El máster de Inteligencia de negocio y Big data (MIB) está dirigido a dos perfiles profesionales diferenciados:

- Por un lado, un perfil funcional y empresarial interesado en adquirir o completar su formación en métodos, técnicas y herramientas de análisis y minería de datos y en la utilización de tecnologías de inteligencia de negocio, a nivel de usuario avanzado.

- Y, por otro, un perfil técnico interesado en:

  • Adquirir o completar su formación en el diseño, construcción, explotación y administración de las bases de datos para entornos analíticos (data warehouse), que son la base de los sistemas y tecnologías de la información de la inteligencia de negocio y el análisis de datos.

  • Adquirir formación en el uso de los sistemas Big Data, incluyendo análisis en entornos distribuidos y almacenamiento distribuido mediante bases de datos NoSQL.

Para atender a las necesidades de cada perfil, el máster se ha estructurado en especialidades, de manera que el estudiante puede elegir entre tres itinerarios según sus intereses:

Semestre Itinerario de
Ingeniería de datos
Itinerario de
Big Data
Itinerario de
Análisis de datos
1 E1. Fundamentos de inteligencia de negocio y big data (16 créditos)
2 E2. Análisis y minería de datos (16 créditos)
3 E3. Bases de datos para entornos analíticos (16 créditos) E4. Big Data y sistemas NoSQL (16 créditos) E5. Usos de la inteligencia de negocio en la empresa (16 créditos)
4 Trabajo final de máster (12 créditos)

 

Especialidades y asignaturas

E1. Fundamentos de inteligencia de negocio y big data (16 créditos).

Esta especialidad está dirigida a introducir al estudiante en los conceptos, métodos, técnicas y herramientas que utilizan los sistemas de inteligencia de negocio y análisis de datos, a través de casos prácticos y el uso de software especializado.

Esta especialidad es obligatoria en todos los itinerarios del máster.

Se compone de las siguientes asignaturas:

  • Fundamentos de inteligencia de negocio (4 créditos) En esta asignatura el estudiante se familiariza con un sistema completo de inteligencia de negocio (la "fábrica de información") y con sus diferentes componentes: los procesos de extracción y transformación (ETL), la creación del almacén de datos, el análisis multidimensional y la realización de informes y cuadros de mando. El estudiante trabaja con herramientas Pentaho (Enterprise Edition) y MySQL en una plataforma virtual en la nube y con las bases de conocimiento de la consultora Gartner y otras empresas de prospectiva.

  • Gestión de proyectos de BI (4 créditos) En esta asignatura el estudiante se familiariza con el modelo internacional de referencia en gestión de proyectos (PMBoK) y con los métodos específicos de producción de proyectos de inteligencia de negocio, a través de un caso práctico y de contenidos teóricos. El estudiante trabaja con herramientas de gestión de proyectos (MSProject y equivalentes) y con herramientas de ofimática (tipo XLS y PPT).

  • Fundamentos y usos del big data (4 créditos) En esta asignatura el estudiante trabaja lo que algunos han llamado la "gestión extrema de la información", es decir, la transformación del enorme volumen de datos oculto en el interior de la propia organización o presente a su alrededor, los diferentes tipos de datos e información y su aplicación en la empresa. Se estudia el ciclo de vida de la gestión de datos masivos y los aspectos tecnológicos, legales y éticos. El estudiante trabaja con universos de datos propios de la universidad, cedidos por empresas o procedentes de las redes sociales, a través de herramientas como Apache Hadoop y Apache Spark.

  • Pensamiento analítico en la empresa (4 créditos) El pensamiento analítico representa un cambio en la manera de tomar decisiones y en la cultura de la empresa. En esta asignatura se trabajan las herramientas, el vocabulario y las metodologías básicas para analizar una situación de negocio y de forma sistemática traducirlo en un proyecto de datos. Actúa también como asignatura niveladora para estudiantes que no han recibido anteriormente una formación sobre la arquitectura y componentes de los sistemas de información de empresa (ERP, CRM, SCM, etc.) y su relación con los sistemas de inteligencia de negocio. Finalmente, se propone una metodología para analizar las tendencias del mercado de BI y se presentan las tendencias más actuales.

