Digital Data Analysis

mlsmm2231  2018-2019  Mons

Digital Data Analysis
5 crédits
30.0 h
Q2
Enseignants
Ongaro Marco;
Langue
d'enseignement
Français
Préalables
/
Thèmes abordés
Le contexte digital se caractérise par une abondance de données disponibles dans les systèmes de l'entreprise, mais également à l'extérieur ses les réseaux sociaux, les sites commerciaux, les sites concurrents. Ces données une fois récoltés, assemblées, et analysées de manière appropriée peuvent nous renseigner sur le comportement des consommateurs, les activités des concurrents, ou la performance de l'entreprise.
De plus en plus, il est indispensable de pouvoir monitorer la performance de l'entreprise sur son site web, sur les réseaux sociaux, au travers de l'ensemble de ses activités digitales. L'analyse de ces données issues du digital nécessite à la fois des compétences techniques et des compétences analytiques, et surtout un sens inné du marketing et du management.
Une des compétences clés du (digital) marketer de demain sera d'être capable d'identifier les données pertinentes pouvant l'aider dans sa réflexion, de mettre en oeuvre les outils de récolte des données, de sélectionner la méthode d'analyse de données digitales spécifiques et de mettre en oeuvre cette ou ces analyses en vue de faire des recommandations managériales pertinentes.
L'objectif premier du cours sera de fournir les connaissances et les outils nécessaires afin de d'identifier, recueillir, et analyser les données utiles et pertinentes afin de mettre en oeuvre et d"utiliser ses connaissances et résultats pour créer ou adapter la stratégie marketing de l'entreprise :
  • D'une part au niveau de sa performance et de sa situation concurrentielle.
  • D'autre part, au niveau du comportement du client de façon générale et plus particulièrement dans l'environnement digital (e-comportement).
  • Le cours s'attachera également à la compréhension des opportunités et des limites des différents outils de web analyse disponible pour une entreprise. 
Au terme du cours, l'étudiant aura une compréhension rigoureuse des méthodes enseignées et sera capable de les appliquer à des problématiques de digital marketing en vue de formuler les recommandations managériales adéquates.
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1

En termes d'acquis d'apprentissage spécifiques à la matière, au terme du cours, l'étudiant aura une compréhension rigoureuse des méthodes enseignées et sera capable de les appliquer à des problématiques de digital marketing en vue de formuler les recommandations managériales adéquates.

A l'issue de ce cours, l'étudiant sera capable

  • Comprendre les enjeux du Digital Data Analysis
  • Appréhender la diversité des démarches et méthodologies mises en oeuvre en digital data analyse
  • Proposer et utiliser une méthodologie d'analyse adéquate
  • Interpréter les résultats et de formuler des recommandations managériales
  • Evaluer la qualité d'une analyse et gérer la relation avec une société prestataire extérieure

 

En termes d'acquis d'apprentissage du programme, à l'issue de la formation, l'étudiant devrait être capable de :

  • Réussir à exploiter ces connaissances dans le traitement d'un cas et dans une situation professionnelle
  • Comprendre la rigueur exigée scientifique dans le cadre de la mise en oeuvre d'une analyse de données digitales.
  • Interpréter les résultats et de formuler des recommandations managériales
 

La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Méthodes d'enseignement
Cours magistraux
Etude de cas
Modes d'évaluation
des acquis des étudiants




Evaluation continue (participation au séminaire, travaux remis, évaluation du stage en immersion en Q4 et du rapport de stage en immersion).
Autres infos
Ce module de cours est accessible uniquement après acceptation de l'étudiant sur dossier dans l'option Digital Marketing Immersion professionnelle.
Bibliographie
Références de base :
  • Digital Marketing Analytics, Making Sense of Consumer Data in a Digital World, Chuck Hemann & Ken Burbary, Que Publishing, Pearson, ISBN-13:   978-0-7897-5030-3.  Disponible sur Amazon et autres sites commerciaux.
  • WEB Analytics Demystified, Eric T. Peterson, ISBN: 0-9743584-2-8.  Disponible en téléchargement gratuit sur le site de l'auteur: www.webanalyticsdemystified.com
 
Pour aller plus loin :
  • Big Data: Using smart Big Data analytics and metrics to make better decisions and improve performance, Bernard Marr, ISDN-13: 978-1-118-96583-2, Willey
  • Big Data in Practice: How 45 Successful Companies Used Big Data Analytics to Deliver Extraordinary Results, Bernard Marr, ISDN-13: 978-1119231387, Willey
  • Data Science for Business, Foster Provost & Tom Fawcett, ISDN-13: 978-1-449-36132-7, O'Reilly
Faculté ou entité
en charge
CLSM


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en ingénieur de gestion

Master [120] en sciences de gestion

Master [120] en sciences de gestion

Master [120] en ingénieur de gestion