Enfoque
Objetivo
A lo largo del curso vamos a enfocarnos en los siguientes objetivos:
Comprender en qué consiste Big Data. Desmitificación del concepto. Datificación y Monetización de los datos.
Adquirir vocabulario y conceptos para poder comunicarse y trabajar con Big Data.
Conocer en qué consiste un ecosistema de Big Data, perfiles profesionales, gestión de Big Data, y valor de negocio.
Conocer las posibilidades de analítica de datos.
Analizar casos de uso reales de aplicación de Big Data y nuevas oportunidades.
Presentar las nuevas tendencias y tecnologías que están por llegar, y estar preparados para entenderlas y sacarles partido.
Dirigido a:
Este curso se dirige a todas aquellas personas que quieran conocer, qué es y qué significa Big Data y el impacto actual de los grandes volúmenes de datos existentes, sin perderse en terminología técnica ni pasar semanas o meses buceando en internet.
Para aquellos que quieran conocer los casos y ámbitos de aplicación de las Smart Cities, la domótica, la Industria 4.0, y en general qué significa Internet de las Cosas, Internet de Todo, y cómo esta tendencia nos afecta y nos afectará en el día a día.
Adecuado para profesionales del mundo de los negocios, que quieran conocer el impacto de la Transformación Digital de las empresas en su relación con el cliente, las posibilidades que se originan, los nuevos canales de comunicación existentes y las oportunidades (y riesgos) para el negocio, en ámbitos como inteligencia de clientes o el funcionamiento interno de la compañía.
Dirigido a profesionales del mundo del dato que quieran conocer las nociones básicas de la plataforma tecnológica que hace posible el procesamiento masivo de datos, su visualización enriquecida, los nuevos volúmenes de datos, su procesamiento en la nube y las posibilidades existentes.
Para profesionales que quieran conocer las buenas prácticas para gestión ágil de proyectos de dato y de conocimiento, así como la propia gestión de los datos (Data Management): calidad del dato, seguridad, datos maestros, modelos de datos, gobierno de datos.
Para personas que quieran conocer el aspecto científico del Big Data; tipos de analítica (descriptiva, diagnóstica, predictiva, prescriptiva), y los fundamentos de la inteligencia artificial.
Para aquellos que quieran conocer el impacto del movimiento y procesamiento masivo de datos en cualquier lugar, en cualquier momento, en la nube… y cómo impacta esto en la protección legal de los datos, datos personales, y la seguridad de los datos en general.
Requisitos:
No hay requisitos para comprender y aprovechar el contenido del curso, puesto que se aclaran las ideas principales de Big Data, Transformación Digital, y mundo del dato e inteligencia de negocio en general.
Temario del curso
1 - De los datos a las decisiones estratégicas. El mundo del dato
Objetivo
• Conocer el contexto actual del mundo del dato.
• Comprender por qué nace y se justifica la explosión de Big Data.
• Comprender qué significa este concepto, y cómo se aplica en el paso desde los datos crudos a la información y la toma de decisiones.
Duración de la unidad
2 Horas 35 Minutos
Contenido
1. De los datos a las decisiones estratégicas. El mundo del dato
1.1. Contexto
1.2. De los Datos a las Decisiones Estratégicas
1.2.1. DIKW
1.2.2. ¿Cuál es el DIKW real que necesitamos?
1.2.3. Entonces, ¿Qué es Big Data?
1.2.4. Omnicanalidad
1.2.5. Los distintos orígenes de datos
1.3. Corporate Performance Management
1.3.1. La pirámide de la información
1.3.2. Organizaciones basadas en la estrategia
1.3.3. Mapa estratégico
1.3.4. Cuadros de Mando
1.3.5 Visualización
1.4. Hemos aprendido
2 - Data Management
Objetivo
• Conocer en qué consiste el Data Management.
• Comprender las áreas e impacto de Calidad del Dato, Modelos de Datos, Datos Maestros, Seguridad del Dato, etc.
• Ilustrar el impacto de cada área del Data Management.
Duración de la unidad
3 Horas 35 Minutos
Contenido
2. Data Management
2.1. Qué es el Data Management
2.2. Áreas o disciplinas del Data Management
2.2.1. Data Governance
2.2.2. Buenas y malas prácticas de Data Governance
2.2.3. Data Architecture
2.2.4. Data Development
2.2.4.1. Bases de datos y su diseño
2.2.5. Document & Content Management
2.2.6. Data Security
2.2.6.1. Control de accesos
2.2.6.2. Buenas prácticas de Seguridad de Datos
2.2.7. Master Data
2.2.8. Meta Data
2.2.9. Data Quality
2.2.10. Database Operations
2.2.11. Data Warehousing & Business Intelligence
2.3. Hemos aprendido
3 - Sistemas de información: Business Intelligence. ¿Por qué aparece Big Data? ¿Qué significa?
