- 1 -

MASTER 2 Sciences, Technologies, Santé

Mention Mathématiques Appliquées, Statistique

Parcours Ingénierie Statistique Numérique

Année universitaire 2017 – 2018

http://mathematiques.univ-lille1.fr

- 2 -

T A B L E D E S M A T I E R E S

Présentation…………………………………………………………………………………………………….page 3 Témoignages……………………………………………………………………………………………………page 5 Organisation des études………………………………………………………………………………..page 6 Contacts………………………………………………………………………………………………………….page 7 Admission………………………………………………………………………………………………………..page 8 Stage……………………………………………………………………………………………………………….page 9 Programme des cours…………………………………………………………………………………..page 10

- 3 -

P R E S E N T A T I O N

OBJECTIFS

Le master 2 d’Ingénierie Statistique et Numérique (ISN) a été créé en 1990. Son contenu est régulièrement adapté à l'évolution des moyens, des méthodes et des besoins des entreprises, en particulier en observant les cursus professionnels des étudiants diplômés (plus de 300). Le master ISN fournit un savoir-faire :

• En statistique (simulation, prévision, fiabilité, contrôle de qualité, analyse des données, credit-scoring, analyse discriminante, segmentation, etc.)

• En calcul scientifique (recherche opérationnelle, méthodes numériques, etc.) • En informatique (construction et gestion de bases de données, langages

correspondants, outils de bureautique, manipulation de logiciels, etc.) • Ainsi qu'une approche de la culture générale de l'entreprise (marketing, gestion,

anglais)

Les étudiants ont accès à tous les outils informatiques de statistique et de calcul en accompagnement des cours. Tout se déroule (sauf l’anglais) dans un espace réservé ISN où ils travaillent toute la semaine, avec un équipement informatique adapté.

Le stage terminal de quatre mois minimum en entreprise, en général plutôt six mois, élément fondamental en master professionnel, prépare à l'entrée dans la vie active, et complète la connaissance du milieu de l'entreprise et de la gestion des ressources humaines en même temps qu'il met en situation les étudiants. Le stage est complété par des projets d’entreprise d’octobre à février, véritables expériences professionnelles sur des missions complexes.

Il est possible de suivre également le M2 ISN en alternance avec une présence régulière en entreprise entre septembre et le départ en stage.

EQUIPE ENSEIGNANTE

Elle se compose de personnels du laboratoire de Mathématiques Paul Painlevé de Lille 1 ainsi que d’autres enseignants universitaires. L’implication de nombreux intervenants issus du milieu professionnel assure aux étudiants une ouverture d’esprit et des contacts utiles (projets, stages, emplois) pour appréhender au plus près la palette des métiers possibles à l’issue de leur formation.

- 4 -

DEBOUCHES

Les diplômés du master ISN sont typiquement recrutés avec un statut de cadre au sein des entreprises de toutes tailles. Ils sont appréciés pour leur esprit d'initiative et pour leur profil vite opérationnel. Les fonctions exercées sont celles de :

• Responsable (qualité, production, organisation, prospection, prévision, ciblage, études et scores, plan commercial)

• Chargé d'études (statistique, DataMining, marketing, crédit, actuariat) • Ingénieur (consultant développement, informatique décisionnelle, administrateur

bases de données)

Le master ISN est en phase avec les débouchés offerts par les grandes entreprises régionales et nationales :

• Dans le secteur de la vente à distance (La Redoute, les Trois Suisses, Damart…) • Dans les administrations publiques ou territoriales (INSEE, INRETS, ASSEDIC, DRASS,

SNCF…) • Dans le secteur banque/assurance (Crédit Agricole, Banque Directe, CACF, La

Poste, Cofidis, Banque Accord, Swiss Life…) • Dans le domaine des services (Altao, Softcomputing…) • Dans de nombreux autres secteurs d'activités (Décathlon, Leroy Merlin, France

Télécom, ArcelorMittal, Ikea, EDF…)

Ces dernières années, il n'est pas rare de voir les étudiants contactés par les entreprises pour un CDI avant même la soutenance de leur diplôme.

Une possibilité de poursuite d’études en doctorat existe aussi occasionnellement (en moyenne, un étudiant par an).

