Curso Gratuito Master de Formación Permanente en Business Intelligence y Big Data + 60 Créditos

Información gratuita

Nombre y apellidos

Email

Teléfono

Situación laboral

País

Provincia

Acepto la Política de Privacidad, el Aviso Legal y la Política de Cookies de cursosgratuitos.es

Curso 100% Bonificable si eres trabajador contratado en el régimen general y envías la documentación de matrícula (en el caso de ser estudiante, desempleado, autónomo, funcionario o jubilado puedes realizar este curso de forma parcialmente subvencionada)

Busca otros cursos gratuitos

Para qué te prepara:

Este <span style="font-weight: bold;">MASTER EN BUSINESS INTELLIGENCE Y BIG DATA</span> te presenta las herramientas y técnicas de análisis de datos e inteligencia de negocio necesarias para la toma de decisiones, en base a la explotación de los datos masivos que han proliferado con el crecimiento y las posibilidades que ofrece la información digital. La analítica web así como el BI, están jugando un papel cada vez más relevante en las empresas que ven necesaria la toma de decisiones estratégicas mediante inteligencia competitiva.

A quién va dirigido:

Este curso está dirigido a una gran diversidad de perfiles y es aplicable a cualquier sector, puesto que es adecuado para todas aquellas personas con titulación universitaria que quieran adquirir conocimientos sobre tecnologías de análisis y procesamiento de datos. Además, se orienta a los recién titulados o antiguos diplomados que deseen obtener una titulación homologada.

Titulación:

Doble Titulación:

  • Titulación Propia Universitaria de Master de Formación Permanente en Business Intelligence y Big Data expedida por la Universidad Antonio de Nebrija con 60 créditos ECTS.
    •        
  • Titulación propia de Master de Formación Permanente en Business Intelligence y Big Data, expedida y avalada por el Instituto Europeo de Estudios Empresariales.(INESEM) “Enseñanza no oficial y no conducente a la obtención de un título con carácter oficial o certificado de profesionalidad.”
          Instituto Europeo de Estudios Empresariales

Objetivos:

- Conocer e identificar las fases de un proyecto Big Data. - Aprender los conceptos de Bases de Datos NoSQL, Data Warehouse y Data Mining, así como su aplicación. - Crear y gestionar una base de datos en MongoDB y procesar datos con Hadoop. - Entender qué es la inteligencia de negocio y qué tipos de herramientas existen para su aplicación. - Gestionar Pentaho y su integración con MogoDb, Hadoop y Weka, para el análisis y procesamiento de los datos. - Comprender el uso de la analítica web para Big Data y su aplicación mediante la herramienta de Google Analytics. - Realizar una programación estadística básica en Python y R.

Salidas Laborales:

• Analista de datos • Auditor en Sistemas Big Data • Experto en Inteligencia de Negocio • Arquitecto de soluciones Big Data • Gestor de Infraestructuras para Big Data • E-commerce & Social Media

Resumen:

Este <span style="font-style: italic; font-weight: bold;">MASTER EN BUSINESS INTELLIGENCE Y BIG DATA</span> le ofrece una formación especializada en la materia. A medida que aumenta el uso de las TIC, Internet y el Cluod Computing en todos los sectores, se hacen cada vez más presente los conceptos de Big Data y Business Intelligence, ya que representan una oportunidad para aquellas entidades que quieran tratar y analizar los datos como soporte de ayuda en la toma de decisiones y optimización de costes. Con este <span style="font-weight: bold; font-style: italic;">Master en Big Data y Business Intelligence</span>, se ofrece una formación en las tecnologías y metodologías de análisis de datos, de manera que a través de la integración de la tecnología se desarrollen las habilidades analíticas necesarias para extraer y evaluar los datos de una manera eficaz. <br>

Metodología:

Con nuestra metodología de aprendizaje online, el alumno comienza su andadura en INESEM Business School a través de un campus virtual diseñado exclusivamente para desarrollar el itinerario formativo con el objetivo de mejorar su perfil profesional. El alumno debe avanzar de manera autónoma a lo largo de las diferentes unidades didácticas así como realizar las actividades y autoevaluaciones correspondientes. La carga de horas de la acción formativa comprende las diferentes actividades que el alumno realiza a lo largo de su itinerario. Las horas de teleformación realizadas en el Campus Virtual se complementan con el trabajo autónomo del alumno, la comunicación con el docente, las actividades y lecturas complementarias y la labor de investigación y creación asociada a los proyectos. Para obtener la titulación el alumno debe aprobar todas la autoevaluaciones y exámenes y visualizar al menos el 100% de los contenidos de la plataforma. El Proyecto Fin de Máster se realiza tras finalizar el contenido teórico-práctico en el Campus. Para aprobarlo es necesaria una nota mínima de 5. Por último, es necesario notificar la finalización del Máster desde la plataforma para comenzar la expedición del título.

