Rechercher une certification - France compétences

Nom légal	Siret	Nom commercial	Site internet
MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE	11004401300040	-	-
AVIGNON UNIVERSITE	19840685200204	-	-
UNIVERSITE CLERMONT AUVERGNE	13002806100013	-	-
UNIVERSITE COTE D'AZUR	13002566100013	-	-
UNIVERSITE DE BRETAGNE SUD (UBS)	19561718800600	-	-
UNIVERSITE DE CAEN NORMANDIE	19141408500016	-	-
UNIVERSITE DE LILLE	13002975400012	-	-
UNIVERSITE DE LORRAINE	13001550600012	-	-
UNIVERSITE DE PAU ET DES PAYS DE L'ADOUR (UPPA)	19640251500270	-	-
UNIVERSITE DE PERPIGNAN VIA DOMITIA (UPVD)	19660437500010	-	-
UNIVERSITE DE POITIERS	19860856400375	-	-
UNIVERSITE GRENOBLE ALPES	13002608100013	-	-
UNIVERSITE LYON 2 A ET L LUMIERE	19691775100014	-	-
UNIVERSITE PARIS CITE	13002573700011	-	-
UNIVERSITE PARIS XIII PARIS NORD VILLETANEUSE	19931238000017	-	-

Objectifs et contexte de la certification :

Le technicien titulaire d’un BUT Science des données aide à la prise de décision par ses activités de gestion des données (data management), d’analyse et programmation statistiques et de restitution. Il organise la collecte des données, s’assure de leur qualité, de leur cohérence, de leur sécurité et de leur pérennisation. Il les stocke dans des bases de données structurées, assure leur accessibilité, leur transmissibilité et leur extraction.

Dans les services d’informatique décisionnelle, les bases de données sont utilisées pour construire des entrepôts (data warehouse) et restituer les informations qui serviront au pilotage de l’entreprise.

Le diplômé Science des données travaille en mode projet en relation avec un décideur, un service de son entreprise ou un client, pour réaliser une étude statistique. Ensemble, ils en définissent les objectifs et déterminent les données à analyser. Il participe au choix des méthodes statistiques les plus adaptées (de la statistique descriptive à la construction de modèles) et programme les analyses avec des logiciels spécialisés. Il peut être conduit à utiliser les outils professionnels d’extraction de connaissance dans les grands ensembles de données (data mining, bigdata). Il synthétise les résultats et automatise leur production à l’aide d’outils adaptés.Il les valorise via des rapports d’analyse, des présentations synthétiques telles que des tableaux de bord, du reporting, de la datavisualisation ou encore des restitutions orales.

Les quatre activités de base du diplômé sont donc :
- contribuer à la conception d’études, d’enquêtes et à la réalisation d’analyses statistiques,
- développer des programmes / applications d’analyse statistique et/ou de restitution,
- concevoir, réaliser et gérer des bases de données,
- contribuer à la conception de solutions d’informatique décisionnelle

L’importance de chacune varie selon les contextes d’exercice.

Activités visées :

Traitement des données à des fins décisionnelles
- dans le contexte du développement d'un système d'information décisionnel
- dans le contexte de préparation des données à des fins d'analyse statistique

Analyse statistique des données
- dans le contexte de programmation d'un outil d'aide à la décision
- dans le contexte d'un projet d'étude statistique

Valorisation d'une production dans un contexte professionnel
- dans le contexte du développement d'outils décisionnels
- dans le contexte d'une étude statistique

Modélisation des données dans un cadre statistique
- dans le contexte d'une analyse statistique
- dans le contexte d'un développement statistique

Compétences attestées :

Compétences spécifiques

Traiter des données à des fins décisionnelles
- En intervenant à toutes les étapes du cycle de vie de la donnée (insertion, modification, extraction, suppression)
- En utilisant le modèle de données adapté aux besoins
- En s’inscrivant dans une démarche de documentation des réalisations adaptée au public visé
- En traduisant correctement les demandes métier en programmes, avec le respect du cahier des charges s'il existe
- En écrivant un programme correctement structuré et documenté, respectant les bonnes pratiques
- En identifiant les librairies et langages dédiés