- 5 -

T E M O I G N A G E S

V I V I A N E T A H O N / P R O M O T I O N 2 0 0 8

C O N T R O L E U R D E G E S T I O N C H E Z B A N Q U E A C C O R D Passionnée par les mathématiques (bac S spé Maths, classes préparatoires MPSI), j'ai suivi un module d'initiation à la statistique durant mon année de licence de maths. Ayant adoré cette option, je me suis orientée vers le Master ISN qui offre des débouchés vers des applications concrètes des statistiques et de

l'informatique. Après un stage de fin d'études de 6 mois chez Cofidis, j'ai rejoint Banque Accord en tant qu'analyste risque à l'international pendant un an, le poste étant basé en France et comprenant des déplacements à l'étranger. Puis j'ai occupé la même fonction sur le périmètre français, mais dans un département plus axé pilotage, prévisions et budget, en lien direct avec la direction financière que j'ai intégrée 3 ans et demi après en tant que contrôleur de gestion.

A U R E L I E N M A I L L E T / P R O M O T I O N 2 0 1 2

R E S P O N S A B L E E T U D E S A C T U A R I E L L E S C H E Z S W I S S L I F E Après avoir passé mon Master 1 à Reims, j'étais à la recherche d'un Master 2 dans mon domaine avec une bonne réputation et un bon réseau. A la sortie du Master, j'ai trouvé un emploi rapidement (moins d'un mois) et j'ai eu le choix entre 3 entreprises : Aviva à Paris, Lincoln (SSII) et Swisslife où je travaille depuis 2 ans.

P I E R R E T H O R E L / P R O M O T I O N 2 0 1 0 C H A R G E D ’ A C T I V I T E S M A R K E T I N G

C H E Z C R E D I T A G R I C O L E N O R D D E F R A N C E Doté d'un goût prononcé pour les activités analytiques et attiré par le monde de l'entreprise, c'est tout naturellement que j'ai opté pour le master ISN à l'issue d'une licence de mathématiques. Le diplôme qu'il délivre est reconnu par les

entreprises de la région, et offre une large gamme de compétences en statistiques et en informatique. Il permet d'exercer toute la palette des métiers analytiques, allant de l'informatique décisionnelle au marketing analytique en passant par la gestion du risque et la recherche opérationnelle... A titre personnel, j'ai pu, en 4 ans, exercer les métiers de chargé d'études statistiques, de gestionnaire de projets informatiques, puis de projets bancaires. Aujourd'hui rattaché au marketing analytique, j'ai en charge les activités datamining du service.

D O R O T H E E T H U I L L I E R / P R O M O T I O N 2 0 1 1

I N G E N I E U R E D ’ E T U D E S E N B I O S T A T I S T I Q U E S A U C N R S

A l'entrée en ISN, l'envie de partir dans la recherche médicale était claire. Etre à l'écoute, se faire comprendre des différents acteurs du laboratoire (médecins, chercheurs, biologistes, bioinformaticiens, biostatisticiens), les nombreux projets réalisés en master permettant de développer ces qualités humaines. La diversification des enseignements, l'ouverture aux méthodes numériques, à l'informatique, proposées en M2 ISN me permettent d'accompagner les évolutions techniques du laboratoire et de m'ouvrir notamment à la bioinformatique. Sans connaissance en génétique à mon arrivée, j'ai su gagner la confiance des différents acteurs pour mener à bien des projets de recherche. Cela par l'envie d'apprendre, l'autonomie et savoir se remettre en question. Le master m'a appris à cultiver cette différence au sein du laboratoire aujourd'hui.

