Master - Marketing - Vente, Master 2

Marketing vente

Marketing et Data science

Site Vieux-Lille, 104 avenue du Peuple Belge, 59043 Lille Cedex

Formation

Le parcours Marketing data science MDS vise à apporter les connaissances fondamentales et un fort niveau de professionnalisation pour les nouveaux métiers du marketing digital et de l’environnement bigdata.
Cette professionnalisation fixe deux objectifs :

Maîtriser les concepts et techniques mathématiques, statistiques, informatiques et algorithmiques nécessaires au traitement des données massives.
Appliquer les compétences acquises en M1 pour mettre en œuvre la stratégie data de l’entreprise.

Les partenariats avec les entreprises leader du secteur sont nombreux et seront encore développés avec les stages et conventions que nous établirons avec les intervenants professionnels et experts du domaine.

L’enseignement est assuré à la fois par des enseignants-chercheurs spécialistes en marketing quantitatif et data driven marketing (autour de la donnée) et en statistique/analyse de données et par des professionnels issus de diverses entreprises : consultants spécialisés en data science, bigdata et marketing analytics, web agencies, spécialistes des études de marché et l’analyse des data clientèles, etc.

Débouchés

Les diplômés du parcours MDS se destinent par conséquent aux métiers autour de la data, de la modélisation,
de l’apprentissage, de l’intelligence artificielle et de la prise de décision dans le domaine marketing:

• Data scientist • Data analyst • Chief Data Officer • Head of data • Data Protection Officer • Business analyst
• Social media analyst • Web advertising • Data miner • Database tuning (administrateur de BD) • Big Data
Architect • Business Intelligence • Customer Relationship and Interaction Management • Web architect
• Scientific data manager • Machine learning ingeneer • Web analytics.

La formation permet aussi aux étudiants qui le souhaitent de poursuivre leurs études vers un parcours en
Doctorat en sciences de gestion spécialité marketing.

Sur eCandidat

Session 1

Date de début des candidatures : 13/05/2024

Date de fin des candidatures : 24/05/2024

Date de publication admission : 12/07/2024

Session 1

13 mai 2024

Edit Content

Le Master MDS s’effectue en formation initiale, en apprentissage, en contrat de professionnalisation ou en formation continue dans les locaux « Vieux Lille » de l’IAE Lille University School of Management.

Pour les Professionnels en Formation Continue (FC) : la formation s’effectue en stage alterné, en contrat de professionnalisation ou dans l’entreprise dans laquelle vous êtes salarié(e).

PUBLICS VISÉS :

Formation en alternance: apprentissage ou contrat de professionnalisation.
Formation continue (stage, contrat de professionnalisation ou entreprise actuelle)
Formation initiale (les conventions de stage alterné seront délivrées au cas par cas après accord avec le Directeur du Parcours si l’étudiant ne trouve pas de contrat d’alternance)

Edit Content

Formation initiale ou alternance (contrat d’apprentissage et contrat de professionnalisation) : être titulaire d’un Master (60 crédits ECTS pour le M1), écoles d’ingénieurs, école de commerce, ou équivalent.

Formation Continue : les procédures de Validation des Acquis (VAE / VAP)* sont ouvertes pour le public Formation Continue, possibilité de contrats de professionnalisation.

Renseignements et conseils :
Virginie Stride, Conseiller en Formation Continue.
Tél : 03 20 12 34 39 – Mail : virginie.stride@univ-lille.fr

Edit Content

Semestre 3
Semestre 4

Edit Content

BCC 5. Communiquer et persuader pour obtenir un changement attitudinal et comportemental

Edit Content

UE 1. Langues (3 ects)

Edit Content

Anglais

Edit Content

Volume horaire : 24 h
Organisation : TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : David Gendre

Objectifs :

A la suite du semestre 1
– Savoir documenter une argumentation interculturelle en recherchant des ressources anglophones pertinentes dans le domaine d’études
– Consolider le répertoire lexical spécifique au domaine d’étude envisagé dans le Master
– Préparer et optimiser le score de la certification Test Of English for International Communication (TOEIC)

BCC 16. Gérer des projets de Big Data en Marketing

Edit Content

UE 1. Applications 1 : Marketing Automation (9 ects)

