Máster de Inteligencia de Negocio y Big Data

Especialidades y asignaturas

E1. Fundamentos de inteligencia de negocio y big data (15 créditos).

Esta especialidad está dirigida a introducir al estudiante en los conceptos, métodos, técnicas y herramientas que utilizan los sistemas de inteligencia de negocio y análisis de datos, a través de casos prácticos y el uso de software especializado. Esta especialidad es obligatoria en todos los itinerarios del máster.

Se compone de las siguientes asignaturas:

• A1. Fundamentos de inteligencia de negocio (4 créditos)

  En esta asignatura el estudiante se familiariza con un sistema completo de inteligencia de negocio (la "fábrica de información") y con sus diferentes componentes: el almacén de datos, los procesos de extracción y transformación, el análisis multidimensional y la realización de informes y cuadros de mando.

  La asignatura proporciona también una información y formación práctica sobre el mercado, las tendencias y los fabricantes de sistemas de información de BI.

  El estudiante trabaja con herramientas Pentaho (Enterprise Edition) y MySQL en una plataforma virtual en la nube y con las bases de conocimiento de la consultora Gartner y otras empresas de prospectiva.

• A2. Gestión de proyectos de BI (4 créditos)

  En esta asignatura el estudiante se familiariza a través de un caso práctico y de contenidos teóricos con el modelo internacional de referencia en gestión de proyectos (PMBoK) y con los métodos específicos de producción de proyectos de inteligencia de negocio.

  El estudiante trabaja con herramientas de gestión de proyectos (MSProject y equivalentes) y con herramientas de ofimática (tipo XLS y PPT).

• A3. Fundamentos y usos del big data (3,5 créditos)

  En esta asignatura el estudiante trabaja lo que algunos han llamado la "gestión extrema de la información", es decir, la transformación del enorme volumen de datos oculto en el interior de la propia organización o presente a su alrededor, los diferentes tipos de datos e información y su aplicación en la empresa. Se estudia el ciclo de vida de la gestión de datos masivos y los aspectos tecnológicos, legales y éticos.

  El estudiante trabaja con universos de datos propios de la universidad, cedidos por empresas o procedentes de las redes sociales, a través de herramientas como Google Analytics, R y Hadoop, a nivel de usuario.

• A4. Pensamiento analítico en la empresa (3,5 créditos)

  El pensamiento analítico representa un cambio en la manera de tomar decisiones y en la cultura de la empresa. En esta asignatura se trabajan las herramientas, el vocabulario y las metodologías básicas para analizar una situación de negocio y de forma sistemática traducirlo en un proyecto de datos.

  Actúa también como asignatura niveladora para estudiantes que no han recibido anteriormente una formación sobre la arquitectura y componentes de los sistemas de información de empresa (ERP, CRM, SCM, etc.)

E2. Análisis y minería de datos (12 créditos)

Esta especialidad está dirigida a proporcionar al profesional de perfil empresarial y tecnológico capacidades prácticas de análisis de datos y de manejo de herramientas, dentro del marco científico de data science aplicado a los negocios y las organizaciones.

• A5. Minería de datos (4 créditos)

  En esta asignatura el estudiante trabaja con modelos teóricos, casos prácticos y herramientas estadísticas los procesos de definición de problemas, preparación de datos y exploración, así como los principales conceptos de la estadística clásica: correlaciones, regresiones lineales, reducción de la dimensionalidad, etc.

  El estudiante recibe una formación y práctica sólidas en la utilización de la herramienta R, un estándar de facto del mercado.

• A6. Business analytics: modelos y algoritmos (4 créditos)

  La asignatura presenta los conceptos y tipología de análisis de diferentes tipos de datos, los modelos y algoritmos de uso más frecuente de clasificación y agrupación y las metodologías y estándares profesionales y científicos que se usan en analítica de negocio.

  En esta asignatura el estudiante trabaja principalmente con R, aunque pueden realizarse ejercicios con otras herramientas (Excel, QlikView¿)

• A7. Fundamentos de data science: nuevas tendencias en minería de datos (4 créditos)

  En esta asignatura, el estudiante se introduce en las nuevas tendencias de analítica de negocio con diferentes fuentes de información: minería web, minería de texto, exploración de opiniones y sentimientos, análisis de redes sociales. Asimismo, se presentan principios, casos y herramientas de visualización gráfica.

