Manager l'équipe pluridisciplinaire d'un projet en sciences de la donnée
Item
- Libelle
- Manager l'équipe pluridisciplinaire d'un projet en sciences de la donnée
- Code
- RNCP39541BC04
- Liste des compétences
- - Identifier les responsabilités éthiques et professionnelles, et prendre en compte les enjeux des relations au travail, de sécurité et de santé au travail et de la diversité. - Inscrire dans une démarche d'amélioration continue les équipes métier en informatique et mathématiques, en confrontant les travaux à une veille prospective métier (évolution technologique, méthodologique, sectorielle…) et en participant à la définition du plan de formation de l'entreprise. - Entreprendre et innover, dans le cadre de projets personnels ou par l'initiative et l'implication au sein de l'entreprise dans des projets entrepreneuriaux. - Établir un bilan de la collaboration de son équipe ou de l'organisation en identifiant les forces et des écueils possibles pour la mise en place future d'un processus collaboratif. - Gérer les conflits, les tensions au sein d'une équipe pluridisciplinaire en identifiant : la nature des freins de la collaboration entre professionnels, les logiques et les représentations inter-métiers, les enjeux de territoires professionnels afin de favoriser la cohésion pluridisciplinaire. - Déployer des outils métiers de mesure de performances et d'évaluation des équipes afin de garantir le succès des projets en science des données au niveau de la qualité des résultats et de l'alignement avec les objectifs métier.
- Modalités d'évaluation
- Évaluation des séquences académiques • Mises en situations, analyse d'articles, études de cas, examens sur table et questionnaires de vérification du savoir. • Travaux et projets individuels ou en groupe. Évaluation des séquences entreprises • Évaluation des rapports et travaux conduits en entreprise : présentation des projets conduits en entreprise • Évaluation par le maitre d'apprentissage des savoir-faire et savoir être tout au long de la formation. Critères d'évaluation • Rigueur des analyses techniques proposées. • Analyse critique de solutions techniques existantes. • Qualité de la formalisation écrite et orale en français ou en anglais (fond scientifique et technique, forme des documents). • Pertinence des outils et des méthodologies utilisés. • Adéquation entre données collectées et projet. • Qualité de synthèse et de communication des principaux résultats.
Linked resources
| Title | Class |
|---|---|
| RNCP39541 | Fiche |
Annotations
There are no annotations for this resource.