Màster en Formació Permanent Intel·ligència de Negoci i Big Data Analytics

El màster en Intel·ligència de Negoci i Big Data Analytics es dirigeix a dos perfils professionals diferenciats:

• D'una banda, un perfil funcional i empresarial interessat a adquirir o completar la seva formació en mètodes, tècniques i eines d'anàlisis i mineria de dades i en la utilització de tecnologies d'intel·ligència de negoci, a nivell d'usuari avançat. Així com de conèixer eines i marc de referència que habiliten la transformació cap a una organització orientada a dades.

• I d'una altra, un perfil tècnic interessat a adquirir formació en l'ús dels sistemes big data, que inclou el disseny de sistemes de data lakes i processament de dades en batch i en streaming. Així com en l’ús de bases de dades analítiques i NoSQL.

Per a atendre a les necessitats de cada perfil, el màster s'ha estructurat en especialitats, de manera que l'estudiant pot triar entre dos itineraris segons els seus interessos:

• Itinerari d'Anàlisi de dades: E1 Analítica de Dades + E2 Estratègia de Dades + E4 Casos d'Usos Analítics + TFM

• Itinerari de Big Data: E1 Analítica de Dades + E3 Arquitectura de Dades + E5 Big data + TFM

Especialitats i assignatures

E1. Analítica de Dades (Data Analytics)

Aquesta especialitat es dirigeix a introduir l'estudiant en els conceptes, mètodes, tècniques i eines que utilitzen els sistemes d'intel·ligència de negoci, big data i ciència de dades, amb casos pràctics i l'ús de programari especialitzat.

Es compon de les assignatures següents:

• Fonaments d'intel·ligència de negoci (6 crèdits): en aquesta assignatura l'estudiant es familiaritza amb un sistema complet d'intel·ligència de negoci (la «fàbrica d'informació») i amb els diferents components: el magatzem de dades, els processos d'extracció i transformació, la creació del magatzem de dades, l'anàlisi multidimensional i la realització d'informes i quadres de comandament. L'estudiant treballa amb diferents eines (Pentaho, MySQL, Tableau) i sobre bases de coneixement de la consultora Gartner.

• Fonaments del big data (6 crèdits): en aquesta assignatura l'estudiant treballa el que alguns han anomenat la «gestió extrema de la informació», és a dir, la transformació de l'enorme volum de dades ocult a l'interior de la mateixa organització o present al voltant seu, els diferents tipus de dades i informació i la seva aplicació en l'empresa. S'hi estudia el cicle de vida de la gestió de dades massives i els aspectes tecnològics, legals i ètics. L'estudiant treballa amb universos de dades pròpies de la universitat, cedits per empreses o procedents de les xarxes socials, a través d'eines com Apache Hadoop i Apache Spark.

• Fonaments de data science (6 crèdits): l'assignatura presenta els conceptes i tipologia d'anàlisi de diferents tipus de dades, els models i algoritmes d'ús més freqüent de classificació i agrupació i les metodologies i estàndards professionals i científics que es fan servir en analítica de negoci i la ciència de dades aplicada. En aquesta assignatura l'estudiant treballa principalment amb R i Rstudio, encara que es poden fer exercicis amb altres eines.

E2. Estratègia de Dades

Aquesta especialitat es dirigeix a proporcionar al professional de perfil més empresarial capacitats pràctiques per gestionar les dades com a actiu de valor per mitjà del govern de dades, així com per iniciar i liderar la transformació cap a una organització orientada a dades.

Es compon de les assignatures següents:

• Data governance (6 crèdits): en aquesta assignatura, l'estudiant es familiaritza amb el govern de dades, una pràctica que uneix persones, processos i tecnologia per canviar la forma en què les dades són adquirides, gestionades, mantingudes, transformades en informació, compartides en el context de l'organització com a coneixement comú i sistemàticament obtingudes per l'empresa per millorar la rendibilitat. L'estudiant treballa amb eines ofimàtiques (DOC, XLS, PPT) i amb eines especialitzades per al desenvolupament d'un programa de govern de dades (Trifacta, Collibra).

• Estratègia i cultura analítica (6 crèdits): en aquesta assignatura, l'estudiant es familiaritza amb el concepte d’organització orientada a dades, i com liderar, iniciar i gestionar aquesta transformació organitzacional i cultural. Al llarg de l’assignatura l’estudiant treballar amb diferents marcs de referència que permeten avaluar la situació actual de l’organització, la seva maduresa, les seves capacitats i dissenyar un full de ruta estratègic.

E3. Arquitectura de Dades

Aquesta especialitat es dirigeix a proporcionar al professional de perfil tecnològic capacitats pràctiques per gestionar i emmagatzemar dades relacionals (mitjançant bases de dades data warehouse) i no relacionals (mitjançant bases de dades NoSQL).

Es compon de les assignatures següents:

• Bases de dades analítiques (6 crèdits): en aquesta assignatura s'aprèn a crear un magatzem de dades adequat que ofereixi suport en la presa de decisions de l'organització. Es presenta a nivell conceptual l'arquitectura d'emmagatzematge (data warehousing) i es donen pautes per a la construcció d'aquest tipus de sistemes. La posada en pràctica es duu a terme mitjançant la resolució d'un cas pràctic extens per al qual s'utilitzen diferents eines especialitzades (Pentaho, Microsoft, Oracle i/o PostgreSQL).

