Enfoque
Objetivos:
Conocer claramente la definición de dato.
Aprender sobre el Business Intelligence y el Business Analytics.
Diferencias los factores claves del BI y BA.
Descubrir cómo nos ayudan los datos a ser más productivos
Adquirir conocimientos sobre cómo representar los datos de forma exacta e inequívoca.
Conocer el uso de los paneles de control.
Aprender sobre las características más importantes de un CMI
Aprender una base sobre la lógica inductiva
Conocer los posibles métodos para la búsqueda de hipótesis
Definir la complejidad computacional
Adquirir conocimientos sobre la variedad de métodos de aprendizajes estadísticos
Conocer la historia y evolución del Big Data
Distinguir algunos sectores pioneros del Big Data
Adquirir conocimientos sobre el Big Data Analytics
Diferenciar entre Data Analytics, Big Data y Data Science.
Conocer la analítica avanzada
Conocer la analítica predictiva
Conocer la analítica prescriptiva
Aprender sobre el valor que aporta el dato
Diferenciar los distintos tipos de datos
Conocer como son los datos aplicados en el marco normativo
Definir lo que es Data Governance y Data Quality
Participar en diálogos sobre competencias clave en su entorno profesional, conocer un mercado – tecnológico – en constante expansión, realizar breve inmersión en el mundo analítico actual y ser capaz de acceder a casos de éxito en distintos sectores.
- Entender el contexto en el que se sitúa el big data y cómo surge a través del desarrollo de diferentes soluciones para trabajar con los datos, así como conocer estas soluciones.
- Entender la importancia que tiene el dato en todas las áreas de la sociedad, haciendo especial énfasis en su importancia estratégica para las organizaciones y la preservación de la privacidad mediante una correcta gestión.
- Aprender el concepto y el alcance de la analítica tradicional que viene identificada con la implementación de soluciones business intelligence, así como saber definir los diferentes elementos que lo forman y su utilidad.
- Aprender con qué datos se trabaja en big data y cómo se representan estos en función de la situación, el big data, los seres humanos y desde el punto de vista de las máquinas que los utilizan.
- Ahondar en la definición de big data y conocer uno de los marcos de trabajo de aplicaciones más importantes en este terreno junto con sus características principales, que ayudarán a implementar un sistema big data.
- Aprender el concepto y las características de la analítica avanzada y su estrecha relación con el big data, y conocer las distintas técnicas, tales como son la analítica predictiva y la analítica prescriptiva.
Temario del curso
UNIDAD 1. APROXIMACIÓN Y CONCEPTOS BÁSICOS
1.1. Necesidad de entender los datos.
1.2. Business Intelligence
1.2.1. Sistemas de soporte a la decisión
1.3. Business Analytics
1.4. Business Analytics vs Business Intelligence
UNIDAD 2. REPRESENTACION DE LOS DATOS
2. INTRODUCCIÓN
2.1. Representación de los datos.
2.2. Dashboards como herramienta de visualización
2.3. Cuadro de Mando Integral (CMI)
2.3.1. Perspectivas del CMI
2.3.2. Visión Global del CMI
2.3.3. Mapa estratégico
2.3.4. Planes de acción en base al CMI
2.3.5. Marcadores idóneos o Indicadores Clave de Desempeño (KPIs)
UNIDAD 3. MODELOS Y APRENDIZAJES ESTADISTICOS
3. INTRODUCCIÓN
3.1. Lógica inductiva
3.1.1. Programación lógica inductiva: definición y ejemplos
3.1.2. Búsqueda de hipótesis
3.1.3. Inducción predictiva y descriptiva
3.2. Teoría de complejidad computacional
3.2.1. Definición de complejidad computacional: uso en el diseño de algoritmos
3.2.2. Modelos de computación
3.2.3. Clases de complejidad
3.3. Procesos estocásticos
3.3.1. Matrices estocásticas
3.3.2. Cadenas de Markov
3.3.3. Procesos gaussianos
3.4. Análisis multivariante. Métodos de Aprendizaje Estadístico.
3.5. Evaluación de modelos
UNIDAD 4. INFRAESTRUCTURA DE BIG DATA
4. INTRODUCCIÓN
4.1. Historia del Big Data
4.2. Big Data
4.2.1. El data 2.0
4.2.2. Sectores pioneros en Big Data
4.3. Big Data Analytics
4.4. Data Analytics, Big Data y Data Science
UNIDAD 5. EXPERIMENTACION Y TIPOS DE ANALISIS
5. INTRODUCCIÓN
5.1. Analítica avanzada
5.2. Analítica predictiva
5.2.1. Data Mining
5.2.2. Machine Learning
5.2.3. Técnicas de Data Mining y Machine Learning
5.2.4. Otras técnicas de analítica avanzada
5.3. Analítica prescriptiva.
UNIDAD 6. LOS DATOS
6. INTRODUCCIÓN
6.1. El valor del dato.
6.2. Tipología de los datos
6.3. Tratamiento del dato
6.4. Data Governance
6.5. Data Quality
6.6. Normativas del Dato. GDPR
INTRODUCCIÓN AL BIG DATA
Antecedentes, definiciones y bases para un correcto entendimiento
Antecedentes
Definiciones y bases del big data
Bases de establecimiento del big data
La importancia del dato
El valor del dato
Problemas que aparecen en la recogida de datos
El presente y futuro de los datos: normativa y aplicaciones
Algunos conceptos técnicos de la analítica tradicional
Analítica tradicional vs. big data
Componentes del business intelligence
Herramientas del BI
Representación de los datos
Orígenes de datos en big data
Representación de datos
Introducción al Big Data
Definiendo el big data
Tecnología big data
Introducción a la analítica avanzada
Analítica avanzada: las preguntas no se responden, se crean
Analítica predictiva
Analítica prescriptiva
Documentos del curso
