Enfoque

Objetivo
Los objetivos que nos marcamos en este curso son los siguientes:
- Reconocer el término de inteligencia de negocio o business intelligence y en qué consiste.
- Distinguir los tipos de analítica existentes y el valor que aporta cada una.
- Conocer en qué consiste el Data Mining, y por qué es tan importante para hacer posible la inteligencia de negocios.
- Comprender en qué consiste el DataWarehouse de una compañía, cómo se construye y cómo se utiliza.
- Distinguir los diferentes ámbitos de aplicación posibles para aplicar la inteligencia de negocios.
- Conocer cómo son las arquitecturas tecnológicas que soportan proyectos de Business Intelligence, y las mejores prácticas para llevar a cabo estos proyectos.
- Y finalmente, comprender cómo será el próximo Business Intelligence que soporte todas las necesidades derivadas de la transformación digital.
Dirigido a:
Este curso está dirigido a profesionales que quieren familiarizarse con los conceptos básicos de Business Intelligence, conocer por qué ha estado vigente y lo seguirá estando durante muchos años, y las nuevas oportunidades que aparecen gracias al desarrollo tecnológico.
Todas aquellas personas que quieren conocer cuáles van a ser las nuevas tendencias de futuro en cuanto a la aplicación de inteligencia de negocio, qué tipo de aplicaciones tendrá y cómo se pueden aprovechar todos los datos que nacen del proceso de transformación digital.
Y para aquellos analistas de negocio o analistas de datos, que quieren tomar conciencia de las posibilidades existentes para analítica de datos, desde analítica meramente descriptiva y diagnóstica, hasta predictiva y prescriptiva, dando lugar a sistemas de inteligencia artificial.
Requisitos:
No se precisan conocimientos en la materia.
Temario del curso
1 - Inteligencia de Negocios
Objetivo
Comprender el concepto de Inteligencia de Negocios (Business Intelligence), y descartar falsas definiciones.
Conocer en qué consiste la pirámide organizacional de la información y la toma de decisiones, y las herramientas más habituales utilizadas para llevar a cabo la inteligencia de negocios.
Contenido
Inteligencia de Negocios
Business Intelligence
Contexto en el que surge el Business Intelligence
Diferencias entre sistemas operacionales e informacionales
De los datos a las decisiones estratégicas. El mundo del dato
DIKW
¿Cuál es el DIKW real que necesitamos?
Corporate Performance Management
La pirámide de la información
Organizaciones basadas en la estrategia
Mapa estratégico
Cuadros de Mando
Visualización
¿Por qué Big Data viene para unirse a BI?
Omnicanalidad
Los distintos orígenes de datos
Hemos aprendido
2 - Tipos de Analítica
Objetivo
Conocer los distintos tipos de analítica que se pueden contemplar hoy en día: descriptiva, diagnóstica, predictiva y prescriptiva.
Ejemplificar estos tipos de analítica con casos del mundo real.
Contenido
Tipos de Analítica
Enfoque multidisciplinar
Disciplinas científicas
De la Analítica Descriptiva a la Analítica Prescriptiva
Perspectivas de analítica
Deep Learning
Hemos aprendido
3 - DataWarehouse
Objetivo
Conocer los fundamentos de un DataWarehouse, sus características y ventajas, y comprender en qué consisten los sistemas OLTP, las buenas prácticas para la implementación del DataWarehouse.
Conocer en qué consisten las herramientas de análisis OLAP (Drill Down, Drill Up).
Conocer los principales servidores OLAP (ROLAP, MOLAP, HOLAP), y las disciplinas de Minería de Datos y Data Mining).
Contenido
DataWarehouse
Qué es un DataWarehouse
Contenido del DataWarehouse
Reglas para crear un DataWarehouse
Procesos ETL
Actualización y automatización
Alojamiento del DW
Motores de Bases de Datos
DataWarehouse y DataLake
DataWarehouse en la nube
Calidad del dato: Data Management
Áreas del Data Management
Hemos aprendido
4 - Data Mining
Objetivo
Conocer las categorías de Data Mining, el proceso de minería de datos, y en qué consisten los conceptos de consultas, reportes, alertas, análisis y pronósticos.
Plantear otras disciplinas de descubrimiento de insights.
