déployer un modèle d’IA et d’apprentissage automatique à l’échelle, supervisé ou non supervisé, pour réaliser une analyse prédictive
Compétences du bloc
C8. Automatiser le traitement des données en sélectionnant les outils du Cloud permettant de disposer d’un environnement Big Data et en réalisant des calculs distribués sur des données massives afin de prétraiter, analyser et modéliser des données.
C9 - Comparer différents modèles d’apprentissage supervisé ou non supervisé, y compris d’apprentissage profond (deep learning) adaptés à une problématique métier, en calibrant au mieux chaque modèle, et en sélectionnant la méthode de meilleure performance empirique sur les données test, et en évaluant son interprétabilité pour le client/utilisateur.
C9 - Comparer différents modèles d’apprentissage supervisé ou non supervisé, y compris d’apprentissage profond (deep learning) adaptés à une problématique métier, en calibrant au mieux chaque modèle, et en sélectionnant la méthode de meilleure performance empirique sur les données test, et en évaluant son interprétabilité pour le client/utilisateur.
Modalités d’évaluation du bloc
E8-a Evaluation des cours Big Data Analytics, Big Data Algorithms & Platforms. Examen écrit individuel.
E8-b CRP : Dans le cadre du CRP, le groupe de travail sélectionne des outils cloud Big Data adaptés et effectue des calculs sur des données massives et analyse des données réelles de grande taille. Evaluation écrite en groupe.
E9-a Professional Mission Report. Évaluation du positionnement des modèles proposés vs état de l’art. Évaluation individuelle écrite.
E9.b Tests individuels dans les cours d’Apprentissage machine et Apprentissage profond : cours de Foundations of Machine Learning, Advanced Machine Learning, Foundations of Deep Learning, Advanced Deep Learning.
E8-b CRP : Dans le cadre du CRP, le groupe de travail sélectionne des outils cloud Big Data adaptés et effectue des calculs sur des données massives et analyse des données réelles de grande taille. Evaluation écrite en groupe.
E9-a Professional Mission Report. Évaluation du positionnement des modèles proposés vs état de l’art. Évaluation individuelle écrite.
E9.b Tests individuels dans les cours d’Apprentissage machine et Apprentissage profond : cours de Foundations of Machine Learning, Advanced Machine Learning, Foundations of Deep Learning, Advanced Deep Learning.
RNCP42392BC04 — Mettre en œuvre des règles, normes et démarches qualité par la data
Compétences du bloc
C10. Définir les données, leur nomenclature et leur modèle de gestion en respectant les normes et le cadre légal (société, national, européen et international) afin de garantir leur utilisation éthique, légale et sécurisée.
C11. Adapter les process aux règles et normes en vigueur en prenant en compte les problématiques de cybersécurité afin de garantir la souveraineté des données analysées et stockées.
C12. Évaluer la qualité des données en adéquation avec les attentes métiers en se référant aux process et démarches qualité standard de collecte et d'analyse des données afin de contrôler les écarts entre les objectifs et les réalisations.
C13. Mesurer l’impact de la non-qualité des données sur les processus en repérant les indicateurs pertinents afin de réduire les coûts associés à cette non-qualité.
C14. Améliorer la qualité des données via les processus de mise à jour des données afin de tendre vers une qualité optimale du traitement des données dans l'entreprise.
C11. Adapter les process aux règles et normes en vigueur en prenant en compte les problématiques de cybersécurité afin de garantir la souveraineté des données analysées et stockées.
C12. Évaluer la qualité des données en adéquation avec les attentes métiers en se référant aux process et démarches qualité standard de collecte et d'analyse des données afin de contrôler les écarts entre les objectifs et les réalisations.
C13. Mesurer l’impact de la non-qualité des données sur les processus en repérant les indicateurs pertinents afin de réduire les coûts associés à cette non-qualité.
C14. Améliorer la qualité des données via les processus de mise à jour des données afin de tendre vers une qualité optimale du traitement des données dans l'entreprise.
Modalités d’évaluation du bloc
Étude de cas et mise en situation. Corporate Research Project.
Professional Mission Report, Atelier Data Regulation Ethics & Security.
