El mayor activo de una empresa son sus datos y saber administrarlos y extraer decisiones estratégicas se vuelve clave para el futuro de cualquier empresa. Gracias a nuestro Master en Business Analytics – Big Data y Analytics podrás extraer información de valor que permita a cualquier empresa mejorar tecnológicamente. Gestionarás grandes volúmenes de información mediante bases de datos, herramientas de analítica, machine learning, dashboards y algoritmos con Python y R.
Gracias a todo estos análisis de datos exhaustivos serás capaz de visualizar datos que te permitan extraer conclusiones relevantes y acertadas. Además, gracias a las prácticas garantizadas, podrás acceder a un mercado laboral en plena expansión.
El Master en Business Analytics – Big Data y Analytics está pensado para profesionales que gestionen información, ya sea estadística, de marketing, o empresarial y deseen mejorar gracias al uso de tecnologías actuales. También se orienta a estudiantes que busquen una formación especializada en el sector profesional más demandado por las empresas actuales.
Objetivos
– Utilizar las principales herramientas de Business Analytics como PowerBI, Tableau o Qlikview.
– Saber realizar analíticas predictivas gracias al uso del Data Mining y el Machine Learning.
– Gestionar la información mediante bases de datos relacionales y no relacionales.
– Realizar algoritmos de análisis de datos con Python y R.
– Utilizar la analítica web y su aplicación con Google Analytics para la creación de cuadros de mando.
Salidas Profesionales
El perfil de analista de datos es uno de los más demandados profesionalmente. Gracias a la realización del Master en Business Analytics – Big Data y Analytics podrás gestionar la información de cualquier empresa para obtener beneficios empresariales y eso te otorgará salidas profesionales como Analista de datos, Big Data Scientist, Business Analyst o Experto en análisis web.
La era de las grandes cantidades de información. Historia del big data
La importancia de almacenar y extraer información
Big Data enfocado a los negocios
Open Data
Información pública
IoT (Internet of Things-Internet de las cosas)
Definición y relevancia de la selección de las fuentes de datos
Naturaleza de las fuentes de datos Big Data
Definición, Beneficios y Características
Ejemplo de uso de Open Data
Diagnóstico inicial
Diseño del proyecto
Proceso de implementación
Monitorización y control del proyecto
Responsable y recursos disponibles
Calendarización
Alcance y valoración económica del proyecto
Definiendo el concepto de Business Intelligence y sociedad de la información
Arquitectura de una solución de Business Intelligence
Business Intelligence en los departamentos de la empresa
Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
Sistemas operacionales y Procesos ETL en un sistema de BI
Ventajas y Factores de Riesgos del Business Intelligence
Cuadros de Mando Integrales (CMI)
Sistemas de Soporte a la Decisión (DSS)
Sistemas de Información Ejecutiva (EIS)
Apoyo del Big Data en el proceso de toma de decisiones
Toma de decisiones operativas
Marketing estratégico y Big Data
Nuevas tendencias en management
Concepto de web semántica
Linked Data Vs Big Data
Lenguaje de consulta SPARQL
Contexto Internet de las Cosas (IoT)
¿Qué es IoT?
Elementos que componen el ecosistema IoT
Arquitectura IoT
Dispositivos y elementos empleados
Ejemplos de uso
Retos y líneas de trabajo futuras
Aproximación al concepto de DataMart
Bases de datos OLTP
Bases de Datos OLAP
MOLAP, ROLAP & HOLAP
Herramientas para el desarrollo de cubos OLAP
Visión General. ¿Por qué DataWarehouse?
Estructura y Construcción
Fases de implantación
Características
Data Warehouse en la nube
Tipos de herramientas para BI
Productos comerciales para BI
Productos Open Source para BI
Beneficios de las herramientas de BI
Business Intelligence en Excel
Herramienta PowerBI
Herramienta Tableau
Instalación y arquitectura
Carga de datos
Informes
Transformación y modelo de datos
Análisis de datos
Introducción a la minería de datos y el aprendizaje automático
Proceso KDD
Modelos y Técnicas de Data Mining
Áreas de aplicación
Minería de textos y Web Mining
Data mining y marketing
¿Qué es Hadoop? Relación con Big Data
Instalación y configuración de insfraestructura y ecosistema Hadoop
Sistema de archivos HDFS
MapReduce con Hadoop
Apache Hive
Apache Hue
Apache Spark
¿Qué es Weka?
