Certificat de Data Analyst
Data Analyse : exploiter, analyser des données structurées et réaliser des études quantitatives
Le Certificat de Data Analyst est une formation certifiante en analyse de données (éligible CPF), conçue pour les professionnels en activité et organisée pour être compatible avec l’exercice d’une activité professionnelle.
Le certificat
Le Certificat de Data Analyst est une formation certifiante en analyse de données (éligible CPF), conçue pour les professionnels en activité et organisée pour être compatible avec l’exercice d’une activité professionnelle.
Vous apprendrez à...
- Maîtriser les bases de la statistique descriptive et de l'analyse exploratoire
- Préparer, nettoyer et structurer des données pour l'analyse
- Mettre en œuvre les outils de la statistique inférentielle (estimation, tests)
- Construire et interpréter des modèles de régression et de classification
- Segmenter et caractériser des populations par des méthodes non supervisées
- Analyser et interpréter des séries temporelles
- Produire des visualisations et synthèses exploitables pour la décision
- Conduire des analyses complètes de bout en bout avec le langage R
Programme
Le certificat de Data Analyst est structuré autour des fondamentaux de l'analyse statistique des données, avec une progression allant de l'exploration descriptive à la modélisation et à l'interprétation des résultats.
Après une introduction aux méthodes de statistique descriptive et exploratoire, le programme aborde les outils de statistique inférentielle, ainsi que les principales techniques de régression et de classification utilisées pour analyser et expliquer des phénomènes observés dans les données.
Les participants étudient ensuite les méthodes d'analyse des données et de segmentation par classification non supervisée, avant d'aborder l'analyse des séries temporelles. L'ensemble des méthodes est mis en œuvre de façon appliquée à l'aide du langage R, avec un accent particulier sur la visualisation, la synthèse et la restitution des résultats pour éclairer la prise de décision.
Ces compétences constituent également un socle indispensable pour dialoguer efficacement avec des équipes data science ou IA et interpréter leurs résultats dans un contexte métier.
Public visé & prérequis
Cette formation est destinée aux personnes souhaitant développer des compétences en analyse statistique et en exploitation des données.
Elle est ouverte aux candidats disposant de connaissances en mathématiques équivalentes à un baccalauréat scientifique ou à un baccalauréat avec spécialité mathématiques, et justifiant d'une expérience professionnelle d'au moins 3 ans. Une appétence pour l'analyse de données et les raisonnements quantitatifs est attendue afin de tirer pleinement profit du programme.
Certification
Examen écrit · 3 heures
Études de cas évaluant les compétences opérationnelles acquises pendant le certificat.
Soutenance de projet
Restitution d'un projet professionnel mené durant la formation, pour apprécier la structuration des résultats et la justification méthodologique.
La validation du certificat est soumise à la réussite à ces épreuves, ainsi qu'à la présence obligatoire aux cours. En cas de réussite, le participant se voit décerner un Certificat de Data Analyst du Groupe ENSAE-ENSAI.
Pourquoi choisir ce certificat ?
- Un parcours intense axé sur les statistiques appliquées
La formation couvre les fondamentaux et méthodes clés de statistique descriptive, inférentielle, régression, classification et analyse exploratoire, directement applicables en entreprise. - Un apprentissage pratique avec R
L'intégralité des analyses est mise en pratique avec le langage de programmation R et ses bibliothèques (dplyr, ggplot2, etc.), garantissant une montée en compétences réellement opérationnelle. - Des modules progressifs et cohérents
Chaque module s'appuie sur le précédent pour construire une maîtrise solide de l'analyse de données. - Des applications concrètes sur des données réelles
Les ateliers pratiques permettent de manipuler des jeux de données réalistes, d'identifier et corriger leurs défauts, et de produire des analyses exploitables. - Une approche complète de l'analyse de données
Le certificat couvre l'ensemble de la chaîne de valeur du data analyst : compréhension du problème, préparation des données, modélisation, visualisation et restitution. - Des intervenants experts du domaine
Les cours sont assurés par des enseignants-chercheurs et des praticiens reconnus. - Compatible avec une activité professionnelle
Le rythme de la formation permet de se former tout en poursuivant une activité professionnelle à temps plein. - Un certificat reconnu et finançable
Inscrit au Répertoire Spécifique et éligible au CPF, avec des possibilités de financement adaptées.
