Business Intelligence y Big Data

MÓDULO 1. Conceptos básicos de Business Intelligence

En este módulo se hará una presentación de Business Intelligence que servirá para tener nociones básicas y ayudar a entender el contenido de los módulos siguientes.

1.1. Introducción.

1.2. Definición:

1.2.1. Definición según Wikipedia.

1.2.2. Definición según Sun MicroSystems.

1.2.3. Definición según Jay Liebowitz.

1.2.4. Definición según Gartner Group.

1.3. Antecedentes.

1.4. Capacidades básicas:

1.4.1. Enable:

1.4.1.1. EnableBusiness User Data Mashup and Modeling.

1.4.1.2. Internal Platform Integration.

1.4.1.3. BI Platform Administration.

1.4.1.4. Metadata Management.

1.4.1.5. Cloud Deployement.

1.4.1.6. Development and Integration.

1.4.2. Produce:

1.4.2.1. Free-Form Interactive Exploration.

1.4.2.2. Analytic Dashboards and Content.

1.4.2.3. IT-Developed Reporting and Dashboards.

1.4.2.4. Traditional Styles of Analysis.

1.4.3. Consume:

1.4.3.1. Mobile.

1.4.3.2. Collaboration and Social Integration.

1.4.3.3. Embedded BI.

1.5. Quién necesita BI:

1.5.1. Nivel estratégico.

1.5.2. Nivel táctico.

1.5.3. Nivel operativo.

1.6. ¿Por qué se necesita?

1.6.1. Necesidades básicas.

1.6.2. Necesidades avanzadas.

1.7. Indicadores KPI.

1.8. Cuadros de mando:

1.8.1. Cuadros de mando integrales.

1.8.2. Sistemas de Soporte de Decisión.

MÓDULO 2. Funcionamiento de Business Intelligence

En este módulo se expone el funcionamiento de un sistema Business Intelligence.

2.1. Introducción.

2.2. Fuentes de datos:

2.2.1. Tipos de fuentes de datos:

2.2.1.1. Fuentes de datos estructuradas.

2.2.1.2. Fuentes de datos no estructuradas.

2.2.2. Calidad del dato:

2.2.2.1. Proceso.

2.2.2.2. Características.

2.2.2.3. Consecuencias.

2.2.3. Modelo de datos relacional:

2.2.3.1. Esquemas de modelos de datos relacionales.

2.2.3.2. Modelo ACID.

2.3. Extracción de datos:

2.3.1. Extracción.

2.3.2. Limpieza.

2.3.3. Transformación.

2.3.4. Integración.

2.3.5. Actualización.

2.4. DataWarehouse:

2.4.1. DataMart.

2.4.2. Metadatos.

2.5. Sistema de visualización:

2.5.1. OLAP:

2.5.1.1. Características.

2.5.1.2. Representación.

2.5.1.3. Tipos de sistemas OLAP.

MÓDULO 3. Implantación de Business Intelligence

En este módulo se expone la metodología para la implantación de un sistema Business Intelligence. Se mostrarán las etapas generales de la gestión de un proyecto para, posteriormente, particularizar en las de un proyecto BI.

3.1. Introducción.

3.2. Gestión de proyectos:

3.2.1. Pre-proyecto.

3.2.2. Proyecto:

3.2.2.1. Diseño y planificación.

3.2.2.2. Desarrollo.

3.2.2.3. Implantación.

3.2.3. Post-proyecto.

3.3. Proyecto Business Intelligence:

3.3.1. Inicio de un proyecto de Business Intelligence.

3.3.2. Planificación de un proyecto de Business Intelligence:

3.3.2.1. Por qué implementar un sistema Business Intelligence.

3.3.2.2. Qué ha de contemplar un sistema Business Intelligence.

3.3.2.3. Quién participa en el proyecto Business Intelligence.

3.3.2.4. Cómo se realizará cada tarea del proyecto Business Intelligence.

3.3.2.5. Cuánto costará el proyecto Business Intelligence.

3.3.2.6. Cuándo se realizará cada tarea del proyecto Business Intelligence.

3.3.3. Análisis del proyecto Business Intelligence:

3.3.3.1. Definición de requerimientos Business Intelligence.

3.3.3.2. Prototipos.

3.3.3.3. Análisis de Metadata en Business Intelligence.

3.3.4. Diseño de Business Intelligence:

3.3.4.1. Diseño de la base de datos.

3.3.4.2. Diseño de ETL.

3.3.4.3. Diseño del Metadata.

3.3.5. Desarrollo de Business Intelligence:

3.3.5.1. Desarrollo de ETL.

3.3.5.2. Desarrollo de la aplicación.

3.3.5.3. Desarrollo de Data Mining.

3.3.5.4. Desarrollo de Metadata.

3.3.6. Implementación de Business Intelligence:

3.3.6.1. Implementación de Business Intelligence.

3.3.6.2. Evaluación del proyecto de Business Intelligence.

MÓDULO 4. Herramientas Business Intelligence

En este módulo se exponen los principales productos del mercado que ofrecen herramientas para la implantación de un sistema BI.

