Durée
36h Th
Nombre de crédits
| Master en sales management, à finalité spécialisée (en alternance) | 4 crédits |
Enseignant
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
Le terme Sales Analytics désigne la pratique consistant à générer des informations à partir des données, des tendances et des indicateurs de vente afin de fixer des objectifs et de prévoir les performances de vente futures. L'analyse de données permet d'éclairer de multiples décisions que doit prendre un sales manager : quantifier les actions qui différencient les meilleurs vendeurs des moins performants, planifier les quotas et objectifs, obtenir des prévisions précises pour planifier une couverture de territoire efficace, identifier les deals les plus prometteurs,...
Partie I : Data prep
Toute analyse de données commence par une bonne préparation de celles-ci
Dans ce cours, les étudiants se familiariseront avec les bonnes pratiques de gestion et de préparation des données (formatage, traitement des valeurs manquantes, des valeurs aberrantes,...)
Partie II : Data visualization
Pour décrypter des données provenant de différents canaux, les consolider, les synthétiser et ainsi éclairer la prise de décision, la visualisation de données s'est imposée comme
une solution incontournable. Dans ce cours, les étudiants apprendront à créer des visualisations pertinentes, en fonction de l'information recherchée. Les notions essentielles de statistique descriptive seront enseignées.
Partie III : Advanced data analysis
Dans cette partie, les sales managers de demain apprendront à utiliser des techniques plus complexes d'analyse descriptive telles que l'analyse d'associations ou la segmentation (semi-) automatisée. Lest tests statistiques courants seront introtduits : test d'indépendance, ANOVA, ainsi que la régression linéaire.
Partie IV : Sales forecasting
Un processus de prévision des ventes efficace permet une meilleure prise de décision, une réduction des risques, un alignement des quotas de vente, une meilleure planification de la couverture du territoire et des quotas, la capacité à concentrer une équipe de vente sur les opportunités de pipeline de vente à haut revenu et à haut rendement, ... Le recours à une analyse prédictive basée sur des données permet de réduire l'impact de la subjectivité et d'obtenir une base solide.
Dans cette partie, les techniques classiques de prévision de vente seront abordées et mises en application sur des ensembles de données variés.
Le logiciel utilisé pour ce cours est Excel.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
Partie I : Data prep
Au terme de cette unité d'enseignement, l'étudiant sera capable de :
- Identifier les sources de données
- Consolider, manipuler et nettoyer des données et prendre les bonnes décisions
- Collecter et gérer une base de données de façon efficace et exploitable
Partie II: Data visualisation
Au terme de cette unité d'enseignement, l'étudiant sera capable de :
- Choisir une représentation adéquate pour un phénomène à analyser
- Analyser des données commerciales par la construction de graphiques
Partie III: Advanced data analysis
Au terme de cette unité d'enseignement, l'étudiant sera capable de :
- Comprendre et expliquer les principes fondamentaux des méthodes descriptives enseignées
- Reconnaitre les opportunités d'utilisation d'algorithmes descriptifs
- Identifier la technique pertinente pour répondre à une problématique donnée
- Identifier les limites des techniques utilisées, leurs avantages et inconvénients
- Interpréter les résultats obtenus à l'aide d'une méthode descriptive
- Faire preuve d'esprit critique et d'esprit d'analyse dans le suivi d'un projet faisant appel aux techniques enseignées.
Partie IV: Sales Forecasting
Au terme de cette unité d'enseignement, l'étudiant sera capable de :
- Comprendre et expliquer les principes fondamentaux du forecasting
- Choisir la/les techniques de forecasting les plus adaptés à un ensemble de données
- Identifier les limites des techniques de forecasting utilisées, leurs avantages et inconvénients
- Utiliser un outil/module de forecasting
- Interpréter les prévisions obtenues à l'aide d'un modèle de forecasting
- Faire preuve d'esprit critique et d'esprit d'analyse face à des prévisions de vente
Savoirs et compétences prérequis
Notions de base en statistiques
Activités d'apprentissage prévues et méthodes d'enseignement
Les séances d'apprentissage seront de plusieurs nature :
- exposés ex-catedra entrecoupés d'exercices d'application directe des concepts
- démonstration et mise en pratique sur logiciel
- séances de travail en groupe sur des business case, questions/réponses sur rendez-vous
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Explications complémentaires:
Présentiel
Supports de cours, lectures obligatoires ou recommandées
Tout les documents requis seront postés sur lola.
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation écrite ( QCM, questions ouvertes )
Informations complémentaires:
Explications complémentaires :
L'étudiant sera évalué sur les éléments suivants :
- Un examen pratique sur ordinateur avec cours ouvert. Au travers de cette partie, la compréhension des concepts, l'interprétation des résultats, le choix des outils ainsi que les justifications seront évaluées.
- Un examen écrit de type QCM ou réponses courtes (résultats de calculs), à cours fermé.
La note finale sera calculée comme suit :
Examen pratique (50%)
Examen écrit QCM (50%)
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Les sessions requièrent l'utilisation d'un ordinateur portable sur lequel la suite Microsoft Office 365 est installée. Les autres logiciels utilisés au cours devront être installés dans les plus brefs délais.
https://www.campus.uliege.be/cms/c_14636926/en/microsoft-office-365-education
Contacts
S. Aerts (Stephanie.Aerts@uliege.be)
M. Dumont (Morgane.Dumont@uliege.be)