 

E2. Análisis y minería de datos (16 créditos)

Esta especialidad está dirigida a proporcionar al profesional de perfil empresarial y tecnológico capacidades prácticas de análisis de datos y de manejo de herramientas, dentro del marco científico de data science aplicado a los negocios y las organizaciones.

Esta especialidad es obligatoria en todos los itinerarios del máster.

Se compone de las siguientes asignaturas:

  • Minería de datos: conceptos y técnicas (4 créditos) En esta asignatura el estudiante trabaja con modelos teóricos, casos prácticos y herramientas estadísticas los procesos de definición de problemas, preparación de datos y exploración, así como los principales conceptos de la estadística clásica: correlaciones, regresiones lineales, reducción de la dimensionalidad, etc. El estudiante recibe una formación y práctica sólidas en la utilización de la herramienta R, un estándar de facto del mercado.

  • Business analytics: modelos y algoritmos (4 créditos) La asignatura presenta los conceptos y tipología de análisis de diferentes tipos de datos, los modelos y algoritmos de uso más frecuente de clasificación y agrupación y las metodologías y estándares profesionales y científicos que se usan en analítica de negocio. En esta asignatura el estudiante trabaja principalmente con R, aunque pueden realizarse ejercicios con otras herramientas (Excel, QlikView)

  • Sistemas de reporting y cuadros de mando (4 créditos) En esta asignatura, el estudiante se familiariza con la construcción y el uso de sistemas de reporting y cuadros de mando, tanto desde el punto de vista estratégico como operativo, así como de los marcos conceptuales en que se basan. Se estudian el modelo de "cuadro de mando integral" (balanced scorecard) y otros sistemas de inteligencia competitiva. La asignatura incluye un caso extenso de construcción de un cuadro de mando a partir de un almacén de datos (data warehouse) desarrollado. El estudiante trabaja con herramientas ofimáticas (XLS, PPT) y con una herramienta dedicada, en este caso QlikView.

  • Gobierno de datos (data governace) (4 créditos) En esta asignatura, el estudiante se familiariza con el gobierno de datos, una práctica que aúna personas, procesos y tecnología para cambiar la forma en que los datos son adquiridos, gestionados, mantenidos, transformados en información, compartidos en el contexto de la organización como conocimiento común y sistemáticamente obtenidos por la empresa para mejorar la rentabilidad. El estudiante trabaja con herramientas ofimáticas (DOC, XLS, PPT) y con herramientas especializadas para el desarrollo de un programa de gobierno de datos.

 

E3. Bases de datos para entornos analíticos (16 créditos)

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más habituales, es decir, los que se basan en el uso de bases de datos relacionales para la construcción de un almacén de datos o data warehouse.

Esta especialidad es optativa.

Se compone de las siguientes asignaturas:

  • Diseño y construcción del data warehouse (6 créditos) En esta asignatura se aprende a crear un almacén de datos adecuado que ofrezca soporte en la toma de decisiones de la organización. Se presenta a nivel conceptual la arquitectura de almacenamiento de un sistema de BI para Data Warehousing y se dan pautas para la construcción de este tipo de sistemas.  La puesta en práctica se lleva a cabo mediante la resolución de un caso práctico extenso para el cual se utilizan diferentes herramientas de Microsoft o Pentaho, sobre bases de datos Oracle o PostgreSQL.

  • Bases de datos para data warehouse (5 créditos) Esta  asignatura tiene por objeto adquirir conceptos, procedimientos y buenas prácticas para la creación y manipulación de las bases de datos relacionales que dan soporte a la construcción del almacén de datos. Se profundiza en el aprendizaje del lenguaje SQL, y en el diseño físico de bases de datos, así como en bases de datos orientadas a columnas. Estas bases de datos se caracterizan por el almacenamiento de los datos en forma de columnas, a diferencia de las bases de datos relacionales tradicionales que realizan un almacenamiento de los datos por filas. Se trabaja con una base de datos relacional tipo PostgreSQL.