- 6 -

ORGANISATION DES ETUDES 2017 - 2018

Semestre 3

� Analyse des données et outils statistiques (UE 1) – 8 ECTS - Formation logiciels de statistique - Analyse de données - Analyse de variance et plans d’expérience - Etudes de cas � Modélisation : Méthodes et outils (UE 2) – 8 ECTS - Chaînes de Markhov, méthodes de type Monte Carlo et files d’attente - Prévisions dans les séries chronologiques - Méthodes numériques de l’ingénieur - Recherche opérationnelle � Outils informatiques (UE 3) – 6 ECTS - Systèmes de gestion de base de données - Java-Web et introduction au data warehouse - Unix-web � Langages et culture d’entreprise (UE 4) – 8 ECTS - Anglais - Marketing, géomarketing - Initiation à la gestion, à la comptabilité et au management de projet - Connaissance des métiers et conférences de connaissance de l’entreprise

Semestre 4

� Projets – 6 ECTS : 3 projets en trinôme durant le mois de février pour approfondir chacune des thématiques des UE 1, UE 2 et UE 3 du 1er semestre. Selon les UE, ces projets seront en lien direct avec des entreprises.

� Stage – 24 ECTS : 4 à 6 mois à partir de début mars

- 7 -

CONTACTS

RESPONSABLE :

CHRISTOPHE BIERNACKI Laboratoire Paul Painlevé UMR CNRS 8254 Université des sciences et technologies de Lille Cité scientifique - Bâtiment M2 59655 VILLENEUVE D’ASCQ CEDEX (France) Mail : Christophe.biernacki@ univ-lille1.fr

SECRETARIAT PEDAGOGIQUE :

AURORE SMETS

Université des sciences et technologies de Lille Cité scientifique - Bâtiment M2 – Bureau 010 59655 VILLENEUVE D’ASCQ CEDEX (France) Mail : math-masters2@univ-lille1.fr Tel : +33 (0) 3.20.43.42.33

ASSOCIATION DES ANCIENS :

Association "A.I.S.N." : http://aisn.free.fr/

- 8 -

ADMISS ION

DOSSIER

Le dossier de candidature peut être retiré auprès du secrétariat pédagogique de l’UFR de mathématiques de l'université Lille 1 ou téléchargé en ligne sur le site de la formation. Ce dossier est à déposer de préférence avant la mi-juin. Le nombre de places étant limité, les candidatures sont examinées sur dossier et éventuellement entretien.

TITRE REQUIS

Pour candidater, une première année de Master est nécessaire soit en Ingénierie Mathématique, soit en Econométrie, soit en Mathématiques Appliquées aux Sciences Sociales, soit en Mathématiques Appliquées aux Sciences Humaines. A défaut, les étudiants devront obtenir une validation d’études ou d’acquis professionnels.

FORMATION CONTINUE

Le master peut accueillir en formation continue des étudiants issus d'une entreprise ou des demandeurs d'emploi. S'adresser au Service de la Formation Continue (SFC) : sfc-accueil-pole1@univ-lille1.fr / http://formation-continue.univ-lille1.fr/ Bâtiment SUDES - Cité Scientifique Boulevard Paul Langevin 59655 Villeneuve d’Ascq Cedex En outre, il est possible de suivre la formation dans le cadre d’un contrat de professionnalisation : contratdepro@univ-lille1.fr .

- 9 -

STAGE Tous les étudiants du Master 2 Ingénierie Statistique et Numériques doivent effectuer un stage d’une durée comprise entre 4 et 6 mois (sur la période allant de mars à septembre) au sein d’entreprises ou, plus rarement, de laboratoires de recherche. Les mémoires sont encadrés ou co-encadrés par des enseignants de la formation. Il donne lieu à un rapport écrit et à une soutenance orale. POUR LES STAGES A L’ETRANGER (MOBILITE) : Il existe des bourses permettant un financement partiel des stages de recherche à l’étranger. Pour plus d’informations, se rapprocher en novembre du Service Relations Internationales de l’Université Lille1 : http://www.univ-lille1.fr/international/Etudier-a-etranger .

- 10 -

PPRROOGGRRAAMMMMEESS DDEESS CCOOUURRSS

22001177 -- 22001188

- 11 -

S3-UE1 : Analyse des Données et Outils Statistiques (8 ECTS) – 60 h de cours / 60h TD-TP - Connaissances

� Logiciels courants de statistique � Techniques habituelles d’analyse des données � Illustrations sur des études de cas en lien avec la réalité � Techniques habituelles de plans d’expériences