Étude de cas et mise en situation. Corporate Research Project.
Professional Mission Report, Atelier Data Regulation Ethics & Security.
Étude de cas et mise en situation. Corporate Research Project.
RNCP42392BC05 — Développer une culture managériale et organisationnelle
Compétences du bloc
C15. Définir une position stratégique adaptée à son organisation en identifiant ses problématiques spécifiques afin de la traduire en plan d’action.
C16. Elaborer un plan d'action en prenant en compte les enjeux humains et culturels de l’organisation dans le développement de son activité ainsi que ses ressources afin de mettre en œuvre la stratégie de l'organisation.
C17. Adapter son mode de communication aux spécificités des collectifs en employant des outils innovants d'information et de communication ainsi qu'en mobilisant des compétences orales et écrites.
C18. Négocier avec ses équipes et ses partenaires d'affaires en appliquant les règles et techniques de négociation appropriées et en déterminant une solution gagnant/gagnant afin d’intégrer l’ensemble des points de vue, de dépasser toutes les sources de conflits ou de résoudre les conflits.
C16. Elaborer un plan d'action en prenant en compte les enjeux humains et culturels de l’organisation dans le développement de son activité ainsi que ses ressources afin de mettre en œuvre la stratégie de l'organisation.
C17. Adapter son mode de communication aux spécificités des collectifs en employant des outils innovants d'information et de communication ainsi qu'en mobilisant des compétences orales et écrites.
C18. Négocier avec ses équipes et ses partenaires d'affaires en appliquant les règles et techniques de négociation appropriées et en déterminant une solution gagnant/gagnant afin d’intégrer l’ensemble des points de vue, de dépasser toutes les sources de conflits ou de résoudre les conflits.
Modalités d’évaluation du bloc
Étude de cas et mise en situation : relecture d’une situation managériale.
Études de cas et rapport écrit de fin de stage (Professional Mission Report).
Études de cas et rapport écrit de fin de stage (Professional Mission Report).
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 | * Président du jury, enseignant chercheur nommé par le Recteur d’académie * Vice-président (en cas d’empêchement du Président du jury) * Représentant du recteur d’académie * Professeur ESSEC * Directeur des études |
| Contrat d’apprentissage | Non | Non renseignée |
| Formation continue | Non | Non renseignée |
| Contrat de professionnalisation | Non | Non renseignée |
| Candidature individuelle | Non | Non renseignée |
| Expérience (VAE) | Oui | 60% d’enseignants-chercheurs 40% de professionnels ayant une activité principale autre que l’enseignement et compétentes pour apprécier la nature des acquis, dont la validation est sollicitée, avec une parité employeur/salarié et homme/femme. Les membres du jury sont nommés par le chef de l’établissement : directeur d’école. |
Codes ROME publiés dans la fiche de certification
- M1301 — Direction de grande entreprise ou d'établissement public
- H1102 — Management et ingénierie d'affaires
- M1402 — Conseil en organisation et management d'entreprise
- M1302 — Direction de petite ou moyenne entreprise
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
- 11017 — Statistique appliquée
- 11052 — Mathématiques appliquées
- 31025 — Analyse de données
- 30854 — Langages informatiques
- 31028 — Intelligence artificielle
Nomenclature des spécialités de formation (NSF)
- 114b — Modèles mathématiques ; Informatique mathématique
- 300 — Spécialites plurivalentes des services
- 326 — Informatique, traitement de l'information, réseaux de transmission
Enregistrements antérieurs cités
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.
RNCP42392 — Diplôme Sciences des données et techniques analytiques pour la gestion
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 (%) |
|---|---|---|---|---|
| 2018 | 37 | 0 | 90 % | 100 % |
| 2026 | 45 | 0 | 84 % | 100 % |
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 RNCP42392
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 RNCP42392 — 0 mentions 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.
Aucun partenaire détaillé dans cet export pour cette fiche. Indication « Existence de partenaires » : Non. Cette absence ne prouve pas qu’aucun organisme ne propose cette certification. Vérifiez les organismes habilités sur la fiche officielle.
Consulter la fiche complète et les organismes habilités sur France compétences