Master en Business Intelligence y Big Data

El Máster en Business Intelligence y Big Data – Presencial (Madrid), te permite desarrollar el programa en nuestras instalaciones de la emblemática calle de Príncipe de Vergara de la ciudad de Madrid, lo que te permitirá compatibilizar tu actividad profesional con tu formación, podrás asistir a conferencias, seminarios y workshops por parte de prestigiosos ponentes, trabajarás en grupos reducidos y con claustro de calidad, compuesto por directos de compañías nacionales y multinacionales y donde te beneficiarás de una Bolsa de Empleo Vitalicia y una Bolsa de Prácticas, especializadas en el máster. Además, accederás a obtener la “Certificación de SAS Enterprise Miner”.

Temario:

01. BIG DATA INSIGHTS - EL ORIGEN DEL BIG DATA
• Principales conceptos de Business Intelligence (calidad de datos, procesos ETL, DWH).
• El Data Warehouse y el tratamiento de los datos – Big Data.
• Modelo relacional – Modelo transaccional.
• Del operacional al informacional: modelización de los datos (modelo en estrella, modelo en copo de nieve...).
• Arquitectura del Data Warehouse: diferencia ente DWH y Datamart.
• Explotación multidimensional de los datos: Cubos OLAP.
• La importancia de la calidad de datos. Limpieza y enriquecimiento.
• Procesos y subprocesos de ETL.
• Interés empresarial del Business Intelligence.
• Aplicación práctica de la minería de datos: ventas, CRM y marketing.

» Conocimiento de clientes.

» Retención de clientes.

» Venta cruzada y adicional.

» Previsión de la demanda / Gestión de la demanda.

» Criterios de segmentación.

• Criterios de selección de herramientas de BI - Comparativa de herramientas de BI(Oracle, SAS y Qlik).
• Metodología de un proyecto de BI – Metodología analítica.
• Plataformas tecnológicas.
• Variables de segmentación.
• Desarrollo de un sistema informacional con Qlik.

02. BIG DATA INSIGHTS - BUSINESS ANALYTICS

• La estadística como herramienta de apoyo para la toma de decisiones: principales funciones y limitaciones.
• Metodología para recoger, organizar, sintetizar, analizar datos y hacer inferencias a partir de ellos. Población y muestra. Tipos de muestreo.
• Utilidad de los modelos de distribución de probabilidad para análisis de fenómenos económicos y sociales de tipo discreto y continuo.
• Adquisición de habilidades útiles para el análisis estadístico desde el razonamiento inductivo. Métodos inferenciales: estimación y contrastación.
• Desarrollo de modelos de comportamiento y su aplicación práctica en la gestión de negocio.
• La minería de datos como proceso de ayuda a la toma de decisiones.
• Proceso de exploración y modelización de grandes volúmenes de datos para descubrir patrones previamente desconocidos y adquirir ventaja competitiva.
• Desarrollo de algoritmos y modelos de comportamiento a través de la minería de datos.
• Trabajo en clase con SAS Enterprise Miner.
• Introducción a técnicas de Data Mining.
• Árboles de decisión, regresión logística, redes neuronales, comparación de modelos, puesta en producción, segmentación analítica y profiling y market basket analysis.

03. BIG DATA INSIGHTS - BIG DATA OPERACIONAL
• Introducción al Big Data. La obtención del valor de los datos.
• El origen de un proyecto de Big Data en las empresas: claves.
• Nuevos retos en la gestión de los datos: velocidad, variedad, volumen y veracidad.
• Arquitecturas de Big Data.
• Bases de datos: SQL vs NoSQL.
• Taller de SQL.
• ¿Qué es Hadoop? HDFS y Map Reduce.
• El ecosistema de Hadoop: Sqoop, Pig, Hive, Flume, Mahout, HBase, Ozzie...
• Plataforma Big Data: Tipos de analíticas y casos de uso.
• Tratamiento de datos por lotes.
• Tratamiento de datos en tiempo real.
• La gestión integrada de los datos con Spark.
• Visualización de datos con TIBCO Spotfire.
• Tendencias de Big Data. Evolución de las plataformas.
• Taller de R.
• Taller de Spark.
• Taller de bases de datos: Riak, MongoDB, Cassandra y Neo4j.

04. BUSINESS ANALYTICS BUSINESS ANALYTICS
• Aprender a generar y utilizar el conocimiento para facilitar la toma de decisiones y la definición de la mejor estrategia de gestión para llevar a cabo (captación de clientes, fidelización de clientes, retención de clientes).
• Segmentación de clientes.
• Calcular el valor cliente.
• Analizar el impacto del valor de cliente en las estrategias de gestión.
• CRM. Fundamentos. Funcionalidades básicas de un CRM.
• CRM operacional, colaborativo, analítico y social CRM.
• Herramientas CRM.
• Herramientas de visualización de grandes volúmenes de datos en tiempo real: dashboard online.
• Implantación de un CRM: errores, metodología.
• CRM Scorecard. Métricas.
• Monitorización de redes sociales. Análisis de sentimiento en redes sociales.
• Casos prácticos reales de aplicación de la analítica de clientes para el desarrollo de negocio (sector asegurador, sector automoción, sector retail, sector financiero).
• Taller práctico de IBM SPSS.

05. CORPORATE PERFORMANCE MANAGEMENT
• Elaboración del business case para el desarrollo de la estrategia de BI.
• Desarrollo de mapas estratégicos.
• Cuadro de mando integral (de acuerdo a la metodología de Kaplan y Norton) – balanced score card.
• Gestión por indicadores: herramientas para la toma de decisiones (finanzas, ventas, marketing, servicio...).
• Conceptos básicos de planificación y presupuestación financiera para la utilización de entornos de simulación de negocio.
• Desarrollo de los ciclos de planificación y cálculo de previsiones.
• Toma de decisiones en la era cognitiva: Watson Analytics (Caso de retención de empleados desde la dirección de recursos humanos, y caso de abandono de clientes en el sector de las telecomunicaciones).
• Taller práctico con herramientas de reporting y elaboración de dashboards.
• Visualización analítica de los datos, visualización interactiva.
• Data discovery. Análisis avanzado para la agilidad de los usuarios de negocio.

Duración:

400 horas

Fechas:

FECHA DE INICIO: Abril y Noviembre.