Master en Business Intelligence y Data Science

Módulo 1. Introducción al Big Data: Nivel de madurez de una organización

• Fundamentos de business intelligence
• Big data vs business intelligence
• Cómo desarrollar un buen proyecto de Big Data

Módulo 2. Proceso de ETL. Del Dato a la Información

• Captura y almacenamiento del dato
• Análisis clave y aplicación de algoritmos
• Introducción a la visualización de datos

Módulo 3. Customer Analytics

• Estrategia customer centric
• Segmentación de clientes
• Gestión del valor del cliente

Módulo 4. Efectividad de campañas de marketing

• Programas de fidelización
• Email, SMS, postal marketing
• Web & mobile analytics

Módulo 5. Business Intelligence

• Introducción a la gestión de proyectos BI
• Implementación de proyectos BI
• Power BI

Módulo 6. Analítica financiera

• Conceptos financieros y gestión de riesgos
• BI: Diagnóstico financiero
• BI: Prevención del fraude

Módulo 7. Visualización de datos

• Modelos de visualización e importancia de los indicadores
• Metodología de diseño con el foco del cliente
• Implementación de Dashboard

Módulo 8. Estrategia de negocio hacia el dato

• Fundamentos y Proceso de Dirección estratégica
• De la ventaja competitiva a la ventaja analítica
• Gestión de proyectos de Transformación Digital

Módulo 9. Conceptos básico de matemáticas y estadística

• Matemática analítica
• Estadística descriptiva
• Estadística inferencial

Módulo 10. Introducción a los lenguajes de programación

• Introducción a Python
• Introducción a R
• Configuración de ambientes de desarrollo

Módulo 11. Big Data: Captura del dato

• El dato y cómo capturarlo
• Del data like al data wharehouse
• Procesamiento paralelo bajo arquitectura hadoop. MapReduce.

Módulo 12. Big Data: Almacenamiento

• Sistemas SQL
• Sistemas No SQL y mixtos
• Sistemas de almacenamiento Cloud

Módulo 13. Protección del dato

• Privacidad del dato
• Protección del dato
• La disociación y anonimización de datos

Módulo 14. Análisis predictivo con Machine Learning

• Introducción al Machine Learning.
• Aprendizaje supervisado
• Aprendizaje no supervisado

Módulo 15. Análisis predictivo con Deep Learning

• Introducción a las Redes Neuronales
• Herramientas Open Source
• Redes convolucionales y recurrentes

Módulo 16. Otras acciones de análisis sobre el dato

• Sistemas de recomendación
• Procesamiento del lenguaje natural
• Análisis de sentimiento

Proyecto de Fin de Master

*El temario y las masterclass podrán sufrir modificaciones motivadas por la actualización y mejora de los mismos.