- Compétences et Savoir-faire

� Identifier une problématique comme relevant de l’analyse des données � Mettre en oeuvre des techniques standards par des logiciels spécialisés � Mettre en concurrence ces méthodes pour sélectionner la plus adaptée � Interpréter/présenter les résultats en vue d’un échange avec des non-statisticiens � Définir un plan d’expériences en amont de l’acquisition des données

- Pré-Requis

� Probabilités : modèles et applications (S1-UE3) � Statistique mathématique (S1-UE4) � Traitement Informatique Statistique des Données (S1-UE5) � Analyse des Données (S2ISN-UE5) � Traitement Informatique de l’Analyse des Données (S2ISN-UE6)

- Programme détaillé

A1 : Formation logiciels de statistique (24h) � Approfondissement du logiciel SAS (18h) et du logiciel SPSS (6h). � Illustrations à travers différentes méthodes statistiques

A2 : Analyse des données (48h) Cet enseignement théorique reprend, prolonge, approfondit et met en perspective l’ensemble des notions d’analyse des données vues en S2-UE4 et S2-UE5. Pour les étudiants n’étant pas issus de la 1ère année du Master d’ingénierie mathématique, il s’agit d’une indispensable mise à niveau (dispensée sous forme accélérée).

� Méthodes descriptives multidimensionnelles : � Analyse en composantes principales � Analyse factorielle des correspondances � Analyse des correspondances multiples � Méthodes de classification : hiérarchie (CAH), partitionnement (nuées

dynamiques)

� Méthodes explicatives et prédictives : � Régression linéaire multiple � Scoring et risques associés, courbe ROC � Discrimination géométrique et analyse factorielle discriminante � Discrimination probabiliste : régression logistique, discrimination gaussienne � Segmentation par arbre binaire : méthode CART

- 12 -

A3 : Analyse de variance et plans d'expériences (18h)

� Analyse de la variance : � Un et à deux facteurs, nombre quelconque de facteurs � Mise en oeuvre avec des logiciels de statistique (SAS, R, SPAD, etc.)

� Plans d’expériences : � Notion d’optimalité d’un plan d’expériences, orthogonalité � Plans complets à deux niveaux � Plans fractionnaires à deux niveaux : méthode de Box et Hunter � Introduction aux graphes de Taguchi � Mise en oeuvre avec des logiciels de statistique (SAS, R, SPAD, etc.)

A4 : Études de cas (30h)

Les méthodes d’analyse de données décrites dans la partie A2 précédente sont illustrées sur des études de cas par l’utilisation de logiciels classiques de statistique (SAS, SPAD, R, etc.). Certaines de ces études pourront être rendues sous forme de mini-projets notés. S3-UE2 : Modélisation : Méthodes et outils (8 ECTS) – 60h de cours / 60h TD-TP - Connaissances

� Chaînes de Markov, méthodes de type Monte Carlo et files d’attente � Prévisions dans les séries chronologiques � Méthodes numériques de l’ingénieur � Recherche opérationnelle

- Compétences et Savoir-faire

� Identifier et modéliser un phénomène de file d’attente � Identifier, modéliser et mettre en oeuvre informatiquement une prévision

temporelle � Résoudre numériquement des systèmes d’équations linéaires ou non � Identifier, modéliser et résoudre un problème d’optimisation combinatoire

- Pré-Requis

� Optimisation convexe (S1-UE1) � Modélisation et approximation par différences finies (S1-UE2) � Traitement Informatique de l’Analyse Numérique (S1-UE6) � Probabilités : Modèles et Applications (S1-UE3) � Statistique Mathématique (S1-UE4) � Traitement Informatique Statistique des Données (S1-UE5) � Optimisation Linéraire et Discrète (S2ISN-UE7)

- Programme détaillé

M1 : Processus markoviens de sauts, algorithmes stochastiques et files d’attente (30h) Les files d'attente se rencontrent aussi bien dans l'organisation d'un atelier, la gestion d'un stock ou l'implantation d'un système informatique. Le calcul des probabilités et les modèles markoviens sont utilisés de manière fondamentale.

