SID SC DON EXPLOR MODELISAT STAT
CFD : 25111401
RNCP : RNCP41616
Certifinfo : 120037
Informations générales
Diplôme : BACHELOR UNIVERSITAIRE DE TECHNOLOGIE
Niveau : 6 (Licence, BUT...)
Période : 01/09/2026
Dates : 01/09/2026 – 30/09/2027
Fiche Onisep : https://www.onisep.fr/http/redirection/formation/slug/FOR.8538
Métiers associés (Codes ROME)
- M1801 : Administrateur / Administratrice de systèmes d'information (SI)
- M1403 : Chargé / Chargée d'études socio-économiques
- M1805 : Développeur / Développeuse informatique
- M1401 : Enquêteur / Enquêtrice sondage
- M1806 : Consultant fonctionnel / Consultante fonctionnelle des systèmes d'information
Objectif
Accessible après le bac, le Bachelor universitaire de technologie Sciences des données (BUT SD) forme en 3 ans (6 semestres) des techniciens supérieurs capables d'aider à la prise de décision par des activités de gestion des données (data management), de programmation et d'analyse statistiques et de restitution.
Ces professionnels sont amenés à travailler en mode projet en relation avec un décideur, un service de l'entreprise ou un client, pour réaliser une étude statistique.
Ensemble, ils en définissent les objectifs et déterminent les données à analyser.
Ils participent au choix des méthodes statistiques les plus adaptées et programment les analyses avec des logiciels spécialisés.
Ils synthétisent les résultats et automatisent leur production à l'aide d'outils adaptés.
Ils les valorisent via des rapports d'analyse, des présentations synthétiques telles que des tableaux de bord, du reporting, de la datavisualisation ou encore des restitutions orales.
Le parcours Exploration et modélisation statistique est axé sur le recueil, le traitement et l'analyse statistique des données.
Ce parcours forme au recueil, au traitement et à l'analyse des données.
Ses diplômés peuvent répondre à des problématiques de prévision et de décision (Ce client va-t-il quitter son opérateur téléphonique ? Cette photo représente-t-elle un chat ? Quelle sera la situation économique de l'entreprise dans six mois ? Quelle est l'efficacité de ce traitement ?) en utilisant les outils classiques de la modélisation, mais aussi les techniques avancées de sciences des données (machine learning, IA).
Le BUT Science des Données confère le grade de licence et 180 crédits européens.
Contenu
C'est une formation universitaire qui allie théorie et pratique.
Elle met en œuvre une professionnalisation progressive, en vue de permettre à ses diplômés une insertion professionnelle immédiate, tout en leur garantissant un niveau scientifique suffisant pour envisager une poursuite d'études.
L'acquisition des connaissances et compétences se construit progressivement sur les 3 années par le biais de pédagogies variées :
- Cours magistraux.
- Travaux dirigés.
- Travaux pratiques.
- Stages.
- Mises en situation professionnelle.
- SAÉ (Situation d'apprentissage et d'évaluation).
- Projets.
- Sorties de terrain.
- Visites d'entreprises.
- etc...
Le diplôme est aligné sur les standards internationaux et facilite les échanges avec les universités étrangères.
Conditions spécifiques
Détenir un diplôme de niveau 4 (BP, BT, DAEU, Bac, Bac pro ou technoAucun.) dans le domaine.
Contrat d'apprentissage pour les jeunes de 16 à 29 ans révolus (jusqu'au jour du 3Aucunème anniversaire).
Contrat de professionnalisation pour les jeunes de 16 à 25 ans révolus (jusqu'au jour du 26ème anniversaire) ; les demandeurs d'emploi de 26 ans et plus.