  El estudiante trabaja sobre casos prácticos de uso con diferentes herramientas, tales como Google Analytics, XLS, R, QlikView, Tableau y D3.js.

E5. Usos de la inteligencia de negocio en la empresa (12 créditos)

Esta especialidad está dirigida a proporcionar al profesional de perfil más empresarial casos prácticos de uso de la inteligencia de negocio tanto en la estrategia de empresa como en la gestión operativa de los procesos de negocio más importantes: gestión económico-financiera, marketing y ventas, operaciones y logística, etc.

Esta especialidad forma parte del itinerario de análisis de datos del máster.

• A8. Sistemas de soporte a la decisión (3 créditos)

  En esta asignatura, el estudiante se familiariza con la construcción y el uso de sistemas de reporting y cuadros de mando, tanto desde el punto de vista estratégico como operativo, así como de los marcos conceptuales en que se basan. Se estudian el modelo de "cuadro de mando integral" (balanced scorecard) y otros sistemas de inteligencia competitiva.

  La asignatura incluye un caso extenso de construcción de un cuadro de mando a partir de un almacén de datos (data warehouse) desarrollado.

  El estudiante trabaja con herramientas ofimáticas (XLS, PPT) y con una herramienta dedicada, en este casoQlikView.

• A9. Gestión económico-financiera: casos de negocio (3 créditos)

  En esta asignatura, a través de casos prácticos, se analiza el uso de sistemas de inteligencia analítica en los procesos de gestión y seguimiento presupuestario, gestión de tesorería y finanzas estratégicas y operativas, en diferentes sectores económicos.

  El estudiante trabaja con herramientas ofimáticas (XLS, PPT) y con herramientas de reporting como QlikView y Tableau.

• A10. Marketing y ventas: casos de negocio (3 créditos)

  En esta asignatura, el estudiante estudia el empleo de herramientas de business intelligence en una de las áreas en las que el uso de la inteligencia de negocio está más desarrollado y es más prometedor. Se analizan los conceptos y buenas prácticas de investigación de mercado, gestión de las ventas y las relaciones con los clientes y análisis y predicción del comportamiento de los clientes (customer analytics).

  El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), de reporting (QlikView) y de análisis (Tableau).

• A11. Operaciones y logística: casos de negocio (3 créditos)

  Se trabajan los usos del BI en la cadena de suministro (aprovisionamiento, producción, gestión de almacenes, transporte y distribución al punto de venta) y las nuevas aplicaciones vinculadas a la internet de las cosas (IoT) y los sistemas de información geográfica.

  El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), de reporting y análisis (QlikView o Tableau), así como ejercicios que integran sistemas de información geográfica de código abierto.

E6. Ciencia de los datos (data science) (12 créditos)

El objetivo de esta especialidad es formar expertos en modelos, métodos y herramientas avanzadas de análisis de datos. Se puede considerar una ampliación y profundización de la especialidad de Análisis y minería de datos (E2) y forma parte del itinerario de análisis de datos del máster.

• A12. Recogida y preparación de datos (4 créditos)

  En esta asignatura se trabajan en profundidad los métodos y técnicas de diseño experimental, recogida y preparación de datos, tanto en métodos cuantitativos (encuestas, etc.) como cualitativos (delphi, focus groups,entrevistas y cuestionarios).

  Se trabaja con herramientas de programación (Python), estadística avanzada (R) e investigación científica (Atlas.ti, N-Vivo).

• A12. Modelos avanzados de clasificación, relación y predicción (4 créditos)

  A partir del trabajo desarrollado en la especialidad de Análisis y minería de datos (E2), es estudiante profundiza en modelos y técnicas más avanzados de relación de variables y agrupación de observación, cadenas de Markov y relación de observaciones y técnicas avanzadas de simulación y predicción.

  Se adquieren estas capacidades a través de casos prácticos de aplicación en la empresa (investigación en la web, redes sociales, grafos, tablas, textos¿) y con el empleo de herramientas de programación (Python) y estadística (R).

• A13. Visualización de datos (4 créditos)

  Esta asignatura cierra el ciclo de profundización en métodos y técnicas de analítica de negocio y data science, con la presentación de las tendencias más actuales en visualización de información: gestión de hojas y tablas de datos, composición de informes e identificación de relaciones mediante gráficos, periodismo de datos (storytelling)¿

  Se trabaja con herramientas de programación (Python), estadística avanzada (R) y herramientas de visualización (Gephi, D3.js, Tableau).

