1. Concepto de innovación y tecnología aplicada a la empresa
  2. Tipología de la tecnología según su disposición en la empresa y su ventaja competitiva
  3. Competencias y proceso de la innovación tecnológica
  4. Filosofía Web 3.0 y su impacto en el mundo empresarial
  5. Adaptación del mundo empresarial a las nuevas tecnologías

  1. Perfiles del nuevo ecosistema digital: Community Manager, Chief Data Officer, Data Protection Officer, Data Scientist
  2. Desarrollo de competencias digitales en la organización
  3. El papel del CEO como líder de la transformación digital

  1. La transición digital del modelo de negocio tradicional
  2. Modelo freemium, long tail y de suscripción
  3. Modelo cloud y SaaS
  4. Dropshipping, afiliación e infoproductos

  1. Diagnóstico de la madurez digital de la empresa
  2. Elaboración del roadmap de transformación digital
  3. Provisión de financiación y recursos tecnológicos
  4. Implementación y seguimiento del plan de transformación digital

  1. Rediseño del customer experience
  2. Omnicanalidad en la distribución
  3. Buyer's journey y funnel de conversión
  4. Growth hacking y el funnel AARRR (Pirate Metrics) aplicado a la analítica de datos

  1. La transformación digital de la cadena de valor y la Industria 4.0
  2. Modelos y sistemas de gestión de la innovación
  3. Innovación en procesos a través de las TIC y el comercio electrónico
  4. Automatización de procesos: RPA, RBA y RDA

  1. Casos de éxito en transformación digital en banca, salud y retail
  2. Oportunidades de innovación derivadas de la globalización
  3. Etapas de desarrollo y ciclos de vida de nuevos mercados

  1. Qué es Big Data y qué es Thick Data
  2. Fuentes de datos: naturaleza y selección
  3. Fases de un proyecto de Big Data

  1. Big Data en el proceso de toma de decisiones operativas y estratégicas
  2. Marketing estratégico y Big Data
  3. Open Data: concepto y ejemplos de uso
  4. Internet of Things (IoT) como fuente de datos para el negocio

  1. Concepto y arquitectura de una solución de Business Intelligence
  2. Business Intelligence en los departamentos de la empresa
  3. Plan Director, Plan Estratégico y Plan de Operativa Anual
  4. Sistemas operacionales y procesos ETL en un sistema de BI
  5. Ventajas y factores de riesgo del Business Intelligence

  1. Cuadros de Mando Integral (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)

  1. Sistemas transaccionales de origen (OLTP) frente a sistemas analíticos
  2. Modelado dimensional: esquema en estrella y en copo de nieve (MOLAP, ROLAP, HOLAP)
  3. DataWarehouse y DataMarts: estructura, construcción y fases de implantación
  4. Data Warehouse en la nube

  1. Hadoop como origen del procesamiento distribuido: HDFS y MapReduce
  2. Apache Spark y el procesamiento serverless en la nube
  3. Delta Lake y el almacenamiento en la nube (ADLS Gen2, S3) como base de las arquitecturas modernas

  1. Interfaz, edición de datos y formato
  2. Trabajo con múltiples hojas y creación de gráficos
  3. Personalización del entorno y ayuda de Excel

  1. Totalizar, resumir, filtrar y agrupar datos
  2. Tablas dinámicas y tablas de datos
  3. Datos de partida y estructuración de listas

  1. Tablas con variables y funciones de pronóstico
  2. Simulación de escenarios y persecución de objetivos
  3. La herramienta Solver

  1. Obtención y edición de bases de datos externas
  2. Funciones de bases de datos
  3. Fundamentos de modelado de datos con Power Pivot: la antesala del modelo tabular de Power BI
  4. De Power Query en Excel a Power Query en Power BI Desktop: la transición hacia el Bloque B

  1. Relaciones y valores lógicos; toma de decisiones anidadas
  2. Búsqueda y selección de datos; transposición de tablas
  3. Selección de valores de una lista y operaciones condicionales

  1. Generación de gráficos, minigráficos y elementos interactivos
  2. Publicación e impresión de libros de Excel
  3. Manipulación de texto, fechas y otras funciones de interés

  1. Qué es la visualización de datos y su papel en la toma de decisiones
  2. Principios básicos de diseño visual: proporción, color y jerarquía
  3. Importancia y herramientas de la visualización de datos

  1. Gráficos de comparación, distribución, relación y composición
  2. Selección del gráfico adecuado según el mensaje
  3. Errores frecuentes en la elección del tipo de gráfico

  1. Arquitectura y componentes de Tableau
  2. Instalación y puesta en marcha
  3. Conexiones de datos y tipos de fuente

  1. Filtros, jerarquías y conjuntos en Tableau
  2. Cálculos y campos calculados
  3. Uniones y relaciones entre fuentes de datos