Edit Content

Marketing Programmatique

Edit Content

Volume horaire : 20 h
Organisation : 15 h CM + 5 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Laurent Carpentier

Data driven Marketing, Native advertising, RTB

Edit Content

Volume horaire : 21 h
Organisation : 15 h CM + 6 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Souad Djelassi, Mbaye Fall Diallo

Objectifs :

– Comprendre et définir une stratégie de marketing digital
– Comprendre les facteurs d’influence de l’utilisation d’une technologie par les usagers
– Mettre en oeuvre une stratégie marketing basée sur le big data et l’intelligence artificielle

Retargeting

Edit Content

Volume horaire : 10 h
Organisation : 7 h CM + 3 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Nadia Steil, Jean-François Toti

BCC 17. Développer des savoirs hautement spécialisés en informatique, en sciences des données et en optimisation afin de les intégrer dans la conception et la mise en œuvre des stratégies marketing et de digitalisation

Edit Content

UE 1. Mathématiques & Probabilités pour les data sciences niveau 2 (6 ects)

Edit Content

Statistique Inférentielle

Edit Content

Volume horaire : 21 h
Organisation : 12 h CM + 9 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Julien Hamonier

Objectifs :

Le but est de savoir dans quelle mesure les résultats obtenus dans un ou plusieurs échantillons judicieusement choisis permettent de mieux connaître les caractéristiques de(s) population(s) d’origine.

– Savoir déterminer un intervalle de confiance
– Savoir faire des tests en rapport avec des données

Chaînes de Markov, Fiabilité

Edit Content

Volume horaire : 9 h
Organisation : 6 h CM + 3 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Antoine Ayache

Objectifs :

Une chaîne de Markov est un processus aléatoire dont l’évolution dans le futur ne dépend que du moment présent et non pas du passé à proprement dit. De tels processus interviennent dans de multiples domaines : physique, linguistique, économie, marketing, télécommunications, etc. En marketing, les chaînes de Markov sont notamment très utiles dans la modélisation de la life time value (durée de vie client). Il s’agit d’une notion fondamentale dans le domaine de la gestion du portefeuille client ; elle permet de valoriser un client et de se fixer des coûts limites pour son acquisition et sa conservation.
Dans ce cours des concepts essentiels qui concernent les modèles de durée de vie et les chaînes de Markov seront présentés et on les rattachera à la modélisation de la life time value.

Théorie des graphes

Edit Content

Volume horaire : 12 h
Organisation : 8 h CM + 4 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Antoine Ayache

Objectifs :

Un graphe est par définition un ensemble de points, appelés les sommets, reliés par des flèches appelées les arcs. Les graphes jouent des rôles très importants en modélisation dans plusieurs domaines scientifiques : informatique et télécommunications, calcul des probabilités, génétique, sciences sociales, sciences de gestion, etc.
L’objectif de ce cours est de se familiariser avec la notion de graphe notamment lorsqu’il constitue un réseau, et d’apprendre à maximiser le flot sur un réseau.

UE 2. Optimisation, prédiction (6 ects)

Edit Content

Recherche opérationnelle

Edit Content

Volume horaire : 12 h
Organisation : 6 h CM + 6 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Antoine Ayache

Objectifs :

1- Présenter deux applications très importantes et très classiques de la théorie des graphes en management de projets à savoir la Méthode des Potentiels Métra (MPM) et la méthode Program Evaluation Research Task (PERT)
2- Présenter des motivations économiques et des techniques classiques de programmation linéaire permettant de comprendre et de résoudre des problèmes maximisation ou de minimisation d’une fonction linéaire sous des contraintes linéaires

Modélisation prédictive

Edit Content

Volume horaire : 12 h
Organisation : 6 h CM + 6 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Julien Hamonier

Objectifs :

Dans ce cours, nous allons exposer des méthodes classiques pour expliquer et prédire une variable statistique à partir d’autres variables.

Econométrie des séries temporelles

Edit Content

Volume horaire : 12 h
Organisation : 6 h CM + 6 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Julien Hamonier

Objectifs :

L’étude des séries temporelles, ou séries chronologiques, correspond à l’analyse statistique d’observations régulièrement espacées dans le temps afin de prédire l’évolution future de la série temporelle à partir des valeurs qui ont été observées.