Contenido
Data Mining
Qué es Data Mining
Etapas y ejemplos de Data Mining
Generación de Insights
Panorámica de herramientas para Data Mining
Algoritmos Descriptivos
Algoritmos Predictivos
Business Intelligence y Data Mining
Business Intelligence y Data Mining
BI, Big Data y Data Mining
Usos de Data Mining
Cubos OLAP
Ejemplo diseño OLAP
Hemos aprendido
5 - Arquitectura y Herramientas de BI
Objetivo
Conocer los procesos de extracción, transformación y carga de datos (procesos ETL), y las herramientas para visualización y consulta: reportes, dashboards. Creación de cubos multidimensionales.
Contenido
Arquitectura de BI
DataWarehouse y DataMarts
Creación de un sistema de BI
Arquitectura de un sistema de BI
Herramientas
Tableau
QlikView y QlikSense
Pentaho
Microsoft OLAP
IBM Cognos
MicroStrategy
Power BI
Reflexión sobre las herramientas
Hemos aprendido
6 - Gestión de proyectos de BI
Objetivo
Conocer el enfoque ágil adecuado para la gestión de proyectos de Inteligencia de Negocios, los perfiles profesionales necesarios y las especificidades para proyectos de este tipo.
Contenido
Gestión de proyectos de BI
Introducción al agilismo
¿Por qué existe el enfoque “ágil”?
Entrega dirigida por el valor de negocio
Valores añadidos de la propuesta ágil
Enfoque ágil vs Enfoque “tradicional”
Cambio en la Triple Restricción
Los 4 valores fundamentales del enfoque ágil
Otros principios básicos de la gestión ágil de proyectos
Resumen de diferencias entre los enfoques Ágil y Tradicional
Por qué Inteligencia de Negocios implica ser ágil
Metodologías Ágiles
Scrum
Elementos de Scrum
Roles en Scrum
Kanban
Lean
Relación entre metodologías ágiles
Nuevas Propuestas ágiles de gestión
Liderazgo en un entorno ágil
El líder sirviente
Liderazgo y coaching para las personas
Hemos aprendido
7 - Ámbitos de aplicación
Objetivo
Conocer los ámbitos de aplicación de la inteligencia de negocios: Business Analytics, Customer Analytics, Industria 4.0, Smart Cities, y otras aplicaciones.
Contenido
Ámbitos de aplicación
Customer Analytics
La importancia del Customer Analytics
Casos de uso de Customer Analytics
User Experience (UX)
Casos de uso de User Experience
Business Analytics
La importancia del Business Analytics
Casos de uso de Business Analytics (1)
Casos de uso de Business Analytics (2)
RRHH Analytics
La importancia del RRHH Analytics
Casos de uso de RRHH Analytics
Text Analytics
La importancia del Text Analytics
Nubes de Palabras y Redes Semánticas
Casos de uso de Text Analytics
Panorámica de herramientas de Text Analytics
Hemos aprendido
8 - Transformación Digital y BI
Objetivo
Entender las implicaciones de la transformación digital en la inteligencia de negocios, respecto del efecto de la datificación, la relación con Big Data, y los conceptos de Dark Data, Smart Data y Smart Visual Data.
Contenido
Transformación Digital y BI
La Digitalización de las empresas
La Transformación Digital
Ventajas y problemas del cambio digital
Casos de digitalización
La cultura digital
Proceso de digitalización
Transformación Digital: Del BI al Big Data
Las V's del Big Data
Datificación
Datificación - volúmenes de datos
Business Intelligence Vs Big Data
Ciclo de Vida de Big Data
Problemática con Big Data
Internet de las cosas
Qué es Internet de las cosas (IoT)
Estado actual y futuro
Capacidades del IoT
Inteligencia Artificial en IoT
Tecnología
IoT en los hogares y la sociedad
Industria 4.0
Impacto en las Fintech
Casos de Uso de IoT (1)
Casos de Uso de IoT (2)
Smart Cities
Casos de uso de Smart Cities
Hemos aprendido
9 - Lo que está por venir en BI
Objetivo
Conocer las próximas realidades y tecnologías que se aplicarán a la inteligencia de negocios, como la realidad aumentada, nuevas tendencias, y cuál es el futuro del Business Intelligence.
Contenido
Lo que está por venir en BI
Visualización de datos en 3D
BIM
Tiempo Real + IoT + Cloud
Machine Learning + Inteligencia Artificial
DataOps
DataOps - Implicaciones
Democratización del dato
Madurez en la gestión y uso de los datos
Hemos aprendido