Détails RNCP
- date_fin_validite_enregistrement
- 2027-08-30T23:00:00.000Z
- active_inactive
- ACTIVE
- etat_fiche_rncp
- Publiée
- code_type_certif
- BUT
- type_certif
- Bachelor universitaire de technologie
- ancienne_fiche
- RNCP35401
- demande
- 0
- certificateurs
- certificateur: MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE
siret_certificateur: 11004401300040
certificateur: UNIVERSITE DE LILLE
siret_certificateur: 13002975400012
certificateur: UNIVERSITE CLERMONT AUVERGNE
siret_certificateur: 13002806100013
certificateur: UNIVERSITE PARIS CITE
siret_certificateur: 13002573700011
certificateur: UNIVERSITE COTE D'AZUR
siret_certificateur: 13002566100013
certificateur: UNIVERSITE GRENOBLE ALPES
siret_certificateur: 13002608100013
certificateur: UNIVERSITE DE PAU ET DES PAYS DE L'ADOUR (UPPA)
siret_certificateur: 19640251500270
certificateur: UNIVERSITE LYON 2 A ET L LUMIERE
siret_certificateur: 19691775100014
certificateur: UNIVERSITE DE POITIERS
siret_certificateur: 19860856400375
certificateur: UNIVERSITE DE BRETAGNE SUD (UBS)
siret_certificateur: 19561718800600
certificateur: UNIVERSITE DE CAEN NORMANDIE
siret_certificateur: 19141408500016
certificateur: AVIGNON UNIVERSITE
siret_certificateur: 19840685200204
certificateur: UNIVERSITE DE PERPIGNAN VIA DOMITIA (UPVD)
siret_certificateur: 19660437500010
certificateur: UNIVERSITE PARIS XIII PARIS NORD VILLETANEUSE
siret_certificateur: 19931238000017
certificateur: UNIVERSITE DE LORRAINE
siret_certificateur: 13001550600012 - nsf_code
- 114d
- romes
- rome: M1801
libelle: Administration de systèmes d'information
rome: M1403
libelle: Études et prospectives socio-économiques
rome: M1805
libelle: Études et développement informatique
rome: M1401
libelle: Conduite d'enquêtes
rome: M1806
libelle: Conseil et maîtrise d'ouvrage en systèmes d'information - blocs_competences
- intitule: Traiter des données à des fins décisionnelles
liste_competences: - Correctement interpréter et prendre en compte le besoin du commanditaire ou du client - Respecter les formalismes de notation - Connaître la syntaxe des langages et savoir l’utiliser - Mesurer l’importance de maîtriser la structure des données à exploiter - Comprendre les structures algorithmiques de base et leur contexte d’usage - Prendre conscience de l’intérêt de la programmation - Comprendre l’organisation des données de l’entreprise - Réaliser le rôle central et spécifique de l'entrepôt de données dans la chaine décisionnelle - Identifier et résoudre les problèmes d ’ intégration de sources complémentaires et hétérogènes - Comprendre la nécessité de tester, corriger et documenter un programme - Apprécier l’intérêt de briques logicielles existantes et savoir les utiliser - Identifier les solutions technologiques permettant la collecte et la diffusion de données - Comprendre les spécificités des données complexes et de leur exploitation - Savoir mener une veille technologique
modalites_evaluation: Validation des compétences par évaluation orale, écrite et pratique lors de mises en situation professionnelle (rédaction et réalisation de rapports, plans, schémas, études techniques, exposé oral de présentation d’équipement ou de procédé, mise en situation sur des pilotes et en stage et projet, études de cas, évaluation du travail réalisé en stage et projet)
intitule: Analyser statistiquement les données
liste_competences: - Réaliser que les sources de données ont des caractéristiques propres à considérer (variation, précision, mise à jour...) - Comprendre qu’une analyse correcte ne peut émaner que de données propres et préparées - Comprendre l’intérêt des synthèses numériques et graphiques pour décrire une variable statistique - Comprendre l’intérêt des synthèses numériques et graphiques pour mettre en évidence des liaisons entre variables. - Comprendre l'intérêt de l’utilisation d’un modèle probabiliste - Appréhender la notion de fluctuation d'échantillonnage, notamment à l’aide de simulations probabilistes - Prendre conscience de la différence entre modélisation statistique et analyse exploratoire - Saisir la spécificité de l’analyse des données temporelles - Comprendre l’intérêt des analyses multivariées pour synthétiser et résumer l’information portée par plusieurs variables - Appréhender l’idée de confronter une hypothèse avec la réalité pour prendre une décision - Apprécier les limites de validité et les conditions d’application d’une analyse - Prendre conscience des différences entre des outils statistiques pour choisir le plus adapté - Saisir l’importance de la mise en œuvre de méthodes adaptées à des domaines et des données spécifiques (marketing, biostatistique, statistique spatiale, gestion …) - Prendre conscience des limites des méthodes classiques pour l’analyse des données complexes (données massives, données mal structurées…) - Comprendre les mécanismes de bases de l’intelligence artificielle (apprentissage statistique supervisé, échantillons d'apprentissage et échantillons de test…)
modalites_evaluation: Validation des compétences par évaluation orale, écrite et pratique lors de mises en situation professionnelle (rédaction et réalisation de rapports, plans, schémas, études techniques, exposé oral de présentation d’équipement ou de procédé, mise en situation sur des pilotes et en stage et projet, études de cas, évaluation du travail réalisé en stage et projet)
intitule: Valoriser une production dans un contexte professionnel
liste_competences: - Prendre connaissance des biais rencontrés dans la mise en place d’une enquête - Identifier l'importance de contextualiser ses données - Mesurer l’importance de mettre en évidence des résultats clés par l’utilisation d’indicateurs pertinents - Lors de la restitution des résultats, mesurer l’importance d’expliciter également la démarche suivie - Comprendre les intérêts de la data visualisation et de l’infographie - Mesurer l’importance d’une expression précise et nuancée dans la communication en français et dans une langue étrangère des résultats - Saisir l’intérêt de mobiliser de manière proactive des ressources métiers liées à l'environnement (y compris économique, international…) - Savoir défendre ses choix d’analyses - Saisir la nécessité de choisir des indicateurs pertinents pour communiquer sur les résultats - Prendre conscience de la rigueur requise dans ses productions et dans la communication à leur propos - Comprendre les enjeux des relations en milieu professionnel adaptées à l’interlocuteur et à sa culture - Savoir transformer la donnée pour la mettre en conformité avec des normes (anonymisation, normalisation) - Mesurer l'impact d'un respect de la législation en terme de droit des données - Identifier les clés d'une bonne communication (procédure et techniques utilisées) - Mesurer l'importance de comprendre et de répondre à l'ensemble des problématiques posées - Être force de proposition - Prendre conscience de la nécessité d'intégrer la vision de l'interlocuteur (transversalité, international, multiculture, niveau d'expertise...)