Objetivo
• Comprender en qué consiste Business Intelligence.
• Entender por qué Big Data es un complemento, y no un sustituto, del BI.
• Reconocer los conceptos de DataWarehouse, Data Mining y ETL.
• Comprender cómo pasar de BI a Big Data, y cómo se unen para representar una ventaja competitiva.
Duración de la unidad
3 Horas 25 Minutos
Contenido
3. Sistemas de información: Business Intelligence ¿Por qué aparece Big Data, qué significa?
3.1. Business Intelligence
3.1.1. Contexto en el que surge el Business Intelligence
3.1.2. Diferencias entre sistemas operacionales e informacionales
3.1.3. DataWarehouse y DataMarts
3.1.4. Creación de un sistema de BI
3.1.5. Arquitectura de un sistema de BI
3.2. Introducción a Big Data; el porqué de su existencia
3.2.1. Las V's del Big Data
3.2.2. Datificación
3.2.2.1. Datificación - volúmenes de datos
3.2.3. Business Intelligence Vs Big Data
3.2.4. Ciclo de Vida de Big Data
3.2.5. Problemática con Big Data
3.3. Hemos aprendido
4 - Arquitecturas Big Data
Objetivo
• Comprender en qué consiste una arquitectura Big Data.
• Distinguir las distintas capas de la arquitectura y la utilidad de cada una.
• Juzgar cómo es posible procesar millones de datos en tiempo real.
Duración de la unidad
2 Horas 10 Minutos
Contenido
4. Arquitecturas Big Data
4.1. Componentes de una arquitectura Big Data
4.1.1. Data Lake
4.1.2. Hadoop + Spark
4.2. Hadoop
4.2.1. Map Reduce
4.2.2. Ecosistema Hadoop
4.2.3. Almacenamiento distribuido: HDFS
4.3. Spark
4.3.1. Spark DAG
4.3.1.1. RDD's
4.3.2. Ecosistema Spark
4.4. Spark sobre Hadoop
4.4.1. Panorámica de herramientas
4.5. Hemos aprendido
5 - Visualización y toma de decisiones
Objetivo
• Asumir la importancia de la visualización final del análisis de los datos.
• Conocer las posibilidades de visualización con las herramientas disponibles a día de hoy.
• Conocer las distintas variantes existentes: mapas de calor, realidad virtual, cuadros de mando, etc.
Duración de la unidad
2 Horas 25 Minutos
Contenido
5. Visualización y toma de decisiones
5.1. Smart Data y Smart Visual Data
5.2. Tecnologías y herramientas de visualización
5.2.1. Tecnología R
5.2.2. Notebooks y Zeppelin
5.2.3. Herramientas comerciales
5.2.4. Otras herramientas de visualización
5.3. Casos de uso con Visualización
5.3.1. Mobile First
5.4. Hemos aprendido
6 - Big Data & Analytics: Disciplinas científicas
Objetivo
• Conocer la base científica del análisis masivo de datos.
• Distinguir las distintas disciplinas científicas que se aplican para el análisis de datos.
• Diferenciar los conceptos de Machine Learning, Deep Learning, Data Mining, Cognitive Computing.
Duración de la unidad
5 Horas 40 Minutos
Contenido
6. Big Data & Analytics: Disciplinas científicas
6.1. Enfoque multidisciplinar
6.1.1. Disciplinas científicas
6.2. De la Analítica Descriptiva a la Analítica Prescriptiva
6.2.1. Perspectivas de analítica
6.3. Data Mining
6.3.1. Qué es Data Mining
6.3.1.1. Etapas y ejemplos de Data Mining
6.3.1.2. Panorámica de herramientas para Data Mining
6.3.2. Algoritmos Descriptivos
6.3.3. Algoritmos Predictivos
6.4. Machine Learning
6.4.1. Bases del Aprendizaje Automático
6.4.2. Cómo hacer aprender a una máquina
6.4.3. Aprendizaje Supervisado y No Supervisado
6.4.4. Panorámica de herramientas de Machine Learning
6.4.5. Machine Learning en una pila de Big Data
6.5. Cognitive Computing
6.5.1. Deep Learning
6.5.1.1. Evolución esperada del Deep Learning
6.5.1.2. Panorámica de herramientas de Cognitive Computing
6.6. Casos de Uso
6.6.1. Siri y Cortana
6.6.2. Watson Analytics
6.6.3. Mejorando la seguridad y el cumplimiento de la ley, caso del MIT
6.6.4. El Bot Mitsuku
6.6.5. Reconocimiento de imágenes, Big Data y retail
6.7. Hemos aprendido
7 - Big Data & Analytics: Ámbitos de aplicación
Objetivo
• Conocer los distintos ámbitos de aplicación de analítica existentes sobre Big Data: Customer Analytics, User Experience, Business Analytics, Analítica sobre Recursos Humanos, y Text Analytics.