UE 3. Machine Learning (6 ects)

Edit Content

Machine Learning

Edit Content

Volume horaire : 48 h
Organisation : 30 h CM + 12 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : René Lefebure, Arthur Mello

Edit Content

BCC 7. S’adapter et développer les compétences métiers et postures au travail et savoir animer, conseiller et fédérer pour développer l’expérience client, l’expérience collaborateur et la culture managériale et organisationnelle

Edit Content

UE 1. Professionnalisation (6 ects)

Edit Content

Professionnalisation

Edit Content

Volume horaire : 24 h
Organisation : TD
MCC ou évaluation : /
Intervenant(s) cours : Conférenciers

Objectifs :

Donner la possibilité aux étudiants d’inviter des professionnels des data science en fonction de leurs désirs d’acquisition de compétences.

Méthodologie et mémoire de fin d'études

Edit Content

Volume horaire : 24 h
Organisation : TD
MCC ou évaluation : Mémoire
Intervenant(s) cours : Sophie Lacoste-Badie

Objectifs :

Suivi et conseils aux étudiants pour la réalisation de leur mémoire de M2

Suivi de mémoire

Edit Content

Click on the Edit Content button to edit/add the content.

Suivi de stage / Suivi d'alternance

Edit Content

Click on the Edit Content button to edit/add the content.

BCC 16. Gérer des projets de Big Data en Marketing

Edit Content

UE 1. Applications 2 : Marketing Analytics (6 ects)

Edit Content

Web/marketing Analytics, Attribution, LTV

Edit Content

Volume horaire : 15 h
Organisation : 9 h CM + 6 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Phool Kumar

Objectifs :

Learn to professionally meet the digital needs of the society.

CRM, CIM, CExM, Scoring et Personnalisation

Edit Content

Volume horaire : 15 h
Organisation : 12 h CM + 3 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Annabel Martin-Salerno, Jean-François Toti, Charles-Antoine Salerno, Noël Bellomo

Objectifs :

Optimiser le parcours expérientiel du client, construire des plans commerciaux “ROIstes” et au travers des cas d’usage comparer les applications CRM du marché.

UE 2. Applications 3 : Social Networks Analytics (6 ects)

Edit Content

Social Network Analysis

Edit Content

Volume horaire : 15 h
Organisation : 12 h CM + 3 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours :

Community Management, crowd sourcing

Edit Content

Volume horaire : 15 h
Organisation : 12 h CM + 3 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Phool Kumar, Mbaye Diallo

Objectifs :

– Définir les concepts de community management et crowd sourcing
– Définir et mettre en oeuvre une stratégie de community management sur les réseaux sociaux

Opinion mining et sentiment analysis

Edit Content

Volume horaire : 15 h
Organisation : 12 h CM + 3 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Christophe Benavent

UE 3. Applications 4 : Dataviz (6 ects)

Edit Content

Data visualisation, Data storytelling

Edit Content

Volume horaire : 15 h
Organisation : 9 h CM + 6 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Michel Calciu

Objectifs :

Acquérir l’expérience d’utilisation d’outils BDD et Business Intelligence à l’état de l’art du marché. Connaître les capabilités de Data visualisation, Data storytelling de l’outil de Business Intelligence Tableau ainsi que celles du système statistique R (ggplot, flexdashboard, shiny, R Markdown).

Géomarketing

Edit Content

Volume horaire : 15 h
Organisation : 12 h CM + 3 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Michel Calciu

Objectifs :

Former les étudiants aux principaux aspects du géomarketing afin de leur permettre de savoir délimiter les zones de chalandise, optimiser la localisation d’un réseau de magasins, connaître les modèles d’interaction spatiale (modèle Huff, modèle MCI) ainsi que les principes de géolocalisation.

Librairies graphiques

Edit Content

Volume horaire :

CM – CTD – TD

Contrôle continue – Contrôle terminal

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.

Volume horaire : 15 h
Organisation : 9 h CM + 6 h TD
MCC ou évaluation : Contrôle continu (CC)
Intervenant(s) cours : Michel Calciu

Objectifs :

Connaître les principales bibliothèques et packages graphiques utilisés pour la visualisation des données sur le web (libraires Javascript) ainsi que les librairies graphiques des principaux systèmes utilisés pour le traitement des données R, Python, Scala.