  • Explotación y administración del data warehouse (5 créditos) En esta asignatura se aprende a evaluar la viabilidad de la construcción de un almacén de datos y a explotar y administrar sistemas de Data Warehouse. Con este fin se presentan las distintas formas de presentar los datos y qué tipos de  herramientas pueden ofrecer el tipo de visualización que interesa. Asimismo se enseña a administrar el  sistema durante su desarrollo, implantación y/o posterior explotación de los datos.   Se trabaja con la misma familia de herramientas: Microsoft o Pentaho para el almacén de datos y Oracle o PostgreSQL como bases de datos.

 

E4. Big data y sistemas NoSQL (16 créditos)

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más nuevos, basados en la captura, procesamiento y gestión de datos masivos, de diferentes procedencias y tipología.

Esta especialidad es optativa.

Se compone de las siguientes asignaturas:

  • Escenarios de uso de Big data (5 créditos) En esta asignatura se presentan distintos escenarios de negocio que combinan tanto la analítica de negocio como el big data, y cómo pueden ser utilizados para la creación de nuevos productos y servicios basados en los datos. Entre estos escenarios destacan la inteligencia geográfica, la analítica social o el paradigma de datos abiertos. Asimismo se presentan tecnologías no cubiertas en otras asignaturas como serían stream data o los sistemas de indexación y búsqueda distribuida. Por las características de la asignatura se trabaja con diferentes herramientas que se actualizan continuamente y pueden cambiar en cada edición y que incluyen R y GeoBI entre otros..

  • Tecnologías Big data: tecnologías (6 créditos) En esta asignatura se presentan las bases para el almacenamiento y procesamiento de datos masivos o big data. Veremos los principales modelos de procesamiento (batch y stream), así como los frameworks más utilizados en la actualidad (Apache Hadoop y Spark). De cada uno, presentaremos sus ecosistemas e introduciremos los módulos más relevantes para el acceso, proceso y visualización de datos, incluyendo análisis de datos, machine learning y manipulación de datos en formato de grafos. Se trabaja principalmente con el entorno de almacenamiento distribuido HDFS y con los frameworks de procesamiento Apache Hadoop y/o ApacheSpark sobre máquinas virtuales accesibles desde el aula. 

  • Bases de datos NoSQL (5 créditos) Las bases de datos NoSQL constituyen una alternativa a las bases de datos relacionales y son especialmente idóneas para ciertos dominios de aplicación: dominios que trabajan con grandes volúmenes de datos, dominios donde se requiera una alta distribución y/o disponibilidad, dominios que trabajan con datos poco estructurados y dominios en los que se establecen múltiples y complejas interrelaciones entre los datos. En esta asignatura se presentan los principios y conceptos de este tipo de bases de datos, los modelos de datos que subyacen y los problemas que presenta la distribución en el almacenaje y gestión de los datos. Se trabajan diferentes tipos de bases de datos NoSQL (clave-valor, documentos, orientadas a columnas y grafos) con herramientas como Riak, MongoDB o Neo4j.

 

E5. Usos de la inteligencia de negocio en la empresa (16 créditos)

Esta especialidad está dirigida a proporcionar al profesional de perfil más empresarial casos prácticos de uso de la inteligencia de negocio tanto en la estrategia de empresa como en la gestión operativa de los procesos de negocio más importantes: gestión económico-financiera, marketing y ventas, operaciones y logística, etc.

Esta especialidad es optativa.

Se compone de las siguientes asignaturas:

  • Gestión económico-financiera: casos de negocio (4 créditos) En esta asignatura, a través de casos prácticos, se analiza el uso de sistemas de inteligencia analítica en los procesos de gestión y seguimiento presupuestario, gestión de tesorería y finanzas estratégicas y operativas, en diferentes sectores económicos. El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R) y de reporting y análisis (QlikView o Tableau).

  • Marketing y ventas: casos de negocio (4 créditos) En esta asignatura, el estudiante estudia el empleo de herramientas de business intelligence en una de las áreas en las que el uso de la inteligencia de negocio está más desarrollado y es más prometedor. Se analizan los conceptos y buenas prácticas de investigación de mercado, gestión de las ventas y las relaciones con los clientes y análisis y predicción del comportamiento de los clientes (customer analytics). El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), y de reporting y análisis (QlikView o Tableau).

  • Operaciones y logística: casos de negocio ( 4 créditos) Se trabajan los usos del BI en la cadena de suministro (aprovisionamiento, producción, gestión de almacenes, transporte y distribución al punto de venta) y las nuevas aplicaciones vinculadas a la internet de las cosas (IoT) y los sistemas de información geográfica. El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), de reporting y análisis (QlikView o Tableau), así como ejercicios que integran sistemas de información geográfica de código abierto.

  • Recursos humanos: casos de negocio (4 créditos) La analítica de recursos humanos (HR analytics) también llamada análisis de talento, es la aplicación de técnicas sofisticadas de minería de datos y Business Analytics a los datos de recursos humanos. Mediante un caso práctico, el estudiante verá cómo se pueden aplicar estas técnicas para una gestión estratégica eficaz de los recursos humanos, de manera que los objetivos de negocio se cpuedan cumplir de una rorma rápida y eficiente, obteniendo un rendimiento óptimo sobre el capital humano. Durante el curso, el estudiante trabaja con herramientas ofimáticas (XLS, PPT), de análisis (R) y de reporting (QlikView o Tableau)

 

Trabajo final de máster (TFM) (12 créditos)

El máster se completa con un Trabajo final de máster (TFM), que tiene un valor de 12 créditos. El Trabajo final de máster és obligatorio para todos itinerarios del máster.

El trabajo final se puede realizar en dos modalidades:

  • Elegir entre una serie de temas propuestos por el equipo docente, que cubren los componentes o bloques temáticos principales del ámbito de inteligencia de negocio y análisis de datos.
  • Proponer un proyecto propio de interés del estudiante que puede realizar en su empresa.

 

Recursos comunes para el aprendizaje

El estudiante dispone a lo largo del programa cuenta con recursos comunes de soporte y aprendizaje:

  • Una asignatura transversal optativa de adquisición de competencias digitales (Aprovechar las TIC en posgrado), cuyo objeto es familiarizarse con el uso de las herramientas del campus y aulas de la UOC, y la formación en técnicas de información y comunicación social para la formación virtual.
  • Un laboratorio virtual de tecnologías y herramientas de business intelligence, que da servicios de soporte en el uso de las herramientas. El programa cuenta con acuerdos con los principales fabricantes de software de BI, con empresas de infraestructura virtualizada y con un laboratorio de herramientas de software de código abierto.
  • Un laboratorio virtual de lenguajes de programación, que proporciona soporte al estudiante durante todo el programa en los temas relacionados con la programación, especialmente en el lenguaje R.
  • Un tutor asignado a lo largo de todo el programa, para el seguimiento individualizado del progreso del estudiante, la resolución de incidencias y la coordinación con los docentes. El aula de tutoría proporciona también información de actualidad, anuncios de eventos y cursos y ofertas de empleo.
  • Un conjunto de recursos para el aprendizaje no guiado: un blog sobre temas de actualidad, un canal de vídeo, varias webs propias, una wiki sobre el uso de las herramientas de laboratorio, un repositorio de casos y proyectos de fin de carrera y acceso a las bases de datos de la empresa de prospectiva Gartner, a la biblioteca virtual de la Universidad y a la red de recursos de las bibliotecas públicas.
  • Recursos de nivelación, tales como tutoriales, vídeos y materiales docentes de otros programas de la UOC, para aquellos estudiantes que presenten carencias de formación en ámbitos de empresa, sistemas de información, estadística o tecnologías.
  • Una bolsa de trabajo, tanto para ofertas de ocupación estable como para la realización de prácticas voluntarias en empresas.

 

Herramientas de software

El programa aspira a que los profesionales de vocación y perfil más empresarial y funcional puedan adquirir competencias de usuario avanzado para el análisis de negocio. Los estudiantes de este tipo de perfil habitualmente siguen el recorrido no tecnológico (itinerario de análisis de datos).

De igual manera, aquellos profesionales de perfil y vocación más tecnológica adquieren: (1) competencias avanzadas de diseño, construcción y explotación de sistemas de BI basadas en estas herramientas (si siguen el itinerario de ingeniería de datos), o (2) competencias de captura, procesamiento, almacenamiento y análisis de grandes volúmenes de datos (Big Data) (si siguen el itinerario de Big Data). En ambos itinerarios disponen de un laboratorio a cargo de personal especializado. 

La UOC tiene acuerdos de colaboración estable con los programas académicos de IBM, Microsoft, QlikView y Tableau. Asimismo continuamente estamos evaluando otras herramientas y acuerdos con otros fabricantes.

La UOC ha tenido tradicionalmente un compromiso con el software de código abierto, en especial en el ámbito de la inteligencia de negocio. Nuestra herramienta de referencia en análisis estadístico y minería de datos es R, para cuyo uso disponemos de manuales, tutoriales y una web de contenidos. Nuestra herramienta de referencia en la explotación y análisis de datos masivos son Apache Hadoop y Apache Spark. Para el aprendizaje de bases de datos NoSQL utilizamos herramientas como MongoDB, Riak o Neo4j.

Dependiendo de las exigencias de rendimiento del software, algunas aplicaciones se pueden descargar en el ordenador del estudiante o bien acceder a máquinas virtuales de Amazon y Azure desde la propia aula.

Es recomendable disponer de máquines y SO de 64 bits y 4 Gb de RAM mínimo (6GB recomendables)

En la descripción de cada especialidad y asignatura, se incluyen las herramientas que se utilizan para el aprendizaje. Esta elección puede cambiar en cada convocatoria en función de las necesidades docentes, la actualización del programa y la relación con fabricantes actuales o nuevos.

Próxima matrícula:

30 noviembre
Para cursos que inician docencia en febrero y marzo

Junio
Para cursos que inician docencia en septiembre y octubre

Estudiantes mexicanos Ver opciones

¿Quieres más información?

¿Quieres más información?

Pref.Ej: + 34
Teléfono fijoEj: 932532300
Pref.Ej: + 34
Teléfono móvilEj: 123456789
Pref.Ej: + 34
LadaEj.234
Teléfono de contactoEj: 4585324
Pref.Ej: + 34
LadaEj.234
Teléfono de contactoEj: 4585324
Pref.Ej: + 34
LadaEj.234
Teléfono de contactoEj: 4585324
Pref.Ej: + 34
Teléfono de contactoEj: 4585324
Pref.Ej: + 34
Teléfono de contactoEj: 4585324


Matrícula anticipada

Matrícula anticipada 20% dto.
A partir del 30 de noviembre

Puedes fraccionar en cuotas el pago de tu máster, posgrado o especialización

¿Necesitas ayuda? ¡Llámanos!

Sin costo:

Argentina 0 800 4444258
Bolivia 800 100891
Brasil 800 5510606
Chile 230 0208077
Colombia 01 800 75 22 215
Costa Rica 0 8000521188
Estados Unidos 8772354497
México +52 (55) 55 114 206 al 08
Paraguay 009 98005210016
Perú 0 800 00735
República Dominicana 8887600041
Uruguay 00040 405210114

¿Por qué escoger la UOC?

El momento de ser #eltúquequieresser es SIEMPRE

¿Quieres más información?

Pref.Ej: + 34
Teléfono fijoEj: 932532300
Pref.Ej: + 34
Teléfono móvilEj: 123456789
Pref.Ej: + 34
LadaEj.234
Teléfono de contactoEj: 4585324
Pref.Ej: + 34
LadaEj.234
Teléfono de contactoEj: 4585324
Pref.Ej: + 34
LadaEj.234
Teléfono de contactoEj: 4585324
Pref.Ej: + 34
Teléfono de contactoEj: 4585324
Pref.Ej: + 34
Teléfono de contactoEj: 4585324