• Para cada uno de estos ámbitos, conocer casos de uso representativos del valor que se puede conseguir con la aplicación de Big Data y ciencia de datos.
• Comparar las posibilidades de aplicación de cada tipo de analítica.
Duración de la unidad
6 Horas
Contenido
7. Big Data & Analytics: Ámbitos de aplicación
7.1. Customer Analytics
7.1.1. La importancia del Customer Analytics
7.1.2. Casos de uso de Customer Analytics
7.2. User Experience (UX)
7.2.1. Casos de uso de User Experience
7.3. Business Analytics
7.3.1. La importancia del Business Analytics
7.3.2. Casos de uso de Business Analytics (1)
7.3.3. Casos de uso de Business Analytics (2)
7.4. RRHH Analytics
7.4.1. La importancia del RRHH Analytics
7.4.2. Casos de uso de RRHH Analytics
7.5. Text Analytics
7.5.1. La importancia del Text Analytics
7.5.2. Nubes de Palabras y Redes Semánticas
7.5.3. Casos de uso de Text Analytics
7.5.4. Panorámica de herramientas de Text Analytics
7.6. Hemos aprendido
8 - Transformación Digital e IoT
Objetivo
• Comprender el impacto de la tecnología para posibilitar las Smart Cities y la Industria 4.0.
• Constatar la realidad de la Transformación Digital en las empresas y sus implicaciones.
• Describir las capacidades disponibles para procesamiento de texto, realidad virtual y aumentada, y la robótica.
Duración de la unidad
6 Horas 40 Minutos
Contenido
8. Transformación Digital e IoT
8.1. Internet de las cosas
8.1.1. Qué es Internet de las cosas (IoT)
8.1.2. Estado actual y futuro
8.1.3. Capacidades del IoT
8.1.3.1. Inteligencia Artificial en IoT
8.1.4. Tecnología
8.1.5. IoT en los hogares y la sociedad
8.1.6. Industria 4.0
8.1.7. Impacto en las Fintech
8.1.8. Casos de Uso de IoT (1)
8.1.9. Casos de Uso de IoT (2)
8.2. Smart Cities
8.2.1. Casos de uso de Smart Cities
8.3. La Digitalización de las empresas
8.3.1. La Transformación Digital
8.3.2. Ventajas y problemas del cambio digital
8.3.3. Casos de digitalización
8.3.4. La cultura digital
8.3.4.1. Proceso de digitalización
8.4. Realidad Virtual
8.5. Robótica
8.6. Hemos aprendido
9 - Liderazgo y Gestión de proyectos de dato
Objetivo
• Comprender el estilo de liderazgo necesario para proyectos de conocimiento.
• Distinguir las mejores prácticas para la gestión de proyectos de conocimiento.
• Juzgar las posibilidades del enfoque ágil de gestión en el mundo del dato.
• Conocer los nuevos enfoques que están surgiendo para la gestión de proyectos de ciencia de datos.
Duración de la unidad
5 Horas 35 Minutos
Contenido
9. Liderazgo y Gestión de proyectos de dato
9.1. Introducción al agilismo
9.1.1.¿Por qué existe el enfoque “ágil”?
9.1.2. Entrega dirigida por el valor de negocio
9.1.3. Valores añadidos de la propuesta ágil
9.1.4. Enfoque ágil vs Enfoque “tradicional”
9.1.5. Cambio en la Triple Restricción
9.1.6. Los 4 valores fundamentales del enfoque ágil
9.1.7. Otros principios básicos de la gestión ágil de proyectos
9.1.8. Resumen de diferencias entre los enfoques Ágil y Tradicional
9.1.9. Por qué Big Data implica ser ágil
9.2. Metodologías Ágiles
9.2.1. Scrum
9.2.1.1. Elementos de Scrum
9.2.1.2. Roles en Scrum
9.2.2. Kanban
9.2.3. Lean
9.2.4. Relación entre metodologías ágiles
9.2.5. Nuevas Propuestas ágiles de gestión
9.3. Liderazgo en un entorno ágil
9.3.1. El líder sirviente
9.3.2. Liderazgo y coaching para las personas
9.4. Hemos aprendido
10 - Protección de datos
Objetivo
• Conocer el reglamento europeo de protección de datos.
• Observar el impacto de Big Data en la protección de datos.
• Preparar el entorno para el respeto a la LOPD.
Duración de la unidad
1 Hora 55 Minutos
Contenido
10. Protección de datos
10.1. Reglamento europeo
10.1.1. Introducción
10.1.2. Datos personales y datos biométricos
10.1.3. Novedades impuestas por la tecnología
10.1.4. Privacidad
10.1.5. Medidas de seguridad más transparentes
10.1.6. Accountability y el DPO
10.1.7. La nueva LOPD
10.2 Hemos aprendido
Documentos del curso