- 13 -

� Processus markoviens de sauts :

� Définition, taux de transition, critère de non-explosivité � Classification des états, lois invariantes, comportement limite � Exemples importants : processus de Poisson, Poisson composé, chaîne de

Markov temporisée. � Algorithmes stochastiques :

� Metropolis-Hastings � Recuit simulé

� Files d'attente : � Files d'attente isolées : files M/M/1, M/M/k, M/G/1 � Réseaux de files d'attente : réseaux de Jackson

M2 : Prévisions dans les Séries Chronologiques (30h)

Prévoir est devenu indispensable dans des domaines aussi divers que l'industrie, la gestion, le marketing et l'économie. Cet enseignement est une initiation aux principales méthodes probabilistes de prévision.

� Exemples de séries temporelles univariées à temps discret. � Indices descriptifs d'ordre deux. � Analyse et élimination des tendances et des saisonnalités :

� Lissages par moyenne mobile � Notions élémentaires de filtrage � Filtres ARMA

� Généralités sur les processus : � Processus stationnaires du second ordre � Autocorrélation et autocorrélation partielle � Estimation de ces caractéristiques

� Approches paramétriques de prévision : � Modèles ARMA : identification, prévision (intervalle de prévision et

convergence de l'erreur de prévision) � Modèles ARIMA et SARIMA : identification et prévision.

� Approches non paramétriques de prévision : � Lissages exponentiels � Méthodes de noyaux : approche intuitive et justification théorique

� Applications: Travaux pratiques permettant d’implanter et de tester les méthodes sur des données réelles ou simulées

M3 : Méthodes Numériques pour l'Ingénieur (30h) Traditionnellement, c'est dans l'univers des phénomènes physiques que l'on puise les nombreux problèmes industriels qui peuvent être modélisés par des équations différentielles ou aux dérivées partielles ou encore des équations intégrales. Aujourd'hui, d'autres champs de la pensée nous fournissent des exemples d'applications et d'illustration de ces équations. Tout récemment, l'usage de l'algèbre linéaire appliquée se trouve au centre d'un nombre grandissant d'applications et particulièrement des applications liées au web. La maîtrise des algorithmes des moteurs de recherche, des algorithmes de recommandation, des techniques de restitutions de l'information... fait partie de l'arsenal nécessaire à une compréhension systémique de notre univers économique, industriel et technique. La résolution numérique de ces équations au moyen d'un ordinateur nécessite une démarche et des connaissances particulières en mathématiques. La recherche de solutions à ces équations conduit souvent à résoudre des systèmes linéaires ou non linéaires. Le

- 14 -

coût de la résolution de ces systèmes à l'aide des méthodes directes est prohibitif en terme de temps et de stockage ; d'où l'usage des méthodes itératives. Énormément de progrès ont été faits dans la compréhension du comportement de ces méthodes. Ce cours vise à sensibiliser les étudiants sur les modes de raisonnement dans la confection des algorithmes et à insister sur les questions de convergence, d'accélération et de stabilité de ces méthodes relevant de l'aspect numérique pour acquérir une compétence dans le domaine des algorithmes de résolution numérique des systèmes linéaires et non linéaires. Les TD et TP seront l'occasion de contextualiser les méthodes vues dans le cours et d'analyser des problèmes pratiques, les formaliser, définir une stratégie pour leur résolution, et mettre en oeuvre une méthode numérique adéquate en structurant un algorithme de calcul. Nous insistons beaucoup sur la mise en oeuvre de ces méthodes et sur la visualisation des résultats.

M4 : Recherche Opérationnelle (30h) L'aide à la décision s'appuie sur des modèles mathématiques de l'activité de l'entreprise. Ils représentent le plus souvent des phénomènes d'organisation impliquant un très grand nombre de facteurs sur lesquels l'intuition humaine réagit difficilement. Ce caractère combinatoire des problèmes impose, pour atteindre des décisions optimales, l'usage d'outils mathématiques capables d'aider l'ingénieur à traiter la multiplicité des combinaisons et capables de lui fournir des schémas de réflexion. L'objectif de l’UE est de compléter la formation des étudiants de master 1ère année en introduisant les techniques capables de modéliser les phénomènes combinatoires.

