Máster de formación permanente de Inteligencia de Negocio y Big Data Analytics

Especialidades y asignaturas

• Analítica de Datos (E1, parte común): esta especialidad se dirige a introducir al estudiante en los conceptos, métodos, técnicas y herramientas que utilizan los sistemas de inteligencia de negocio, big data y ciencia de datos, con casos prácticos y el uso de software especializado.

  • Fundamentos de inteligencia de negocio (6 créditos): en esta asignatura el estudiante se familiariza con un sistema completo de inteligencia de negocio (la "fábrica de información") y con los diferentes componentes: el almacén de datos, los procesos de extracción y transformación, la creación del almacén de datos, el análisis multidimensional y la realización de informes y cuadros de mando. El estudiante trabaja con diferentes herramientas (Pentaho, MySQL, Tableau) y sobre bases de conocimiento de la consultora Gartner.

  • Fundamentos del big data (6 créditos): en esta asignatura el estudiante trabaja lo que algunos han denominado 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 alrededor suyo, 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 Apache Hadoop y Apache Spark.
  • Fundamentos de data science (6 créditos): la asignatura presenta los conceptos y la 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 y la ciencia de datos aplicada. En esta asignatura el estudiante trabaja principalmente con R y RStudio, aunque pueden hacerse ejercicios con otras herramientas.
• Estrategia de Datos (E2, Itinerario de Análisis de Datos) : esta especialidad se dirige a proporcionar al profesional de perfil más empresarial capacidades prácticas para gestionar los datos como activo de valor por medio del gobierno de datos, así como para iniciar y liderar la transformación hacia una organización orientada a datos.

  • Data governance (6 créditos): en esta asignatura, el estudiante se familiariza con el gobierno de datos, una práctica que une a personas, procesos y tecnología para cambiar la forma en la que los datos son adquiridos, gestionados, mantenidos, transformados en información, compartidos en el contexto de la organización como conocimiento común y sistemáticamente obtenidos por la empresa para mejorar su rentabilidad. El estudiante trabaja con herramientas ofimáticas (DOC, XLS, PPT) y con herramientas especializadas para el desarrollo de un programa de gobierno de datos (Trifacta, Collibra).

  • Estrategia y cultura analítica (6 créditos): en esta asignatura, el estudiante se familiariza con el concepto de organización orientada a datos, y cómo liderar, iniciar y gestionar esta transformación organizacional y cultural. A lo largo de la asignatura el estudiante trabajará con diferentes marcos de referencia que permiten evaluar la situación actual de la organización, su madurez, sus capacidades y diseñar una hoja de ruta estratégica.
• Arquitectura de Datos (E3, Itinerario de Big Data): esta especialidad se dirige a proporcionar al profesional de perfil tecnológico capacidades prácticas para gestionar y almacenar datos relacionales (mediante bases de datos data warehouse) y no relacionales (mediante bases de datos NoSQL).

  • Bases de datos analíticas (6 créditos): en esta asignatura se aprende a crear un almacén de datos adecuado que ofrezca apoyo en la toma de decisiones de la organización. Se presenta conceptualmente la arquitectura de almacenamiento (data warehousing) y se dan pautas para la construcción de este tipo de sistemas. La puesta en práctica se lleva a cabo mediante la resolución de un caso práctico extenso para el que se utilizan diferentes herramientas especializadas (Pentaho, Microsoft, Oracle o PostgreSQL).

  • Bases de datos NoSQL (6 créditos): las bases de datos NoSQL constituyen una alternativa a las bases de datos relacionales y son especialmente idóneas para ciertos dominios de aplicación: dominios que trabajan con grandes volúmenes de datos, dominios en los que se requiera una alta distribución o disponibilidad, dominios que trabajan con datos poco estructurados y dominios en los que se establecen múltiples y complejas interrelaciones entre los datos. En esta asignatura se presentan los principios y conceptos de este tipo de bases de datos, los modelos de datos subyacentes y los problemas que presenta la distribución en el almacenamiento y gestión de los datos. Se trabajan diferentes tipos de bases de datos NoSQL (clave-valor, documentos, orientadas a columnas y grafos) con herramientas como Riak, MongoDB o Neo4j.
• Análisis de Negocio (E4, Itinerario de Análisis de Datos): esta especialidad se dirige 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: marketing y ventas, operaciones y logística, recursos humanos, etc.