  1. Creación de tablas y gráficos en Tableau
  2. Construcción de dashboards interactivos en Tableau
  3. Acciones e interactividad entre visualizaciones

  1. Principios del análisis exploratorio de datos (EDA)
  2. Detección de patrones y valores atípicos mediante visualización
  3. De la exploración de datos a la comunicación de resultados

  1. Metodología y ciclo de vida de un proyecto de minería de datos
  2. Árboles de decisión, reglas de inducción, redes bayesianas y algoritmos genéticos
  3. Minería de textos y web mining aplicada al marketing

  1. Historia de la inteligencia artificial: de los sistemas expertos basados en reglas al aprendizaje automático
  2. Relación entre inteligencia artificial y Big Data
  3. Algoritmos aplicados a la inteligencia artificial
  4. Limitaciones de los sistemas basados en reglas frente a los enfoques basados en datos

  1. Clasificación de algoritmos de aprendizaje automático
  2. Diferencias entre aprendizaje automático y aprendizaje profundo
  3. Tendencias del aprendizaje automático

  1. Algoritmos de clustering
  2. Aplicaciones de la segmentación no supervisada
  3. Evaluación de la calidad de los clusters obtenidos

  1. Filtrado colaborativo y clusterización
  2. Sistemas de recomendación híbridos
  3. Casos de aplicación en comercio electrónico

  1. Clasificadores y principales algoritmos de clasificación
  2. Evaluación de modelos de clasificación (matriz de confusión, precisión, recall)
  3. Aplicaciones de la clasificación en el entorno empresarial

  1. Componentes de una red neuronal
  2. Proceso de aprendizaje en redes profundas
  3. Aplicaciones del deep learning en el análisis de datos empresariales

  1. Selección y creación de variables (feature selection y feature engineering)
  2. Normalización, escalado y codificación de variables categóricas
  3. Impacto de la calidad de las variables en el rendimiento de los modelos

  1. Qué es la analítica web; establecimiento de objetivos y KPIs
  2. Plan de medición y métricas principales
  3. Objetivos y ventajas de medir el comportamiento digital

  1. Interfaz, métricas y dimensiones
  2. Informes, filtros, segmentos y eventos
  3. Interpretación del comportamiento de los usuarios

  1. Implementación y medición con GTM
  2. Uso del modo de vista previa y depuración
  3. Configuración de etiquetas, activadores y variables

  1. La atribución y la multicanalidad; customer journey
  2. Principales modelos de atribución y modelos personalizados
  3. Comparación de modelos de atribución según el objetivo de negocio

  1. Conexión de fuentes de datos y creación de informes
  2. Tipologías de gráficos e integración con otras fuentes de datos
  3. Combinación de datos de Looker Studio con Power BI

  1. Tipos de cookies y tecnologías de tracking
  2. Gestión del consentimiento y RGPD
  3. Impacto de la desaparición de cookies de terceros en la medición

  1. Mapas de calor y grabaciones de sesiones de usuario
  2. Test A/B y test multivariante para la toma de decisiones basada en datos
  3. Indicadores clave de rendimiento (KPI) en la optimización de la experiencia

  1. Google Search Console y herramientas de medición de rendimiento
  2. Otras plataformas de analítica (Hotjar, Matomo, Adobe Analytics)
  3. Criterios de selección de herramientas de analítica según el caso de uso

  1. ¿Qué es Power BI?
  2. Funciones de Power BI
  3. Versiones de Power BI
  4. Roles de Power BI
  5. Planificación de proyectos con Power BI

  1. Instalación y puesta en marcha
  2. Conexión de datos a Power BI
  3. Filtrado de datos
  4. Vista de datos

  1. Introducción al modelado de datos
  2. Creación de medidas
  3. Creación y relación entre tablas
  4. Creación de columnas y medidas calculadas
  5. Dinamizar columnas
  6. Fórmulas de consulta

  1. Creación de gráficas
  2. Tablas dinámicas
  3. Segmentación de datos
  4. Uso de objetos visuales
  5. Formas y cuadros de texto
  6. Imágenes
  7. Matrices y tablas
  8. Cómo crear un velocímetro
  9. Mapas
  10. Slicers
  11. Cómo modificar colores

  1. Uso del Dashboard
  2. Compartir Dashboards
  3. Añadir Widgets
  4. Cómo crear reportes
  5. Ajustes del panel
  6. Preguntas y respuestas del Dashboard

  1. Exportar datos de Power BI a Excel
  2. Exportar Dashboards
  3. Crear paquetes de contenido
  4. Presentación de informes
  5. Cómo públicar y compartir informes
  6. Introducción a Power BI mobile