Técnicas de Data Mining en Weka
Interfaces de Weka
Selección de atributos
Introducción
Clasificación de algoritmos de aprendizaje automático
Ejemplos de aprendizaje automático
Diferencias entre el aprendizaje automático y el aprendizaje profundo
Tipos de algoritmos de aprendizaje automático
El futuro del aprendizaje automático
Introducción
Algoritmos
Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
Clasificadores
Algoritmos
Componentes
Aprendizaje
Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación
¿Qué es la ciencia de datos?
Herramientas necesarias para el científico de datos
Data Science & Cloud Compunting
Aspectos legales en Protección de Datos
Introducción
El modelo relacional
Lenguaje de consulta SQL
MySQL. Una base de datos relacional
¿Qué es una base de datos NoSQL?
Bases de datos Relaciones Vs Bases de datos NoSQL
Tipo de Bases de datos NoSQL. Teorema de CAP
Sistemas de Bases de datos NoSQL
¿Qué es MongoDB?
Funcionamiento y uso de MongoDB
Primeros pasos con MongoDB. Instalación y shell de comandos
Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
Actualización de datos en MongoDB. Sentencias set y update
Trabajando con índices en MongoDB para optimización de datos
Consulta de datos en MongoDB
Una aproximación a Pentaho
Soluciones que ofrece Pentaho
MongoDB & Pentaho
Hadoop & Pentaho
Weka & Pentaho
Introducción a Python
¿Qué necesitas?
Librerías para el análisis de datos en Python
MongoDB, Hadoop y Python. Dream Team del Big Data
Introducción a R
¿Qué necesitas?
Tipos de datos
Estadística Descriptiva y Predictiva con R
Integración de R en Hadoop
Obtención y limpieza de los datos (ETL)
Inferencia estadística
Modelos de regresión
Pruebas de hipótesis
Inteligencia Analítica de negocios
La teoría de grafos y el análisis de redes sociales
Presentación de resultados
Introducción
La Analítica Web. Un reto cultural
¿Qué puede hacer la analítica web por ti o tu empresa?
Glosario de Analítica Web
La analítica web en la actualidad
Definiendo la analítica web
El salto a la analítica web moderna
Identificar los factores críticos
Otros factores que convienen medir
Las macro y microconversiones
Medir el valor económico
Sitios sin comercio. Valores a medir
Medición de sitios B2B
Introducción
La usabilidad Web
Pruebas Online y a Distancia
Las encuestas
Definición de KPIs
KPI, CSF y metas
Principales KPIS
Ejemplos de KPIS
Supuesto práctico. Cálculo de KPI con Excel
Introducción
Recopilar datos de Inteligencia Competitiva
Análisis del tráfico de sitios web
Búsquedas
Introducción a los cuadros de mando y dashboard
Estrategias para la creación de un cuadro de mando
Dashboard en Excel o Google Analytics
Aplicaciones gratuitas
Aplicaciones propietarias
Introducción a la analítica web
Funcionamiento Google Analytics
Introducción e instalación de Google Analytics
Interfaz
Métricas y dimensiones
Informes básicos
Informes personalizados
Comportamiento de los usuarios e interpretación de datos
¿Qué es Google Analytics 4?
Diferencias con respecto a Universal Analytics
Implementación de Google Analytics 4
Las herramientas de análisis de Google Analytics 4
Los espacios de identidad
Ventajas de Google Analytics 4
Desventajas de Google Analytics 4
Planes de medición
Configuración de las vistas mediante filtros
Métricas y dimensiones personalizadas
Seguimiento de eventos
Informes de visión general
informes completos
Compartir informes
Configuración paneles de control y accesos directos
Informes de Audiencia
Informes de Adquisición
Informes de Comportamiento
Campañas personalizadas
Realizar un seguimiento de las campañas con el Creador de URLs
Configuración y medición de objetivos
Cómo medir campañas de Google Ads
Analítica avanzada
Informes sin muestrear
Google BigQuery Export
Integraciones
Concepto y características
Gestión de etiquetas
Activadores y gestión de variables
Implementación y eventos
Tracking
Visualización de datos
Tipologías de gráficos
Fuentes de datos
Integración con Analytics
Creación de informes
Titulación
Titulación de Máster de Formación Permanente en Business Analytics – Big Data y Analytics con 1500 horas y 60 ECTS expedida por UTAMED – Universidad Tecnológica Atlántico Mediterráneo.
Ir al contenido 
Optimized by Seraphinite Accelerator