La información es uno de los capitales de mayor importancia de una empresa, es por eso que necesitan manejar una gran cantidad de datos. Por esta razón necesitan profesionales del Big Data y con esta formación serás capaz de recopilar grandes cantidades de datos.
La preparación se ha generado para que la realicen profesionales del sector o recién titulados que deseen encaminar sus carreras a los sistemas de información, o ampliar sus conocimientos para integrar, organizar y usar datos útiles para la toma de decisiones estratégicas de una compañía.
MÓDULO 1: LIDERAZGO Y GESTIÓN EN BUSINESS INTELLIGENCE (BI)
1. BUSINESS INTELLIGENCE Y ‘ANALYTICS’: INTRODUCCIÓN PARA DIRECTIVOS Y GESTORES
Definiendo Business Intelligence
Componentes de Business Intelligence
La hoja de ruta de BI
Madurez en BI
Gestión del programa de BI Arquitectura BI
2. BI PROGRAM MANAGEMENT: UN ENFOǪUE DE CENTRO DE COMPETENCIAS PARA LA EXCELENCIA EN BI BICC: conceptos básicos
Funciones y responsabilidades del BICC
3. MÁS ALLÁ DE LA TECNOLOGÍA: FACTORES DE ÉXITO EN PROYECTOS DE INFORMACIÓN
Justificación de un proyecto o programa de BI
La gestión del cambio
4. ORGANIZACIONES ǪUE TRABAJAN CON BI: RESOLVER LOS CONFLICTOS DE CENTRALIZACIÓN Y DEL AUTOSERVICIO DE INFORMACIÓN
Roles principales en cualquier organización que trabaja con BI
Principales conflictos que suelen surgir en organizaciones que trabajan con BI
5. NEGOCIO Y TI TRABAJANDO JUNTOS: PASOS PRÁCTICOS PARA MEJORAR LAS RELACIONES
La división negocio/TI
La alineación continua de la organización
Midiendo el ‘gap’ entre negocio y TI
6. LA INFORMACIÓN DE NEGOCIO Y EL BI MODERNO
BI moderno
Servicios de BI modernos
Arquitectura de información moderna
7. INNOVAR CON ‘ANALYTICS’: MAXIMIZANDO EL VALOR DEL ANÁLISIS
¿Por qué analítica de datos ahora? Nuevas técnicas, nuevos perfiles
Mitos y realidades: no es oro todo lo que reluce Herramientas
Ejemplos de innovación con ‘analytics’
8. LOS DATOS Y SU VALOR PARA LA EMPRESA
¿Qué ha cambiado en el mundo de los datos? Tipos de datos
¿Qué es valor y cómo se mide? Ejemplos de oportunidades de valor
MÓDULO 2: POR DÓNDE EMPEZAR: SABER ǪUÉ SE NECESITA EN UN PROYECTO DE BI
1. RECOGIDA DE REǪUISITOS: CONSEGUIR UN ESTABLECIMIENTO DE REǪUISITOS CORRECTO Y COMPLETO PARA SISTEMAS BI
Elementos iniciales de un proyecto de BI
La necesidad de un proyecto de BI
La planificación de una iniciativa de BI
El establecimiento de requisitos en BI
2. PUESTA EN VALOR DEL BI: UN MARCO PARA LOS REǪUISITOS Y LA GESTIÓN DEL VALOR
Un marco de negocio para BI
Gestión empresarial y BI
Definir el alcance del proyecto
Recopilando los requisitos de negocio Gestión del valor
3. METODOLOGÍA DE RECOGIDA DE REǪUISITOS BABOK
Gestión y comunicación de requisitos de un sistema de información con BABOK
Requirement Breakdown Structure (RBS)
MÓDULO 3: DATA ASSET MANAGEMENT: LA GESTIÓN DE LOS DATOS COMO ACTIVOS EN LAS ORGANIZACIONES
1. FUNDAMENTOS DE DATA GOVERNANCE: GESTIÓN DE DATOS COMO ACTIVOS EMPRESARIALES
¿Qué es la gestión de datos?
Principios y objetivos de la gestión de datos
Implementación efectiva de la gestión de datos
Mejores prácticas en gestión de datos
2. GESTIÓN DE CALIDAD DE LOS DATOS Y LA INFORMACIÓN: TÉCNICAS DE PERFILADO DE DATOS Y APLICACIÓN DE PLANES DE CALIDAD
¿Qué es la calidad de datos?
Dimensiones de calidad
Causas de la mala calidad de los datos
Roles y responsabilidades en la gestión de la calidad de datos
Plan de calidad de datos
Herramientas de calidad de datos
3. FUNDAMENTOS DE MASTER DATA MANAGEMENT
¿Qué es el Master Data Management?
¿Para qué sirve un sistema de MDM?
¿Qué empresas necesitan un sistema de MDM?