Le certificat de Data Analyst est structuré autour de l'analyse statistique des données, de la modélisation et de la mise en pratique opérationnelle sous R. Il combine les fondements de la statistique descriptive et inférentielle avec les principales méthodes de régression, de classification et d'analyse exploratoire. Les modules du certificat sont complétés par des ateliers pratiques permettant de conduire des analyses de données de bout en bout. L'ensemble s'étend sur une durée d'environ 6 mois. En voici le détail.
Introduction opérationnelle à l'analyse de données (Initiation à R)
Ce module propose une introduction opérationnelle à l’analyse de données avec R, en mettant l’accent sur la manipulation de jeux de données. Il permet de se familiariser avec les objets usuels (data frames, listes), l’importation de fichiers de différents formats, ainsi que les opérations de concaténation et de fusion de tables. L’objectif est d’acquérir une autonomie opérationnelle dans l’environnement R pour la suite du cursus.
Statistiques descriptives uni et bivariées et initiation au traitement des données manquantes
Ce module introduit les statistiques descriptives univariées et bivariées pour analyser et comprendre des jeux de données. Il couvre les indicateurs clés, les représentations graphiques, ainsi que l’étude des relations entre variables (corrélation, khi-deux). Une première initiation au traitement des données manquantes, notamment par imputation, vient compléter l’ensemble.
Statistique inférentielle
Ce module introduit les principes de l’inférence statistique à partir d’échantillons. Il couvre les lois de probabilité, le théorème central limite et les mécanismes d’estimation. Les participants apprendront à construire des intervalles de confiance et à réaliser des tests statistiques (comparaison de moyennes, proportions, tests d’adéquation). Ces outils permettent de quantifier l’incertitude et de prendre des décisions fondées sur les données.
Analyse des données et classification non supervisée
Ce module est dédié à l’analyse exploratoire et à la construction de typologies. Il aborde les notions de distance, d’inertie et de variance, puis les principales méthodes de clustering telles que K-means et la classification hiérarchique. Les participants apprendront à interpréter et caractériser les groupes obtenus afin d’en tirer des enseignements métier et des segments opérationnels.
Régression linéaire
Ce module couvre la modélisation explicative et prédictive par régression. Il traite la régression linéaire simple et multiple, la validation des modèles (significativité, résidus, données atypiques), l’analyse spécifique des variables explicatives qualitatives et le choix des variables. Ces outils sont essentiels pour comprendre l’influence des variables et réaliser des prévisions fiables.
Classification supervisée
Ce module présente les méthodes de classification prédictive lorsque la variable cible est connue. Il couvre la régression logistique, les arbres de décision et une introduction aux random forests. Les participants apprendront à entraîner, évaluer et comparer des modèles de classification afin de produire des scores et des règles de décision exploitables en contexte métier.
Conception d'une application interactive d'analyse de données
Ce module vous apprend à concevoir des applications web interactives avec R Shiny, en maîtrisant à la fois l’interface utilisateur et la logique côté serveur. Vous découvrirez comment structurer une page, gérer les inputs et outputs, et créer des visualisations dynamiques. Une attention particulière est portée aux graphiques interactifs pour valoriser efficacement vos données.
Analyse descriptive d'une série temporelle
Ce module introduit l’analyse des séries temporelles. Il couvre les représentations graphiques, la décomposition en tendance et saisonnalité, ainsi que les modèles additifs et multiplicatifs. Les participants apprendront à décrire, désaisonnaliser et interpréter des séries chronologiques afin de préparer des analyses et des prévisions.
Ateliers pratiques
Ces ateliers sont destinés à mettre en pratique l’ensemble des méthodes du certificat à partir de jeux de données réels. Les participants conduisent une analyse de données de bout en bout : exploration, nettoyage, modélisation, interprétation et restitution. L’accent est mis sur la communication des résultats et la production de livrables clairs et exploitables par des décideurs.
Intervenants
Le certificat est assuré par une équipe d'enseignants-chercheurs et praticiens reconnus, mêlant expertise académique et retour d'expérience opérationnel.
Professeur des universités, Éric est le responsable pédagogique et scientifique de l’ENSAE-ENSAI Formation continue. Il a rédigé en collaboration de nombreux ouvrages scientifiques alliant théorie et applications. Il effectue sa recherche au Centre de Recherche en Economie et Statistique (CREST) et est régulièrement invité au Laboratoire National de Los Alamos.