• Bases de dades NoSQL (6 crèdits): les bases de dades NoSQL constitueixen una alternativa a les bases de dades relacionals i són especialment idònies per a certs dominis d'aplicació: dominis que treballen amb grans volums de dades, dominis on es requereixi una alta distribució i/o disponibilitat, dominis que treballen amb dades poc estructurades i dominis en què s'estableixen múltiples i complexes interrelacions entre les dades. En aquesta assignatura es presenten els principis i conceptes d'aquest tipus de bases de dades, els models de dades subjacents i els problemes que presenta la distribució en l'emmagatzematge i gestió de les dades. Es treballen diferents tipus de bases de dades NoSQL (clau-valor, documents, orientades a columnes i grafs) amb eines com Riak, MongoDB o Neo4j.

E4. Anàlisi de Negoci

Aquesta especialitat es dirigeix a proporcionar al professional de perfil més empresarial casos pràctics d'ús de la intel·ligència de negoci tant en l'estratègia d'empresa com en la gestió operativa dels processos de negoci més importants: màrqueting i vendes, operacions i logística, recursos humans, etc.

Es compon de les assignatures següents:

• Customer analytics (6 crèdits): en aquesta assignatura, l'estudiant estudia l'ús d'eines d'intel·ligència de negoci (business intelligence) i analítica de negoci en una de les àrees més desenvolupades i de més impacte. S'hi analitzen els conceptes i les bones pràctiques de recerca de mercat, gestió de les vendes i les relacions amb els clients, i anàlisi i predicció del comportament dels clients (customer analytics).

• Operations analytics (6 crèdits): s'hi treballen els usos de la intel·ligència de negoci (business intelligence) i l'analítica de negoci en la cadena de subministrament (aprovisionament, producció, gestió de magatzems, transport i distribució al punt de venda) i les noves aplicacions vinculades a la internet de les coses (IoT) i els sistemes d'informació geogràfica.

• People Analytics (6 crèdits): l'analítica de recursos humans (HR analytics), també anomenada people analytics, és l'aplicació de tècniques sofisticades de mineria de dades i analítica de negoci (business analytics) a les dades de recursos humans. Mitjançant un cas pràctic, l'estudiant veurà com es poden aplicar aquestes tècniques per a una gestió estratègica eficaç dels recursos humans, de manera que els objectius de negoci es puguin complir d'una manera ràpida i eficient, amb l'obtenció d'un rendiment òptim sobre el capital humà.

Durant el curs, l'estudiant treballa amb eines ofimàtiques (XLS, PPT), estadístiques (R), de creació de quadres de comandament i anàlisi (Tableau) i de MLaaS (Machine Learning as a Service) (BigML).

E5. Big Data

Aquesta especialitat es dirigeix a proporcionar al professional de perfil tecnològic capacitats pràctiques per a dissenyar i implementar sistemes de dades massives o big data (batch processing, data lakes) que siguin compatibles amb les diferents necessitats analítiques d'una organització (diferides, en temps real, multipropòsit, orientades a l'aprenentatge automàtic -machine learning-).

Es compon de les assignatures següents:

• Data lakes (6 crèdits): en aquesta assignatura s'aprèn a crear un llac de dades (data lake) que complementa la factoria d'informació organitzativa. Es presenta conceptualment l'arquitectura d'un llac de dades i es donen pautes per a construir aquesta mena de sistemes. La posada en pràctica es duu a terme mitjançant la resolució d'un cas pràctic extens per al qual s'utilitzen diferents eines especialitzades.

• Tecnologies de batch processing (6 crèdits): en els projectes de dades massives (big data), un dels casos d'ús principals és l'emmagatzematge, el processament i l'anàlisi de grans volums de dades en llargs períodes de temps. En aquesta assignatura es presenten les tecnologies de processament per lots (batch processing) que responen a aquesta necessitat. Es dona a conèixer aquestes tecnologies de manera conceptual i pràctica mitjançant la resolució d'un cas pràctic extens per al qual s'utilitzen diferents eines especialitzades.

• Tecnologies de stream processing (6 crèdits): en els projectes de dades massives (big data), un dels casos d'ús principals és treballar amb dades en temps real. En aquesta assignatura es presenten les tecnologies de processament per fluxos (stream processing) que responen a aquesta necessitat. Mitjançant la resolució d'un cas pràctic es donen a conèixer aquestes tecnologies de manera teòrica i pràctica.

Durant el curs, l'estudiant treballa amb eines especialitzades com Cloudera, així com amb els frameworks de processament Apache Flink, Apache Spark i/o Storm. La universitat compta amb un ecosistema de dades propi per a realitzar les activitats pràctiques.

Treball final de màster (TFM)

El màster es completa amb un treball final de màster (TFM) que té un valor de 12 crèdits. El TFM es pot desenvolupar en tres modalitats:

1. Triar entre una sèrie de temes proposats per l'equip docent, els quals cobreixen els blocs temàtics principals de l'àmbit d'intel·ligència de negoci, big data i anàlisi de dades.

2. Triar entre un conjunt de temes suggerits per empreses, que cobreixen els blocs temàtics centrals de l'àmbit de la intel·ligència de negoci, big data i anàlisi de dades.

3. Plantejar un projecte propi que cobreixi els interessos de l'estudiant i que pugui desenvolupar-se en la seva empresa.