Évaluer les préférences des organisations en matière de risque en traçant des courbes d'utilité et en interprétant leurs implications stratégiques.

Appliquer les modèles OODA ou Cynefin pour structurer des problèmes non structurés et évaluer l'adéquation de ces modèles à différents contextes.

Évaluer différents cadres décisionnels en matière d'adéquation à l'aide de critères contextuels et de principes d'alignement stratégique.

Cet objectif de formation permet aux apprenants d'analyser de manière critique les décisions commerciales passées, de mettre au jour les biais cognitifs cachés qui ont influencé les résultats, et de recommander des techniques pratiques de lutte contre les biais afin d'améliorer le jugement, la qualité des décisions et les performances futures de l'organisation.

Concevoir et mettre en œuvre des listes de contrôle visant à réduire les biais dans le cadre des évaluations périodiques, puis les tester lors de réunions sur le lieu de travail.

Apprenez à établir des statistiques descriptives en signalant les problèmes de qualité des données afin de disposer de bases solides pour vos analyses.

Maîtrisez les principes de mise en page et de conception visuelle afin de repenser les tableaux de bord encombrés et d'apporter des améliorations mesurables.

Apprenez à analyser les habitudes d'utilisation des tableaux de bord et à identifier les éléments peu utiles en vue d'une optimisation stratégique.

Synthétiser les conclusions de l'analyse en recommandations stratégiques qui répondent aux besoins des parties prenantes en matière de prise de décision.

Les participants mettront en pratique la méthode des « 5 pourquoi » et l'analyse de Pareto afin d'identifier les principaux facteurs à l'origine des dépassements de coûts et de valider leurs conclusions à l'aide de données.

Les apprenants évalueront différentes techniques d'analyse des causes profondes (diagramme d'Ishikawa, arbre RCA) sur un cas type et présenteront l'approche la plus pertinente.

Vous découvrirez comment les outils d'IA générative peuvent accélérer les processus décisionnels, l'analyse des données et le diagnostic des causes profondes, et vous vous exercerez à adopter les bonnes pratiques de validation indispensables pour garantir la précision et la fiabilité des résultats générés par l'IA.