Analyser statistiquement les données
- En tenant compte du contexte de l’étude (économique, socio-démographique, commerciale, clinique...)
- En mettant en évidence les grandes tendances et les informations principales
- En identifiant et en mettant en œuvre les techniques adaptées aux attentes du client ou de l’instance décisionnaire
- En identifiant et en mettant en œuvre les techniques adaptées aux données complexes (données massives, données mal structurées, flux de données…)
- En tenant compte du contexte inférentiel (variabilité de l’échantillon)

Valoriser une production dans un contexte professionnel
- En s’adaptant au niveau d’expertise, à la culture et au statut du destinataire
- En s’exprimant correctement, aussi bien en français que dans une langue étrangère à l'oral comme à l'écrit
- En veillant aux aspects éthiques, déontologiques et réglementaires d’utilisation et de diffusion des données
- En interprétant et contextualisant les résultats (citations, vérification des sources, esprit critique)
- En utilisant la forme de restitution adaptée
- En tenant compte des réalités économiques et managériales des entreprises

Modéliser les données dans un cadre statistique
- En choisissant le modèle adapté à la situation
- En maîtrisant la qualité du modèle
- En s’adaptant aux spécificités (données, enjeux, méthodes) d'un domaine d'application particulier (santé, marketing, assurance, qualité, socio-démographie...)
- En s'adaptant à la complexité des données (données massives, données mal structurées, flux de données...)

Compétences transverses

Se servir du numérique :
- En utilisant 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

Exploiter les données à des fins d’analyse :
- En identifiant, sélectionnant et analysant avec esprit critique diverses ressources dans son domaine de spécialité pour documenter un sujet et synthétiser ces données en vue de leur exploitation
- En analysant et synthétisant des données en vue de leur exploitation
- En développant une argumentation avec esprit critique

S’exprimer et communiquer à l’écrit et à l’oral :
- En se servant aisément des différents registres d’expression écrite et orale de la langue française
- En communiquant par oral et par écrit, de façon claire et non-ambiguë, en français et dans au moins une langue étrangère

Agir en responsabilité au sein d’une organisation professionnelle :
- En situant son rôle et sa mission au sein d'une organisation pour s’adapter et prendre des initiatives.
- En respectant les principes d’éthique, de déontologie et de responsabilité environnementale.
- En travaillant en équipe et en réseau ainsi qu’en autonomie et responsabilité au service d’un projet.
- En analysant ses actions en situation professionnelle, s’autoévaluer pour améliorer sa pratique.
- En prenant en compte des problématiques liées aux situations de handicap, à l'accessibilité et à la conception universelle.

Se positionner vis à vis d’un champ professionnel :
- En identifiant et situant les champs professionnels potentiellement en relation avec les acquis et la mention ainsi que les parcours possibles pour y accéder
- En caractérisant et valorisant son identité, ses compétences et son projet professionnel en fonction d’un contexte
- En identifiant le processus de production, de diffusion et de valorisation des savoirs

Modalités d'évaluation :

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)

RNCP41616BC01 - Traiter des données à des fins décisionnelles

Liste de compétences	Modalités d'évaluation
- 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	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)

Liste de compétences

Modalités d'évaluation

- 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

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)

RNCP41616BC02 - Analyser statistiquement les données

Liste de compétences	Modalités d'évaluation
- 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…)	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)

Liste de compétences

Modalités d'évaluation

- 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…)

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)

RNCP41616BC03 - Valoriser une production dans un contexte professionnel

Liste de compétences	Modalités d'évaluation
- 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...)	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)

Liste de compétences

Modalités d'évaluation

- 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...)

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)

RNCP41616BC04 - Modéliser les données dans un cadre statistique

Liste de compétences	Modalités d'évaluation
- 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	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)

Liste de compétences

Modalités d'évaluation

- 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

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)

RNCP41616BC05 - Utiliser les outils numériques de référence

Liste de compétences	Modalités d'évaluation
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.	Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises

RNCP41616BC06 - Exploiter des données à des fins d’analyse

Liste de compétences	Modalités d'évaluation
- 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.	Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises

RNCP41616BC07 - S’exprimer et communiquer à l’oral, à l’écrit, et dans au moins une langue étrangère

Liste de compétences	Modalités d'évaluation
- 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.	Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises

RNCP41616BC08 - Agir en responsabilité au sein d’une organisation professionnelle

Liste de compétences	Modalités d'évaluation
- 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.	Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises

Liste de compétences

Modalités d'évaluation

- 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.

Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises

RNCP41616BC09 - Se positionner vis à vis d’un champ professionnel

Liste de compétences	Modalités d'évaluation
- 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	Contrôle continu intégral mobilisant notamment des mises en situation professionnelle à partir desquelles est demandée une démarche autoréflexive et de démonstration des compétences acquises

Description des modalités d'acquisition de la certification par capitalisation des blocs de compétences et/ou par correspondance :

L’intégralité de la certification s’obtient par la validation de tous les blocs de compétences.

Secteurs d’activités :

Le diplômé Science des données peut exercer dans tous les secteurs d’activité ; aussi bien dans les entreprises que dans les administrations ou les associations.

Quelques domaines d’applications parmi les plus significatifs :
- commerce : marketing et gestion de la relation client (sociétés d’études de marché, grande distribution, banques et assurances, télécommunications, SSII,...)
- santé : essais cliniques, études épidémiologiques, veille sanitaire, traitement de l’information médicale, économie de la santé (industrie pharmaceutique, recherche biomédicale, hôpitaux, organismes de santé publique, ...)
- industrie : contrôle de qualité, fiabilité, études en recherche et développement (aéronautique, automobile, agroalimentaire,énergie,...)
- services publics ou semi-publics : études socioéconomiques, gestion territoriale, aménagement du territoire, gestion des ressources, environnement (collectivités territoriales, directions régionales, observatoires de la santé, de l’économie, du tourisme,...)
- Animateur ou assistant qualité ; Technicien qualité

Les emplois proposés par les entreprises correspondent à quatre profils de métier ou activités principales : chargé d’études statistiques,développeur statistique, data manager, chargé d’études décisionnelles – développeur décisionnel.

Fréquemment, les entreprises proposent des emplois combinant plusieurs métiers, par exemple chargé d’études statistiques / data manager.

Type d'emplois accessibles :

- Data analyst
- Développeur décisionnel/BI
- Chargé d’analyse et de reporting
- Data-manager
- Gestionnaire de données
- Chef de projet assistant à la maîtrise d'ouvrage (AMOA)
- Analyste décisionnel
- Développeur BigData
- Consultant décisionnel / BI

Code(s) ROME :

M1801 - Administration de systèmes d''information
M1403 - Études et prospectives socio-économiques
M1805 - Études et développement informatique
M1401 - Conduite d''enquêtes
M1806 - Conseil et maîtrise d''ouvrage en systèmes d''information

Références juridiques des règlementations d’activité :

Le cas échant, prérequis à l’entrée en formation :

Le cas échant, prérequis à la validation de la certification :

Pré-requis disctincts pour les blocs de compétences :

Non

Validité des composantes acquises
Voie d’accès à la certification	Oui	Non	Composition des jurys	Date de dernière modification
Après un parcours de formation sous statut d’élève ou d’étudiant	X		Jury présidé par le directeur de l'IUT et comprenant les chefs de départements, pour au moins la moitié des enseignants-chercheurs et enseignants, et pour au moins un quart et au plus la moitié de professionnels en relation étroite avec la spécialité concernée, choisies dans les conditions prévues à l'article L. 612-1 du code de l'éducation.	-
En contrat d’apprentissage	X		Jury présidé par le directeur de l'IUT et comprenant les chefs de départements, pour au moins la moitié des enseignants-chercheurs et enseignants, et pour au moins un quart et au plus la moitié de professionnels en relation étroite avec la spécialité concernée, choisies dans les conditions prévues à l'article L. 612-1 du code de l'éducation.	-
Après un parcours de formation continue	X		Jury présidé par le directeur de l'IUT et comprenant les chefs de départements, pour au moins la moitié des enseignants-chercheurs et enseignants, et pour au moins un quart et au plus la moitié de professionnels en relation étroite avec la spécialité concernée, choisies dans les conditions prévues à l'article L. 612-1 du code de l'éducation.	-
En contrat de professionnalisation	X		Jury présidé par le directeur de l'IUT et comprenant les chefs de départements, pour au moins la moitié des enseignants-chercheurs et enseignants, et pour au moins un quart et au plus la moitié de professionnels en relation étroite avec la spécialité concernée, choisies dans les conditions prévues à l'article L. 612-1 du code de l'éducation.	-
Par candidature individuelle		X	-	-
Par expérience	X		Jury présidé par le directeur de l'IUT et comprenant les chefs de départements, pour au moins la moitié des enseignants-chercheurs et enseignants, et pour au moins un quart et au plus la moitié de professionnels en relation étroite avec la spécialité concernée.	-