Claves del éxito del MDM
Mejores prácticas en MDMLinkedln
4. INNOVACIONES EN GESTIÓN DE DATOS: ADAPTARSE PARA USAR METODOLOGÍAS ÁGILES Y TECNOLOGÍAS BIG DATA Y EN LA NUBE
Gestión de datos ágil
Gestión ágil con big data
Gestión de datos en la nube
Aspectos éticos de la gestión de datos
MÓDULO 4: CONCEPTOS, USOS Y ESTRATEGIA DE IMPLEMENTACIÓN DEL ANÁLISIS DE DATOS EN CUALǪUIER ORGANIZACIÓN
1. FUNDAMENTOS DEL ANÁLISIS PREDICTIVO
Conceptos del análisis predictivo Fundamentos del data mining
Tipología de modelos analíticos
El proceso de modelado
2. FUNDAMENTOS DE LA VISUALIZACIÓN DE DATOS
Conceptos y principios de la visualización de datos
Técnicas de visualización de datos
Diseño visual
Visualización de datos aplicada
Herramientas de visualización de datos
Mejores prácticas y errores comunes en la visualización de datos
3. DATOS PARA STORYTELLING: EL NUEVO HORIZONTE EN ANALYTICS
Contar una historia con significado
El poder de una historia significativa
Tecnología para contar historias
4. PREPARACIÓN DE DATOS PARA EL ANÁLISIS PREDICTIVO
Integración de datos Limpieza de datos
Transformaciones de datos
Entrenamiento, validación y test
5. TÉCNICAS DE MINERÍA DE DATOS Y MACHINE LEARNING
Pasos previos
Modelos supervisados y tipos
Modelos no supervisados y tipos
Algunas recomendaciones y buenas prácticas
6. EJEMPLOS DE DATA MINING CON R
Cómo configurar R
Cómo cargar datos en Rattle
Explorar datos en Rattle
Transformar datos en Rattle
Modelos no supervisados en Rattle
Modelos supervisados en Rattle
Evaluación de modelos supervisados en Rattle
MÓDULO 5: ANÁLISIS DE DATOS Y DISEÑO ORIENTADO AL NEGOCIO
1. MODELADO DE DATOS INFORMACIONAL
Conceptos de modelado de datos
Contexto de negocio
Modelos lógicos de datos
Estructuras de datos en sistemas transaccionales
2. MODELADO DE DATOS DIMENSIONAL
Conceptos básicos de modelo dimensional
Modelo entidad-relación frente a modelo dimensional
Contexto de negocio para el modelado de datos y métricas
Modelo lógico dimensional
3. MODELADOS DIMENSIONALES PARA CUADROS DE MANDO DE DIVERSOS SECTORES
Cuadros de mando
Cómo diseñar un modelo dimensional desde un cuadro de mando
4. INTRODUCCIÓN AL MODELADO DE DATOS EN LA ERA BIG DATA
Modelo de datos en big data, ¿sigue siendo necesario?
Diferencias entre BI y big data a la hora de modelar datos
Bases de datos NoSQL
MÓDULO 6: BIG DATA “PURO”
1. FUNDAMENTOS DE BIG DATA: CREAR VALOR DESDE FUENTES DE DATOS NO TRADICIONALES
Conceptos de big data relativos a datos no tradicionales
Tratamiento de este tipo de datos
Técnicas para el tratamiento de estos datos
Otros tratamientos especiales
2. TALLER BIG DATA: PREPARARSE Y PLANIFICAR LA EXPERIENCIA
Por dónde empiezo Valor y uso de los datos
Arquitectura para el proyecto
Análisis funcional y mapeo: calidad de datos
Carga y procesamiento de datos
Análisis, reporting y alertas
Medición del modelo
3. EVOLUCIÓN DE LAS ARǪUITECTURAS DE DATOS
Paradigma batch Paradigma en tiempo real Paradigma híbrido
4. ENTENDER HADOOP
¿Qué es Apache Hadoop?
Alguna curiosidad de su nombre
Características de partida
Un poco de historia
Componentes clave de Hadoop HDFS
Map and reduce
5. OTRAS PLATAFORMAS NOSǪL
Origen del término
Ventajas de las bases de datos NoSQL
Bases de datos NoSQL versus SQL
Clasificación de bases de datos NoSQL
Ejemplos de bases de datos NoSQL
6. ANALYSIS EN BIG DATA
Los datos: el nuevo petróleo ransformación digital
Algunos casos reales de aplicación
MÓDULO 7: DESARROLLO DE AGILE DATA WAREHOUSING
1. INTRODUCCIÓN A LAS METODOLOGÍAS AGILE
¿Qué es una metodología agile?
¿Cómo se aplica una metodología agile?
2. AGILE EN PROYECTOS DE BUSINESS INTELLIGENCE
Proceso de data flow, data warehousing y BI en agile
Proceso de data warehouse / Business Intelligence Systems Development Manifesto
3. AGILE EN PROYECTOS DE ANALYTICS
Sistemas de desarrollo de estilo “alpino”
¿Qué es agile analytics?
Un caso práctico de big data analytics con metodología agile
MÓDULO 8: CLOUD COMPUTING
1. ¿ǪUÉ SON LOS ENTORNOS CLOUD?
Introducción al entorno cloud
Cloud computing: ventajas y desventajas
Comparación entre on-premises y cloud computing
Ámbito del cloud (privado, público, híbrido)
2. TIPOS DE SERVICIOS CLOUD
IaaS (Infrastructure as a Service)
PaaS (Platform as a Service)
SaaS (Software as a Service)
Otros tipos de servicios cloud (FaaS, Functions as a Service)
3. PRINCIPALES PLATAFORMAS CLOUD
Amazon Web Services (AWS)
Microsoft Azure
Google Cloud Comparativa
4. BIG DATA Y CLOUD COMPUTING
Cloud computing y big data en la empresa
Cloud data warehouse
Herramientas para trabajar con un cloud data warehouse
Titulación doble
Para acceder al Curso Superior de Big Data, no es necesario que el aspirante cuente con una titulación específica o con conocimientos previos.
Información Adicional
Podrás trabajar como:
