Programa del curso

1.- De los datos a las decisiones estratégicas. El mundo del dato

Objetivo

• Conocer el contexto actual del mundo del dato.
• Comprender por qué nace y se justifica la explosión de Big Data.
• Comprender qué significa este concepto, y cómo se aplica en el paso desde los datos crudos a la información y la toma de decisiones.

Contenido

1. De los datos a las decisiones estratégicas. El mundo del dato
1. Contexto
2. De los Datos a las Decisiones Estratégicas
3. Corporate Performance Management
4. Hemos aprendido

2.- Data Management

Objetivo

• Conocer en qué consiste el Data Management.
• Comprender las áreas e impacto de Calidad del Dato, Modelos de Datos, Datos Maestros, Seguridad del Dato, etc.
• Ilustrar el impacto de cada área del Data Management.

Contenido

1. Data Management
1. Qué es el Data Management
2. Áreas o disciplinas del Data Management
3. Hemos aprendido

3.- Sistemas de información: Business Intelligence. ¿Por qué aparece Big Data? ¿Qué significa?

Objetivo

• Comprender en qué consiste Business Intelligence.
• Entender por qué Big Data es un complemento, y no un sustituto, del BI.
• Reconocer los conceptos de DataWarehouse, Data Mining y ETL.
• Comprender cómo pasar de BI a Big Data, y cómo se unen para representar una ventaja competitiva.

Contenido

1. Sistemas de información: Business Intelligence ¿Por qué aparece Big Data, qué significa? 
1. Business Intelligence
2. Introducción a Big Data; el porqué de su existencia
3. Hemos aprendido

4.- Arquitecturas Big Data

Objetivo

• Comprender en qué consiste una arquitectura Big Data.
• Distinguir las distintas capas de la arquitectura y la utilidad de cada una.
• Juzgar cómo es posible procesar millones de datos en tiempo real.

Contenido

1. Arquitecturas Big Data
1. Componentes de una arquitectura Big Data
2. Hadoop
3. Spark
4. Spark sobre Hadoop
5. Hemos aprendido

5.- Visualización y toma de decisiones

Objetivo

• Asumir la importancia de la visualización final del análisis de los datos.
• Conocer las posibilidades de visualización con las herramientas disponibles a día de hoy.
• Conocer las distintas variantes existentes: mapas de calor, realidad virtual, cuadros de mando, etc.

Contenido

1. Visualización y toma de decisiones
1. Smart Data y Smart Visual Data
2. Tecnologías y herramientas de visualización
3. Casos de uso con Visualización
4. Hemos aprendido

6.- Big Data & Analytics: Disciplinas científicas

Objetivo

• Conocer la base científica del análisis masivo de datos.
• Distinguir las distintas disciplinas científicas que se aplican para el análisis de datos.
• Diferenciar los conceptos de Machine Learning, Deep Learning, Data Mining, Cognitive Computing.

Contenido

1. Big Data & Analytics: Disciplinas científicas
1. Enfoque multidisciplinar
2. De la Analítica Descriptiva a la Analítica Prescriptiva
3. Data Mining
4. Machine Learning 
5. Cognitive Computing
6. Casos de Uso
7. Hemos aprendido

7.- Big Data & Analytics: Ámbitos de aplicación

Objetivo

• Conocer los distintos ámbitos de aplicación de analítica existentes sobre Big Data: Customer Analytics, User Experience, Business Analytics, Analítica sobre Recursos Humanos, y Text Analytics.
• Para cada uno de estos ámbitos, conocer casos de uso representativos del valor que se puede conseguir con la aplicación de Big Data y ciencia de datos.
• Comparar las posibilidades de aplicación de cada tipo de analítica.

Contenido

1. Big Data & Analytics: Ámbitos de aplicación
1. Customer Analytics
2. User Experience (UX)
3. Business Analytics
4. RRHH Analytics
5. Text Analytics
6. Hemos aprendido

8.- Transformación Digital e IoT

Objetivo

• Comprender el impacto de la tecnología para posibilitar las Smart Cities y la Industria 4.0.
• Constatar la realidad de la Transformación Digital en las empresas y sus implicaciones.
• Describir las capacidades disponibles para procesamiento de texto, realidad virtual y aumentada, y la robótica.

 

Contenido

1. Transformación Digital e IoT
1. Internet de las cosas
2. Smart Cities
3. La Digitalización de las empresas
4. Realidad Virtual
5. Robótica
6. Hemos aprendido

9.- Liderazgo y Gestión de proyectos de dato

Objetivo

• Comprender el estilo de liderazgo necesario para proyectos de conocimiento.
• Distinguir las mejores prácticas para la gestión de proyectos de conocimiento.
• Juzgar las posibilidades del enfoque ágil de gestión en el mundo del dato.
• Conocer los nuevos enfoques que están surgiendo para la gestión de proyectos de ciencia de datos.

Contenido

1. Liderazgo y Gestión de proyectos de dato
1. Introducción al agilismo
2. Metodologías Ágiles
3. Liderazgo en un entorno ágil
4. Hemos aprendido

10.- Protección de datos

Objetivo

• Conocer el reglamento europeo de protección de datos.
• Observar el impacto de Big Data en la protección de datos.
• Preparar el entorno para el respeto a la LOPD.

Contenido

1. Protección de datos
1. Reglamento europeo
2. Hemos aprendido