modalites_evaluation: Validation des compétences par évaluation orale, écrite et pratique lors de mises en situation professionnelle (rédaction et réalisation de rapports, plans, schémas, études techniques, exposé oral de présentation d’équipement ou de procédé, mise en situation sur des pilotes et en stage et projet, études de cas, évaluation du travail réalisé en stage et projet)
intitule: Modéliser les données dans un cadre statistique
liste_competences: - Comprendre l’intérêt de planifier le recueil des données - Appréhender les difficultés et les limites rencontrées dans la mise en œuvre d’un terrain de collecte - Comprendre l’impact du type de données sur le choix de la modélisation à mettre en œuvre - Apprécier les limites de validité et les conditions d’application d’un modèle - Réaliser l’importance de la mise en œuvre d’une procédure de test statistique pour valider ou non une hypothèse - Comprendre l’intérêt des approches statistiques pour la fiabilisation, la validation, les incertitudes, les imprécisions des données - Comprendre l'intérêt de la problématique métier pour réaliser la modélisation - Viser la réalisation d’un processus de modélisation dans son ensemble - Prendre conscience des différences entre les modèles pour choisir le plus adapté - Prendre conscience de la nécessité d’utiliser des moyens spécifiques pour analyser les données massives ou les flux de données
modalites_evaluation: Validation des compétences par évaluation orale, écrite et pratique lors de mises en situation professionnelle (rédaction et réalisation de rapports, plans, schémas, études techniques, exposé oral de présentation d’équipement ou de procédé, mise en situation sur des pilotes et en stage et projet, études de cas, évaluation du travail réalisé en stage et projet)
intitule: Utiliser les outils numériques de référence
liste_competences: Utiliser les outils numériques de référence et les règles de sécurité informatique pour acquérir, traiter, produire et diffuser de l’information ainsi que pour collaborer en interne et en externe.
modalites_evaluation: Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises
intitule: Exploiter des données à des fins d’analyse
liste_competences: - Identifier, sélectionner et analyser avec esprit critique diverses ressources dans son domaine de spécialité pour documenter un sujet et synthétiser ces données en vue de leur exploitation. - Analyser et synthétiser des données en vue de leur exploitation. - Développer une argumentation avec esprit critique.
modalites_evaluation: Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises
intitule: S’exprimer et communiquer à l’oral, à l’écrit, et dans au moins une langue étrangère
liste_competences: - Se servir aisément des différents registres d’expression écrite et orale de la langue française. - Communiquer par oral et par écrit, de façon claire et non-ambiguë, dans au moins une langue étrangère.
modalites_evaluation: Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises
intitule: Agir en responsabilité au sein d’une organisation professionnelle
liste_competences: - Situer son rôle et sa mission au sein d’une organisation pour s’adapter et prendre des initiatives - Respecter les principes d’éthique, de déontologie et de responsabilité environnementale - Travailler en équipe et en réseau ainsi qu’en autonomie et responsabilité au service d’un projet - Analyser ses actions en situation professionnelle, s’autoévaluer pour améliorer sa pratique - Prendre en compte des problématiques liées aux situations de handicap, à l'accessibilité et à la conception universelle.
modalites_evaluation: Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises
intitule: Se positionner vis à vis d’un champ professionnel
liste_competences: - Identifier et situer les champs professionnels potentiellement en relation avec les acquis et la mention ainsi que les parcours possibles pour y accéder - Caractériser et valoriser son identité, ses compétences et son projet professionnel en fonction d’un contexte - Identifier le processus de production, de diffusion et de valorisation des savoirs
modalites_evaluation: Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises - rncp_outdated
- Non
Établissement gestionnaire
UNIVERSITE DE LORRAINE
UNIVERSITE DE LORRAINE 34 COURS LEOPOLD 54000 NANCY FRANCE
54000 NANCY
Localisation de la formation