  • Customer analytics (6 créditos): en esta asignatura, el estudiante aprende el uso de herramientas de inteligencia de negocio (business intelligence) y analítica de negocio en una de las áreas más desarrolladas y de más impacto. Se analizan los conceptos y las buenas prácticas de investigación del mercado, gestión de las ventas y las relaciones con los clientes, y análisis y predicción del comportamiento de los clientes (customer analytics).

  • Operations analytics (6 créditos): se trabajan los usos de la inteligencia de negocio (business intelligence) y la analítica de negocio en la cadena de suministro (aprovisionamiento, producción, gestión de almacenes, transporte y distribución al punto de venta) y las nuevas aplicaciones vinculadas al internet de las cosas (IoT) y los sistemas de información geográfica.

  • People analytics (6 créditos): la analítica de recursos humanos (HR analytics), también llamada people analytics, es la aplicación de técnicas sofisticadas de minería de datos y analítica de negocio (business analytics) a los datos de recursos humanos. Mediante un caso práctico, el estudiante verá cómo pueden aplicarse estas técnicas para una gestión estratégica eficaz de los recursos humanos, de manera que los objetivos de negocio puedan cumplirse de una forma rápida y eficiente, con la obtención de un rendimiento óptimo sobre el capital humano.

  • Durante el curso, el estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), de creación de cuadros de mando y análisis (Tableau) y de MLaaS (Machine Learning as a Service) (BigML).

• Big Data (E5, Itinerario de Big Data): esta especialidad se dirige a proporcionar al profesional de perfil tecnológico capacidades prácticas para diseñar e implementar sistemas de datos masivos o big data (batch processing, data lakes) que sean compatibles con las diferentes necesidades analíticas de una organización (diferidas, en tiempo real, multipropósito, orientadas al aprendizaje automático —machine learning—).

  • Data lakes (6 créditos): en esta asignatura se aprende a crear un lago de datos (data lake) que complementa la factoría de información organizativa. Se presenta conceptualmente la arquitectura de un lago de datos y se dan pautas para construir este tipo de sistemas. La puesta en práctica se lleva a cabo mediante la resolución de un caso práctico extenso para el que se utilizan diferentes herramientas especializadas.

  • Tecnologías de batch processing (6 créditos): en los proyectos de datos masivos (big data), uno de los casos de uso principales es el almacenamiento, procesamiento y análisis de grandes volúmenes de datos en largos periodos de tiempo. En esta asignatura se presentan las tecnologías de procesamiento por lotes (batch processing), que responden a esta necesidad. Se dan a conocer estas tecnologías de forma conceptual y práctica mediante la resolución de un caso práctico extenso, para el que se utilizan diferentes herramientas especializadas.

  • Tecnologías de stream processing (6 créditos): en los proyectos de datos masivos (big data), uno de los casos de uso principales es trabajar con datos en tiempo real. En esta asignatura se presentan las tecnologías de procesamiento por flujos (stream processing), que responden a esta necesidad. Mediante la resolución de un caso práctico se dan a conocer estas tecnologías de forma teórica y práctica.

  • Durante el curso, el estudiante trabaja con herramientas especializadas como Cloudera, así como con los frameworks de procesamiento Apache Flink, Apache Spark o Storm. La universidad cuenta con un ecosistema de datos propio para realizar las actividades prácticas.
• Trabajo final de máster (TFM): el máster se completa con un trabajo final de máster (TFM), que tiene un valor de 12 créditos. El TFM puede desarrollarse en tres modalidades:

  • Elegir entre una serie de temas propuestos por el equipo docente, los cuales cubren los bloques temáticos principales del ámbito de inteligencia de negocio, big data y análisis de datos.

  • Elegir entre un conjunto de temas sugeridos por empresas, que cubren los bloques temáticos centrales del ámbito de la inteligencia de negocio, big data y análisis de datos.

  • Plantear un proyecto propio que cubra los intereses del estudiante y que pueda desarrollarse en su empresa.