Temario:

MÓDULO 1. CONCEPTOS PREVIOS EN BIG DATA Y BUSINESS INTELLIGENCE

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información Historia del big data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open Data
  6. Información pública
  7. IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 2. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución de Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 3. FASES DE UN PROYECTO DE BIG DATA
  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)

MÓDULO 2. TECNOLOGÍA PARA BUSINESS INTELLIGENCE

UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de textos y Web Mining
  6. Data mining y marketing
UNIDAD DIDÁCTICA 2. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
  1. Aproximación al concepto de DataMart
  2. Procesos de extracción, transformación y carga de datos (ETL)
  3. Data Warehouse
  4. Herramientas de Explotación
  5. Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
  1. Visión General. ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube
UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
  1. Tipos de herramientas para BI
  2. Productos comerciales para BI
  3. Productos Open Source para BI
  4. Beneficios de las herramientas de BI
UNIDAD DIDÁCTICA 5. HERRAMIENTA POWERBI
UNIDAD DIDÁCTICA 6. HERRAMIENTA TABLEAU
UNIDAD DIDÁCTICA 7. HERRAMIENTA QLIKVIEW

MÓDULO 3. HERRAMIENTAS PARA EXPLOTACIÓN Y ANÁLISIS DE BIG DATA

UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL: Teorema de CAP
  4. Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
  1. ¿Qué es MongoDB?
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 3. ECOSISTEMA HADOOP
  1. ¿Qué es Hadoop? Relación con Big Data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark
UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos
UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
  1. Una aproximación a Pentaho
  2. Soluciones que ofrece Pentaho
  3. MongoDB & Pentaho
  4. Hadoop & Pentaho
  5. Weka & Pentaho

MÓDULO 4. ANALÍTICA WEB Y BIG DATA

UNIDAD DIDÁCTICA 1. ¿QUÉ ES LA ANALÍTICA WEB?
  1. Introducción
  2. La Analítica Web: Un reto cultural
  3. ¿Qué puede hacer la analítica web por ti o tu empresa?
  4. Glosario de Analítica Web
UNIDAD DIDÁCTICA 2. ANALÍTICA WEB BÁSICA: INTRODUCCIÓN
  1. La analítica web en la actualidad
  2. Definiendo la analítica web
  3. El salto a la analítica web moderna
UNIDAD DIDÁCTICA 3. ANALIZAR LA INFORMACIÓN CUANTITATIVA
  1. Identificar los factores críticos
  2. Otros factores que convienen medir
  3. Las macro y microconversiones
  4. Medir el valor económico
  5. Sitios sin comercio: valores a medir
  6. Medición de sitios BB
UNIDAD DIDÁCTICA 4. ANALIZAR LA INFORMACIÓN CUALITATIVA
  1. Introducción
  2. La usabilidad Web
  3. Pruebas Online y a Distancia
  4. Las encuestas
UNIDAD DIDÁCTICA 5. DEFINICIÓN DE KPIS
  1. Definición de KPIs
  2. KPI, CSF y metas
  3. Principales KPIS
  4. Ejemplos de KPIS
  5. Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 6. CI: INTELIGENCIA COMPETITIVA
  1. Introducción
  2. Recopilar datos de Inteligencia Competitiva
  3. Análisis del tráfico de sitios web
  4. Búsquedas
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB 2.0. MÓVILES Y VÍDEOS
  1. Introducción
  2. La nueva web social y como medir datos
  3. Las aplicaciones
  4. Analizar el comportamiento desde el móvil
  5. Analizar el rendimiento de los vídeos
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB 2.0. REDES SOCIALES
  1. Análisis de Blogs
  2. Coste y beneficios de escribir en un blog
  3. Nuestro impacto en Twitter
  4. Métricas para Twitter
UNIDAD DIDÁCTICA 9. PROBLEMAS Y SOLUCIONES DE LA ANALÍTICA WEB
  1. La calidad de los datos
  2. Obtener datos válidos
  3. ¿En qué basarnos para la toma de decisiones?
  4. Beneficios de análisis multicanal
UNIDAD DIDÁCTICA 10. MÁS ALLÁ DE LOS DATOS
  1. Segmentación en base al comportamiento
  2. Predicción y minería de datos
  3. Rumbo a la analítica inteligente
UNIDAD DIDÁCTICA 11. DEL BIG DATA AL LINKED OPEN DATA
  1. Concepto de web semántica
  2. Linked Data Vs Big Data
  3. Lenguaje de consulta SPARQL

MÓDULO 5. ANALÍTICA WEB CON GOOGLE ANALYTICS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A GOOGLE ANALYTICS
  1. Introducción a la analítica web
  2. Funcionamiento Google Analytics
  3. Instalación y configuración de Google Analytics
  4. Configuración de las vistas mediante filtros
UNIDAD DIDÁCTICA 2. INTERFACE Y NAVEGACIÓN
  1. Navegación por Google Analytics
  2. Informes de visión general
  3. informes completos
  4. Compartir informes
  5. Configuración paneles de control y accesos directos
UNIDAD DIDÁCTICA 3. INFORMES
  1. Informes de Audiencia
  2. Informes de Adquisición
  3. Informes de Comportamiento
UNIDAD DIDÁCTICA 4. CAMPAÑAS Y CONVERSIONES
  1. Campañas personalizadas
  2. Realizar un seguimiento de las campañas con el Creador de URLs
  3. Configuración y medición de objetivos
  4. Cómo medir campañas de Google Ads

MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA

UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python: Dream Team del Big Data
UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA
  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

MÓDULO 7. PROYECTO FIN DE MÁSTER