� Optimisation linéaire en nombres entiers : � Modélisation et interprétation économique de l'optimisation linéaire � Traitement numérique par logiciels : AMPL, Scilab,... � Modélisation par nombres entiers et valiables bivalentes � Techniques de branch and bound (séparation et évaluation)

� Bases de la théorie des graphes : � Définitions : chemins, circuits, stabilité, composantes fortement connexes,

graphe réduit � Exemples de graphes : fortement connexes, complets, sans circuit, planaires… � Représentations informatiques.

� Algorithmes sur les graphes : � Cheminement sur un graphe : marquage, chemins optimaux � Problème d'ordonnancement classique et extension sur les problèmes avec

utilisation de moyens � Flots sur un graphe � Applications aux réseaux de transports

� Optimisation combinatoire : � Méthodes exactes, approchées � Techniques de relaxation lagrangienne � Problèmes classiques et introduction à la complexité : affectation simple et

généralisée, arbres optimaux, voyageur de commerce, postier chinois S3-UE3 : Outils informatiques (6 ECTS) – 45h de cours / 45h TD-TP - Connaissances

� Systèmes de gestion de bases de données � Java-Web et introduction au data warehouse � Unix-Web

- 15 -

- Compétences et Savoir-faire

� Utiliser, créer et gérer une base de données relationnelle � Manipuler le langage SQL et intégrer les bases de données dans une application web � Utiliser la technologie Java en lien avec les bases de données internet ou intranet � Connaître les fondamentaux d’Unix et du Web

- Programme détaillé

I1 : Systèmes de Gestion de Bases de Données (36h) Ce cours présente de manière détaillée le modèle relationnel d'organisation des bases de données, donnant à la fois le formalisme théorique de ce modèle ainsi que les principaux outils de conception d'une base de données. L'objectif est de savoir bien manipuler le langage SQL et aussi de savoir intégrer les BD dans une application web.

� Formalisme théorique : � Création/description du schéma conceptuel d'une base de données : UML –

Relation/Entités, approche orientée objet, Merise � Modèle relationnel : théorie, opérateurs algébriques, tables, liens � Langage de requêtes, algorithme pour la construction de requêtes optimales

� Aspects appliqués : � Le langage SQL et son extension PL/SQL � Architecture du serveur de bases de données relationnelles mySQL � Gestion d'une instance de base de données � Programmation PHP

I2 : Java-Web et introduction au data warehouse (36h)

Le but de cette UE est de présenter la programmation d'applications reposant sur des bases de données dans un contexte internet ou intranet d'entreprise. La technologie Java est choisie comme support support de développement.

� Introduction a Java : � La machine virtuelle Java et le compilateur � Syntaxe de base du langage � Concepts objets et mise en oeuvre � Collections � Exceptions � API complémentaires � Servlets et JSP � Les applications web � Présentation de Tomcat � Développement de servlets et JSP � Structurer une application web � Déployer une application web � Connexion Java SGBDR � Connexion à une base de données � Sélection d'enregistrements � Insertions et mises à jour � Intégration dans Tomcat � Frameworks de persistance

Environnement : Java SDK 1.4.2, Eclipse, Tomcat. Pré-requis : connaissance d'un langage de programmation, connaissance de HTML Évaluation : sous forme de l'implémentation d'un projet commun avec le cours base de données.

- 16 -

� Introduction au datawarehouse

I3 : Unix-Web (18h) � Notions de sécurité sous UNIX :

� Mot de passe et droit d'accès � Connexions à distance � Arborescence des fichiers

� Les "shells" UNIX : � Principales commandes � Redirection des entrées et sorties � Exemples de "scripts shell" � Personnalisation d'un environnement de travail aux niveaux UNIX et X WINDOW

� Notions sur les langages structurés : � SGML, HTML, XML � Utilisation pour le balisage d'informations sur le WEB � Conception et traitement de formulaires en HTML

S3-UE4 : Langages et Culture d’Entreprise (8 ECTS) – 60h de cours / 60h TD-TP - Connaissances

� Anglais � Marketing, géomarketing � Initiation à la gestion, à la comptabilité et au management de projet � Connaissance des métiers et conférences de connaissance de l’entreprise

- Compétences et Savoir-faire

� Avoir un niveau B2 en Anglais � Comprendre l’objectif du marketing et faire le lien avec les cours liés à la

statistique � Connaître les fondamentaux en gestion et en comptabilité � Adopter une démarche standardisée pour appréhender une gestion de projet � Mettre en perspective les cours théoriques et les besoins de l’entreprise � Avoir une vue claire et synthétique des métiers accessibles à l’issue de la formation � Se projeter dans le futur quant à l’évolution de carrière

- Pré-Requis

� Anglais (S2-UE1) - Programme détaillé

LC1 : Anglais (40h) � Anglais intensif (15h) :

Placé en début d'année universitaire, il offrira une courte immersion en vue de révisions en anglais général avec présentation du Centre de Ressources en Langues (CRL). Il permettra ainsi aux étudiants de connaître puis de se familiariser avec les outils et le matériel disponibles au CRL pour s’entraîner aux certifications en Langues.

- 17 -

� Cours (25h) : � Consolidation et approfondissement des bases acquises en anglais général � Apport de bases en anglais professionnel donnant une dimension

internationale à leur connaissance du monde de l'entreprise et du travail : courrier professionnel, téléphone, vocabulaire relatif aux carrières, CV, lettres de motivation, entretiens, etc.

� Synthèse de documents courts (écrite et orale) � Entretien en langue étrangère.

LC2 : Marketing (28h)

L’ensemble de ce module est assuré par différents intervenants extérieurs spécialistes du marketing par secteur d’activité et disposant d’une grande expérience dans ce domaine.

� Marketing bancaire (14h) : � Les fondements du marketing : saut dans le marché, concept marketing,

démarche marketing, définitions � Connaître et comprendre le marché, la concurrence, le consommateur � La place du marketing bancaire � Études de marchés : segmentation et typologie de clients; 'information

marketing � Marketing stratégique : choisir et décider, concept et modèles stratégiques,

stratégies et outils d'aide à la décision, planification marketing, organisation de la fonction marketing

� Marketing opérationnel : agir et action commerciale, produits, services et offre bancaire, prix, facturation, taux, communication externe, distribution, communication interne

� Marketing management : le monde change, management du marketing � Marketing client et vente à distance (VAD) (8h) :

� Objectifs du marketing client � Les éléments constitutifs des bases de données clients � Segmentation clients

� Géomarketing (6h) � Les principes fondateurs � Exemples d’utilisation du géomarketing � Les principes de fonctionnement d’un SIG (Mapinfo)

LC3 : Initiation à la gestion, à la comptabilité et au management de projet (26h)

L’ensemble de ce module est assuré par différents intervenants extérieurs disposant d’une grande expérience dans chacun des sujets abordés.

� Initiation à la gestion (14h) : « Approche de l’Entreprise » � Vision extérieure : l’Entreprise et son environnement � Vision intérieure : Organisation et fonctions � Compréhension des processus d'organisation et de gestion en entreprise � Systèmes d'informations de l'entreprise � Situation de l'entreprise dans les domaines économique, juridique � Éléments d'organisation de l'entreprise : principales structures,

fonctionnement (approche � systémique)…

� Initiation à la comptabilité financière (6h) : � Principes fondamentaux et élaboration des principaux documents

comptables (livre comptable, bilan, compte de résultat) � Enregistrement d’opérations (opérations courantes et de fin d’exercice) � L’analyse des documents financiers : performance et trésorerie

- 18 -

� Initiation au management de projet (6h) : � Définitions et règles de la gestion de projet � Planifier, contrôler et suivre un projet � Étude de cas � Mettre en place le contrôle de gestion dans un projet

LC4 : Connaissance des métiers et conférences de connaissance de l'entreprise

(26h) Tout au long de ce semestre, des cadres viennent présenter leur entreprise et leur travail. Ces conférences sont l'occasion d'échanges entre les étudiants et les professionnels. Des liens privilégiés sont entretenus avec les entreprises suivantes : service/décisionnel (Altao, Soft Solutions, Marketespace, Keyrus, Velvet Consulting, Avisia, Lincoln), industrie (ArcelorMittal, Cargill), crédit/recouvrement (CACF, Banque Accord, Cofidis, Contentia), vente à distance (La Redoute, Damart), banques (Crédit Agricole Nord de France), immobilier (Nord de France Immobilier),webmining (Oxygem), etc.