Business Intelligence y Transformación Digital

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

 

 

Documentos del curso

Descarga Temario   

Enfoque

Course File webcurso_cimage161299769735.jpg

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.

  • Precio del curso: € 248

Matricular trabajador

  • Horas duración del curso

30



Uso de cookies

Esta web utiliza cookies. Si continúa navegando consideramos que aceptas su uso. ACEPTAR | Más información.