4.1. Introducción.

4.2. Estudios de mercado:

4.2.1. Forrester:

4.2.1.1. Productos.

4.2.1.2. Análisis.

4.2.2. BI Scorecard:

4.2.2.1. Productos.

4.2.2.2. Análisis.

4.2.3. Gartner Group:

4.2.3.1. Productos.

4.2.3.2. Análisis.

4.2.3.3. Cuadrantes.

4.2.3.4. Características de cada producto.

4.3. Selección y contratación.

MÓDULO 5. Conceptos básicos de Big Data

En este módulo se presentan los fundamentos del Big Data, qué significa el término, su origen y las razones principales de su existencia.

5.1. Introducción.

5.2. Definición:

5.2.1. Definición Wikipedia.

5.2.2. Definición Gartner.

5.2.3. Definición de McKinsey Global Institute.

5.2.4. Definición de IDC.

5.2.5. Definición de Deloitte.

5.2.6. Conclusiones.

5.3. Origen:

5.3.1. Caso Mattew Fontaine.

5.3.2. Caso Amazon.

5.3.3. Caso Virus de la Gripe.

5.3.4. Conclusión.

5.4. Situación actual.

5.5. Fuentes de datos:

5.5.1. Web y medios sociales.

5.5.2. Máquina a máquina:

5.5.2.1. Datos de sensores.

5.5.2.2. IoT (internet de las cosas).

5.5.3. Datos transaccionales.

5.5.4. Biometría.

5.5.5. Datos generados por los humanos.

5.6. Conclusiones.

MÓDULO 6. Aplicaciones de Big Data

En este módulo se presentan las principales áreas de aplicación de Big Data.

6.1. Introducción.

6.2. Áreas de aplicación de Big Data:

6.2.1. Diseño.

6.2.2. Toma de decisiones.

6.2.3. Investigación.

6.2.4. Repositorios.

6.3. Integración en la empresa:

6.3.1. Cambios organizativos.

6.3.2. Analítica social.

6.4. Cómo se están usando los datos masivos.

6.5. Uso de los datos personales:

6.5.1. Efectos en la privacidad.

6.5.2. Políticas de privacidad.

6.5.3. Anonimato de los datos.

6.5.4. Aplicaciones predictivas.

6.6. Casos de éxito.

6.7. Aplicaciones Google.

MÓDULO 7. Funcionamiento de Big Data

En este módulo se expone el funcionamiento de Big Data, que ha requerido diseñar y desarrollar nuevos sistemas de hardware y software para poder acceder a grandes cantidades de datos.

7.1. Introducción.

7.2. Las 4 VS:

7.2.1. Volumen.

7.2.2. Velocidad:

7.2.2.1. Alta frecuencia.

7.2.2.2. Resultados procedentes de ingentes volúmenes de datos.

7.2.2.3. Datos desestructurados.

7.2.3. Variedad.

7.2.4. Veracidad.

7.3. Precisión vs imprecisión:

7.3.1. Aleatoriedad.

7.3.2. Imprecisión.

7.4. Criterios utilizados: qué vs por qué.

7.5. Correlaciones.

7.6. Desechos de datos.

7.7. Cuestiones críticas.

7.8. Conclusión:

7.8.1. Dimensiones.

7.8.2. Precisión vs imprecisión.

7.8.3. Qué vs por qué.

7.8.4. Desecho de datos.

7.8.5. Cuestiones críticas.

MÓDULO 8. Herramientas disponibles para Big Data

En este módulo se exponen las principales herramientas disponibles para Big Data.

8.1. Introducción.

8.2. Big Data vs BI.

8.3. Infraestructuras actuales: centros de datos.

8.4. Técnicas aplicadas:

8.4.1. Bases de datos tradicionales.

8.4.2. Bases de datos NoSQL.

8.4.3. Bases de datos “En Memoria”.

8.4.4. Teorema de CAP.

8.4.5. Map Reduce.

8.4.6. Herramientas NoSQL.

8.4.7. Hadoop.

8.4.8. Herramientas de programación.

8.5. Plataformas Big Data.

8.6. Conclusión.

MÓDULO 9. Repositorios de información Big Data

En este módulo se exponen las fuentes utilizadas para obtener la información que analizará Big Data.

9.1. Introducción.

9.2. Dónde obtener fuentes de datos:

9.2.1. Criterios de fiabilidad.

9.2.2. Origen de los datos.

9.2.3. Casos de estudio.

9.3. Open Data:

9.3.1. Historia.

9.3.2. Portales de Open Data:

9.3.2.1. Datos ofrecidos por instituciones públicas.

9.3.2.2. Datos ofrecidos por instituciones privadas.

9.3.2.3. Herramientas para Open Data.

9.4. Tendencias:

9.4.1. Eventos.

9.4.2. Iniciativas.

9.4.3. Bases de datos ocultas.

9.5. Conclusión.

MÓDULO 10. Metodología de implantación de Big Data

En este módulo se expone la metodología a seguir para implantar un proyecto Big Data en una empresa.

10.1. Introducción.

10.2. Sistemas de trabajo:

10.2.1. Perspectiva.

10.2.2. Apreciación.

10.2.3. Iniciativas.

10.2.4. Integración.

10.3. Metodología:

10.3.1. Análisis.

10.3.2. Diseño.

10.3.3. Desarrollo.

10.3.4. Implementación.

10.3.5. Operación.

10.3.6. Evaluación.

10.3.7. Mejora.

10.4. Recomendaciones IBM:

10.4.1. Etapas.

10.4.2. Oportunidades.

10.4.3. Acciones.

10.4.4. Documentos.

10.4.5. Lecciones aprendidas.

10.4.6. Recomendación final.

10.5. Conclusiones.