Validité des composantes acquises
	Oui	Non
Inscrite au cadre de la Nouvelle Calédonie		X
Inscrite au cadre de la Polynésie française		X

Anciennes versions de la certification professionnelle reconnues en correspondance totale :

Anciennes versions de la certification professionnelle reconnues en correspondance totale
Code et intitulé de la certification professionnelle reconnue en correspondance
RNCP35401 - BUT - Science des données : exploration et modélisation statistique

Aucune correspondance

Référence des arrêtés et décisions publiés au Journal Officiel ou au Bulletin Officiel (enregistrement au RNCP, création diplôme, accréditation…) :

Référence des arrêtés et décisions publiés au Journal Officiel ou au Bulletin Officiel (enregistrement au RNCP, création diplôme, accréditation…)
Date du JO/BO	Référence au JO/BO
12/12/2019	Arrêté du 6 décembre 2019 portant réforme de la licence professionnelle

Référence des arrêtés et décisions publiés au Journal Officiel ou au Bulletin Officiel (enregistrement au RNCP, création diplôme, accréditation…)
Date de publication de la fiche	19-11-2025
Date de début des parcours certifiants	01-09-2026
Date d'échéance de l'enregistrement	31-08-2027
Date de dernière délivrance possible de la certification	31-08-2030

Statistiques :

Le certificateur n'habilite aucun organisme préparant à la certification

Historique des changements de certificateurs :

Historique des changements de certificateurs
Nom légal du certificateur	Siret du certificateur	Action	Date de la modification
UNIVERSITE DE LORRAINE	13001550600012	Est ajouté	19-11-2025
UNIVERSITE PARIS XIII PARIS NORD VILLETANEUSE	19931238000017	Est ajouté	19-11-2025
UNIVERSITE DE PERPIGNAN VIA DOMITIA (UPVD)	19660437500010	Est ajouté	19-11-2025
AVIGNON UNIVERSITE	19840685200204	Est ajouté	19-11-2025
UNIVERSITE DE CAEN NORMANDIE	19141408500016	Est ajouté	19-11-2025
UNIVERSITE DE BRETAGNE SUD (UBS)	19561718800600	Est ajouté	19-11-2025
UNIVERSITE DE POITIERS	19860856400375	Est ajouté	19-11-2025
UNIVERSITE LYON 2 A ET L LUMIERE	19691775100014	Est ajouté	19-11-2025
UNIVERSITE DE PAU ET DES PAYS DE L'ADOUR (UPPA)	19640251500270	Est ajouté	19-11-2025
UNIVERSITE GRENOBLE ALPES	13002608100013	Est ajouté	19-11-2025
UNIVERSITE COTE D'AZUR	13002566100013	Est ajouté	19-11-2025
UNIVERSITE PARIS CITE	13002573700011	Est ajouté	19-11-2025
UNIVERSITE CLERMONT AUVERGNE	13002806100013	Est ajouté	19-11-2025
UNIVERSITE DE LILLE	13002975400012	Est ajouté	19-11-2025

Certification(s) antérieure(s) :

Certification(s) antérieure(s)
Code de la fiche	Intitulé de la certification remplacée
RNCP35401	BUT - Science des données : exploration et modélisation statistique

Référentiel d'activité, de compétences et d'évaluation :

Référentiel d’activité, de compétences et d’évaluation

Certification professionnelle

BUT - Science des données : Exploration et modélisation statistique