  1. Del Data Warehouse al Data Lake: evolución de la arquitectura de datos
  2. Criterios de selección de arquitectura según el caso de uso
  3. Componentes de una arquitectura de datos moderna

  1. Concepto y componentes de un lakehouse
  2. Ventajas frente a arquitecturas tradicionales de DW y Data Lake
  3. Principios de diseño de la arquitectura Medallion: capas Bronze, Silver y Gold
  4. Casos de uso empresarial del lakehouse

  1. Componentes de Microsoft Fabric: OneLake, Data Engineering y Data Warehouse
  2. Integración de Power BI dentro del ecosistema Fabric
  3. OneLake y almacenamiento unificado en Fabric

  1. Implementación de las capas Bronze, Silver y Gold en Microsoft Fabric
  2. Transformación progresiva de datos entre capas
  3. Buenas prácticas de organización de un lakehouse en producción

  1. Arquitectura y componentes de Azure Synapse como antecedente de Fabric
  2. Escenarios de arquitectura híbrida Synapse-Fabric
  3. Migración y convivencia entre Synapse y Fabric en organizaciones existentes

  1. Procesos ETL y ELT en arquitecturas modernas
  2. Orquestación de flujos de datos
  3. Herramientas de integración de datos en la nube

  1. Calidad, linaje y catalogación del dato
  2. Roles y responsabilidades en el gobierno del dato
  3. Políticas de gobierno del dato en la organización

  1. Seguridad del dato en la nube
  2. Cumplimiento normativo en el tratamiento de datos empresariales
  3. Cifrado y control de accesos en plataformas de datos

  1. Modelos de coste de plataformas de datos en la nube
  2. Escalabilidad y rendimiento de arquitecturas de datos
  3. Optimización de recursos en entornos de datos en la nube

  1. Contexto de evaluación en DAX
  2. La función CALCULATE y los modificadores de contexto
  3. Funciones ALL, ALLSELECTED y FILTER en el control del contexto

  1. Cálculos interanuales, acumulados y comparativas de periodos
  2. Tablas de calendario y su rol en el modelo
  3. Funciones de inteligencia temporal (SAMEPERIODLASTYEAR, DATEADD, TOTALYTD)

  1. Diseño de medidas complejas y variables en DAX
  2. Definición de KPIs de negocio con DAX
  3. Buenas prácticas de documentación y organización de medidas

  1. Esquema en estrella frente a esquema en copo de nieve
  2. Relaciones activas e inactivas: relaciones muchos a muchos
  3. Tablas de hechos y dimensiones: buenas prácticas de diseño

  1. Modo Import: ventajas y limitaciones
  2. Modo DirectQuery: cuándo usarlo y su impacto en el rendimiento
  3. Direct Lake: lectura directa desde archivos Parquet en OneLake

  1. Transformaciones avanzadas y columnas personalizadas con lenguaje M
  2. Parámetros y funciones personalizadas en Power Query
  3. Consultas dinámicas e incrementales en Power Query

  1. Buenas prácticas de modelado para el rendimiento
  2. Reducción del tamaño del modelo y optimización de consultas
  3. Uso del analizador de rendimiento de Power BI Desktop

  1. Funciones de tabla y agregación
  2. Creación de tablas calculadas para análisis avanzado
  3. Funciones iteradoras (SUMX, AVERAGEX, FILTER)

  1. Configuración de seguridad a nivel de fila
  2. Roles dinámicos de seguridad
  3. Pruebas y validación de roles de seguridad

  1. Parámetros de campo para informes dinámicos
  2. Segmentaciones y controles avanzados de interacción
  3. Segmentaciones sincronizadas entre páginas de un informe

  1. Resolución de escenarios de negocio complejos con DAX y Power Query
  2. Auditoría y depuración de fórmulas DAX
  3. Documentación del modelo de datos para su mantenimiento

  1. Áreas de trabajo, capacidades y licenciamiento
  2. Publicación y actualización de conjuntos de datos
  3. Ciclo de vida del contenido en Power BI Service

  1. El formato de proyecto .pbip y su estructura
  2. Integración con Git y GitHub para el desarrollo colaborativo
  3. Flujos de trabajo con Azure DevOps en proyectos de Power BI

  1. Roles de acceso en áreas de trabajo
  2. Distribución de contenido mediante apps
  3. Uso compartido de informes con usuarios externos

  1. Gateway personal y gateway empresarial
  2. Configuración de actualización programada de datos
  3. Resolución de incidencias comunes en gateways

  1. Catalogación y linaje de datos en Power BI
  2. Políticas de gobierno del dato en la organización
  3. Roles y responsabilidades del centro de excelencia de BI

  1. Conjuntos de datos certificados y promovidos
  2. Buenas prácticas de reutilización de modelos
  3. Endorsement y confianza en el contenido publicado