E3. Sistemas de información de inteligencia de negocio (data warehouse) (12 créditos)

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más habituales, es decir, los que se basan en el uso de bases de datos relacionales para la construcción de un almacén de datos o data warehouse.

Esta especialidad forma parte del itinerario de sistemas de información del máster.

• A14. Diseño y construcción del almacén de datos (4 créditos)

  En esta asignatura el estudiante aprende a crear un almacén de datos en el que se organiza la información, que luego se explota con diferentes herramientas para analizar la información y dar soporte a la toma de decisiones. Se presentan los diferentes componentes de la factoría de información corporativa y las técnicas para su diseño y construcción, carga de datos y diseño multidimensional.

  Se trabaja con un caso práctico extenso y con diferentes herramientas de Microsoft o Pentaho, sobre bases de datos Oracle o PostgreSQL.

• A15. Bases de datos para data warehouse (4 créditos)

  Esta asignatura tiene por objeto adquirir conceptos, procedimientos y buenas prácticas para la creación y gestión de las bases de datos relacionales que dan soporte a la construcción del almacén de datos. Incluye aspectos de diseño lógico y físico y las nuevas bases de datos orientadas a columnas.

  Se trabaja con una base de datos relacional tipo PostgreSQL y una base de datos orientada a columnas (MonetDB o Vertica).

• A16. Explotación y administración de sistemas de data warehouse (4 créditos)

  Esta asignatura se centra en la explotación de datos de un sistema de inteligencia de negocio para almacén de datos y las diferentes maneras de extraer y presentar la información. Incluye también un ejercicio de análisis de viabilidad de la inversión en un sistema de almacén de datos.

  Se trabaja con la misma familia de herramientas: Microsoft o Pentaho para el almacén de datos y Oracle oPostgreSQL como bases de datos.

E4. Big data y sistemas NoSQL

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más nuevos, basados en la captura, procesamiento y gestión de datos masivos, de diferentes procedencias y tipología.

Esta especialidad forma parte del itinerario de sistemas de información del máster.

• A17. Gestión de big data: datos y usos (4 créditos)

  En esta asignatura se profundiza en los conceptos que se introdujeron en la primera especialidad (E1. Fundamentos de inteligencia de negocio y big data). Se presentan los cambios relevantes en el tipo de computación, los ecosistemas de procesamiento distribuido y los modelos de análisis y visualización más frecuentes.

  Se trabaja principalmente con el entorno Hadoop, sobre máquinas virtuales accesibles desde el aula. La universidad cuenta con un universo de datos propio con decenas de millones de registros.

• A18. Gestión de big data: tecnologías (4 créditos)

  En esta asignatura se presentan los nuevos escenarios del espacio de big data: la internet de las cosas, inteligencia geográfica, analítica social, datos abiertos¿ y las tecnologías no cubiertas en otras asignaturas, como stream, in-memory, time series¿ Así como los sistemas de indexación y búsqueda distribuida.

  Por las características de la asignatura se trabaja con diferentes herramientas que se actualizan continuamente y pueden cambiar en cada edición: R, GeoBI, Python, VoltDB¿

• A19. Bases de datos NoSQL (4 créditos)

  Las bases de datos NoSQL constituyen una alternativa a las bases de datos relacionales y son especialmente idóneas para ciertos dominios de aplicación, por razones de volumen, tipología o complejidad. En esta asignatura se presentan los principios y conceptos de este tipo de bases de datos, los modelos de datos y su distribución. Se trabajan diferentes tipos de bases de datos NoSQL (clave valor, documentos, grafos) con herramientas como Riak, MongoDB o Neo4j.

Trabajo final de máster (TFM).

El máster se completa con un trabajo final, y tiene un valor de 9 créditos. El trabajo final se puede realizar en dos modalidades:

• Elegir entre una serie de temas propuestos por el equipo docente, que cubren los componentes o bloques temáticos principales del ámbito de inteligencia de negocio y análisis de datos.
• Proponer un proyecto propio de interés del estudiante que puede realizar en su empresa.

(Consulte el temario completo en el centro).