Docteure en sciences économiques de l’université Paris-Dauphine, Magalie Houée-Bigot est ingénieure en science des données à l’Institut Agro. Elle enseigne la statistique et l’analyse de données auprès d’étudiants ingénieurs, de masters et de professionnels en formation continue. Elle développe également des packages R en lien avec ses thématiques de recherche. Ses travaux portent sur la modélisation par équations structurelles et les méthodes d’apprentissage automatique.
Nicolas Jégou est docteur en Mathématiques Appliquées et il est actuellement Maître de Conférences à l’Université Rennes 2. Ses activités de recherche portent sur la régression non paramétrique. Il travaille en particulier sur les méthodes de régression sous contraintes de forme et les modèles additifs. Il a également collaboré à la rédaction de plusieurs ouvrages sur le logiciel R.
Vincent Lefieux est diplômé de l’ENSAI et titulaire d’un doctorat en statistique de l’Université Rennes 2. Après avoir exercé comme ingénieur-chercheur à EDF R&D puis à RTE R&D, il pilote aujourd’hui la feuille de route en intelligence artificielle de RTE. En parallèle de ses activités industrielles, il a enseigné depuis de nombreuses années la statistique, le machine learning et l’intelligence artificielle dans plusieurs grandes écoles d’ingénieurs, notamment à l’ENSAI et à l’École des Ponts ParisTech. Il a également été enseignant-chercheur associé à l’Université Pierre-et-Marie-Curie de 2010 à 2015.
Témoignages
L'interview croisée
Deux diplômés, une économiste risque-pays et un analyste Business Intelligence, expliquent ce que le Certificat de Data Analyst leur a apporté.
Pouvez-vous vous présenter en quelques mots ?
Pour quelle raison avez-vous décidé de vous former à la Data Analyse ?
Pourquoi avoir choisi l'ENSAE-ENSAI Formation continue ?
En quoi cette formation a-t-elle changé votre quotidien professionnel ?
Des conseils à donner à de potentiels candidats ?
Un mot pour la fin ? (une anecdote, un chiffre…)
FAQ
Vous hésitez encore ? Voici les réponses aux questions les plus fréquemment posées sur le Certificat de Data Analyst.
Oui. Le certificat est conçu pour des professionnels en activité, avec un rythme compatible avec une activité à temps plein.
Le certificat s’adresse aux personnes souhaitant acquérir des compétences solides en analyse statistique et en exploitation des données, afin de produire des analyses fiables et exploitables dans un contexte professionnel.
La formation est ouverte aux candidats disposant de connaissances en mathématiques équivalentes à un baccalauréat scientifique ou à un baccalauréat avec spécialité mathématiques, et justifiant d’une expérience professionnelle d’au moins 3 ans.
Il comprend 21 journées de formation de 6 heures (126 heures au total) et se déroule sur une période d'environ 7 mois.
La formation se déroule en présentiel à Issy-les-Moulineaux, dans les locaux de l’ENSAE-ENSAI Formation continue.
Le programme couvre les fondamentaux de la statistique descriptive et inférentielle, les méthodes de régression et de classification (supervisée et non supervisée), le traitement des données réelles (valeurs manquantes, préparation des jeux de données) ainsi qu’une introduction à l’analyse des séries temporelles.
Vous apprendrez à préparer et analyser des données, appliquer des méthodes statistiques pour modéliser des phénomènes, interpréter les résultats, produire des visualisations pertinentes et restituer des analyses exploitables pour la prise de décision.
Les travaux pratiques sont réalisés principalement avec le langage R et ses bibliothèques dédiées à la manipulation des données, à l’analyse statistique et à la visualisation.
Le programme se concentre sur les méthodes statistiques et l'analyse des données. Il n'a pas vocation à former au deep learning ou à l'IA générative au sens algorithmique du terme. En revanche, des outils d'IA générative (LLM) sont utilisés de façon ponctuelle au cours du cursus comme assistants de travail — pour explorer des jeux de données, générer du code, documenter des analyses ou automatiser certaines tâches — reflétant leur usage réel dans la pratique professionnelle.
Oui. Outre un examen de 3 heures constitué d'études de cas, les participants soutiennent un projet professionnel réalisé au cours de la formation. La validation dépend de la réussite aux épreuves et de la présence obligatoire aux cours.
En cas de réussite, il est délivré un Certificat de Data Analyst du Groupe ENSAE-ENSAI.
Le prix du cursus est de 8 100 € HT (non soumis à la TVA).
Oui. Le Certificat de Data Analyst est inscrit au Répertoire Spécifique et éligible au CPF, sous réserve des conditions en vigueur.