  1. Métricas de uso y auditoría de actividad
  2. Supervisión del rendimiento de informes
  3. Registro de actividad y detección de accesos indebidos

  1. Panel de administración del Tenant y sus métricas
  2. Indicadores de adopción de Power BI a nivel organizativo
  3. Informes de auditoría a nivel de Tenant

  1. Arquitectura de Power BI Embedded
  2. Integración de informes en aplicaciones propias
  3. Modelos de licenciamiento

  1. Flujos de automatización asociados a Power BI
  2. Alertas y disparadores basados en datos
  3. Integración con otras aplicaciones empresariales

  1. Microsoft Purview: catalogación y clasificación de datos sensibles
  2. Etiquetado de confidencialidad (Sensitivity Labels) e Information Protection
  3. Prevención de fuga de datos (DLP) aplicada a informes de Power BI

  1. Modelos de adopción de Power BI en la organización
  2. Centro de excelencia de BI (BICC)
  3. Medición del retorno de la inversión en proyectos de BI

  1. Qué es la analítica aumentada y su impacto en el BI
  2. Automatización de la generación de insights
  3. Diferencias entre analítica descriptiva, predictiva y aumentada

  1. Funcionalidades de Copilot en Power BI
  2. Generación de informes y resúmenes con lenguaje natural
  3. Requisitos y configuración para habilitar Copilot

  1. Configuración de smart narratives
  2. Personalización de resúmenes generados por IA
  3. Actualización dinámica de narrativas ante cambios en los datos

  1. Configuración del motor de preguntas y respuestas
  2. Optimización del modelo para consultas en lenguaje natural
  3. Sinónimos y entrenamiento del motor de Q&A

  1. Key influencers y análisis de causas raíz
  2. Detección de anomalías en los datos
  3. Interpretación de resultados generados automáticamente

  1. Uso de modelos de ML en Power BI mediante servicios en la nube
  2. AutoML nativo de Power BI: creación de modelos predictivos sin código
  3. Integración con Azure OpenAI Service para analítica generativa
  4. Visualización de resultados predictivos

  1. Casos de uso de IA generativa en la generación de informes
  2. Límites y riesgos del uso de IA generativa en BI
  3. Verificación y validación de resultados generados por IA

  1. Sesgo, transparencia y explicabilidad en modelos de IA aplicados a BI
  2. Marco regulatorio de la IA en la Unión Europea (AI Act)
  3. Responsabilidad y supervisión humana en decisiones asistidas por IA

  1. Tendencias en la convergencia entre BI e IA generativa
  2. Impacto en el rol del analista de datos
  3. Nuevas competencias profesionales ante la analítica aumentada

  1. Resolución de un caso de negocio con Copilot y analítica aumentada de extremo a extremo
  2. Diseño de un informe con smart narratives y Q&A integrados
  3. Evaluación crítica de los resultados obtenidos con IA

  1. Metodologías ágiles aplicadas a la recogida de requisitos de un dashboard
  2. Técnicas de wireframing para el diseño de cuadros de mando
  3. Identificación de audiencia, objetivos y alcance del informe

  1. Del requisito de negocio al modelo de datos y las métricas necesarias
  2. Definición de especificaciones funcionales para el equipo de desarrollo
  3. Validación iterativa de la especificación con el cliente interno

  1. Estructura narrativa de un informe ejecutivo de datos
  2. Uso de bookmarks y navegación guiada en Power BI
  3. Botones de acción y desplazamiento (drill-through) en el relato de datos

  1. Adaptación del lenguaje técnico a perfiles de negocio
  2. Presentación de resultados a la dirección
  3. Gestión de preguntas y objeciones en la presentación de datos

  1. Diseño de cuadros de mando integral (CMI/Balanced Scorecard)
  2. KPIs estratégicos y su representación visual
  3. Alineación del cuadro de mando con los objetivos estratégicos

  1. Buenas prácticas de accesibilidad nativas de Power BI
  2. Etiquetado y descripciones alternativas en objetos visuales
  3. Pruebas de accesibilidad con lector de pantalla

  1. Adaptación de dashboards al formato móvil
  2. Buenas prácticas de diseño responsive en Power BI
  3. Pruebas de usabilidad en distintos dispositivos

  1. Recogida de feedback de usuarios de negocio
  2. Iteración y mejora de informes en producción
  3. Indicadores de adopción y uso real de los informes

  1. Temas personalizados en formato JSON para Power BI
  2. Layouts y plantillas estandarizadas para informes corporativos
  3. Gobernanza visual: coherencia de marca en dashboards a escala de organización

  1. Nuevas tendencias en diseño de informes de BI
  2. El papel de la IA en la personalización de dashboards
  3. Evolución hacia informes conversacionales y autoservicio