Acciones de Documento

Contenidos

MÓDULO 1: Introducción a la Inteligencia Empresarial

1.1

El proyecto Business Intelligence

1.4.1 Formato del proyecto

(Teoría). (10 h.)

30

1.4.2 Presentación de la temática

(Teoría). (10 h.)

1.4.3 Experiencias actuales

(Teoría). (10 h.)

1.2

Introducción al Business Intelligence y Big Data

1.1.1 Conceptos Básicos BI vs BD

(Teoría). (10 h.)

30

1.1.2 Macrotendencias sobre datos

(Teoría). (10 h.)

1.1.3 Introducción al desarrollo de un proyecto BD y BI

(Teoría). (10 h.)

1.3

La toma de decisiones empresarial

1.2.1 Estructura empresarial en la toma de decisiones

(Teoría). (10 h.)

30

1.2.2 Perfiles profesionales

(Teoría). 10 h.)

1.2.3 Procesos en la toma de decisiones

(Teoría). (10 h.)

1.4

Fundamentos y herramientas para el análisis de datos

1.3.1 Introducción a las fuentes de datos

(Teoría). (10 h.)

30

1.3.2 Introducción al tratamiento de datos(

(Teoría). (10 h.)

1.3.3 Introducción a las herramientas de visualización

(Teoría). (10 h.)

HORAS MÓDULO

120

MÓDULO 2: Gestión de datos

2.1

Fuentes y almacenamiento de datos

2.1.1 Introducción al análisis de datos

(Teoría + Práctica).

20 + 40

2.1.2 Adquisición de datos

(Teoría + Práctica).

2.1.3 Técnicas de preprocesado de datos

(Teoría + Práctica).

2.1.4 Balanceo de datos

(Teoría + Práctica).

2.1.5 Ejemplos

(Teoría + Práctica).

2.2

Herramientas para el análisis

2.2.1 Predicción

(Teoría + Práctica).

20 + 40

2.2.2 Clasificación supervisada

(Teoría + Práctica).

2.2.3 Clasificación no supervisada

(Teoría + Práctica).

2.2.4 Reglas de asociación

(Teoría + Práctica).

2.2.5 Ejemplos

(Teoría + Práctica).

2.3

Visualización de datos

2.3.1 Weka: Tareas, patrones y Clustering

(Teoría + Práctica).

20 + 40

2.3.2 Árboles de decisión: generando primeros resultados

(Teoría + Práctica).

2.3.3 Visualización en R: Carga y descriptiva de datos; Gráficos básicos

(Teoría + Práctica).

2.3.4 Visualización en R: Matrices de correlación, patrones y clustering

(Teoría + Práctica).

2.2.5 Reporting automático: diseño de un informe de datos interactivo

(Teoría + Práctica).

2.2.6 Análisis de RRSS

(Teoría + Práctica).

HORAS MÓDULO

180

MÓDULO 3: Análisis de datos

3.1

Gestión de datos para la toma de decisiones

3.1.1 Toma de decisiones basadas en el dato

(Teoría + Práctica).

20 + 40

3.1.2 Cuadros de Mando

(Teoría + Práctica).

3.1.3 Pautas de comportamiento y modelos predictivos

(Teoría + Práctica).

3.1.4 Análisis de datos masivos y Automatización de la gestión

(Teoría + Práctica).

3.1.5 Análisis de un caso Grupal

(Teoría + Práctica).

3.1.6 Análisis de un caso Individual

(Teoría + Práctica).

3.2

Estrategias orientadas al BI

3.2.1 Introducción a las estrategias empresariales

(Teoría + Práctica).

20 + 40

3.2.2 Formulación estratégica a través del BI

(Teoría + Práctica).

3.2.3 Formulación estratégica a través del BD

(Teoría + Práctica).

3.2.4 Implantación estratégica

(Teoría + Práctica).

3.2.5 Soluciones empresariales

(Teoría + Práctica).

3.2.6 Caso práctico

(Teoría + Práctica).

3.3

Tecnología Big Data en el ámbito empresarial

3.3.1 Big Data orientado al cliente

(Teoría + Práctica).

20 + 40

3.3.2 Big data orientado a la predicción

(Teoría + Práctica).

3.3.3 Elección de datos relevantes para mi empresa y optimización

(Teoría + Práctica).

3.3.4 Detección de variables relevantes no estudiadas

(Teoría + Práctica).

3.3.5 Big Data aplicado a las finanzas

(Teoría + Práctica).

3.3.6 Big Data para la detección tendencias y de oportunidades

(Teoría + Práctica).

HORAS MÓDULO

180

MÓDULO 4: Aplicación Práctica

4.1

Trabajo Final Máster

Práctica

120

HORAS MÓDULO

120

TOTAL HORAS CURSO

600