Documents disponibles écrits par cet auteur

Contribution à l’optimisation du processus de due diligence réputationnellepar l’automatisation / Driss Benhadji Serradj 

Public ISBD Titre : Contribution à l’optimisation du processus de due diligence réputationnellepar l’automatisation : applicationau seinde KPMG Type de document : document électronique Auteurs : Driss Benhadji Serradj, Auteur ; Nedjwa Noual, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2019 Importance : 1 fichier PDF (2.7 Mo) Présentation : ill. Note générale : Mémoire de Projet de Fin d’Études : Génie Industriel. Management Industriel : Alger, École Nationale Polytechnique : 2019 Bibliogr. f. 67 - 68 . Annexe f. 69 - 71. Mémoire confidentiel jusqu'à juillet 2022 Langues : Français (fre) Mots-clés : Fusions  &  acquisition  ;  Due  diligence  réputationnelle  ;  Optimisation  ;  Automatisation  ;  Machine  learning. Index. décimale : PI01319 Résumé : KPMG est un réseau international de cabinets d’audit, d'expertise comptable et de conseil exerçant dans plusieurs pays. Le département Deal Advisory est chargé des missions de fusions et acquisitions en intervenant en tant qu’accompagnateur de la transaction. Au sein de ce dernier, l’équipe « Recherche et Stratégie » s’intéresse à la réputation en ligne des entreprises en faisant une analyse sur ses différents indicateurs dans le but de la valoriser et l’intégrer comme paramètre essentiel de décision de l’investisseur. Ce processus est appelé « Due Diligence réputationnelle ». C’est dans le cadre de l’optimisation de ce dernier que s’inscrit notre projet. Pour ce faire, le processus a, d’abord, été formalisé, un diagnostic a été fait, les tâches critiques détectées ce qui nous a mené à implémenter des automatisations en utilisant des programmes informatiques et de l’apprentissage machine pour pouvoir traiter un nombre de données considérable en un temps réduit tout en prenant en compte l’aspect organisationnel pour pouvoir délivrer des rapports de réputation en ligne de qualité avec des ressources optimales. Contribution à l’optimisation du processus de due diligence réputationnellepar l’automatisation : applicationau seinde KPMG [document électronique] / Driss Benhadji Serradj, Auteur ; Nedjwa Noual, Directeur de thèse . - [S.l.] : [s.n.], 2019 . - 1 fichier PDF (2.7 Mo) : ill. Mémoire de Projet de Fin d’Études : Génie Industriel. Management Industriel : Alger, École Nationale Polytechnique : 2019 Bibliogr. f. 67 - 68 . Annexe f. 69 - 71. Mémoire confidentiel jusqu'à juillet 2022 Langues : Français (fre) Mots-clés : Fusions  &  acquisition  ;  Due  diligence  réputationnelle  ;  Optimisation  ;  Automatisation  ;  Machine  learning. Index. décimale : PI01319 Résumé : KPMG est un réseau international de cabinets d’audit, d'expertise comptable et de conseil exerçant dans plusieurs pays. Le département Deal Advisory est chargé des missions de fusions et acquisitions en intervenant en tant qu’accompagnateur de la transaction. Au sein de ce dernier, l’équipe « Recherche et Stratégie » s’intéresse à la réputation en ligne des entreprises en faisant une analyse sur ses différents indicateurs dans le but de la valoriser et l’intégrer comme paramètre essentiel de décision de l’investisseur. Ce processus est appelé « Due Diligence réputationnelle ». C’est dans le cadre de l’optimisation de ce dernier que s’inscrit notre projet. Pour ce faire, le processus a, d’abord, été formalisé, un diagnostic a été fait, les tâches critiques détectées ce qui nous a mené à implémenter des automatisations en utilisant des programmes informatiques et de l’apprentissage machine pour pouvoir traiter un nombre de données considérable en un temps réduit tout en prenant en compte l’aspect organisationnel pour pouvoir délivrer des rapports de réputation en ligne de qualité avec des ressources optimales.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00052	PI01319	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Management_Industriel	Exclu du prêt

Documents numériques

Confidentiel URL