O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.

Guía estudiantes Máster Inteligencia negocio octubre 2018

181 visualizações

Publicada em

Guía estudiantes del Máster de Inteligencia negocio y Big data de la UOC - edición octubre 2018

Publicada em: Educação
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Guía estudiantes Máster Inteligencia negocio octubre 2018

  1. 1. Guía general programa Inteligencia de negocio y Big data Octubre 18 http://business-intelligence.uoc.edu
  2. 2. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 2 Índice Introducción 3 Presentación del programa 3 Objetivos y competencias 3 Objetivos comunes del Máster 3 Objetivos específicos del itinerario de Ingeniería de datos 4 Objetivos específicos del itinerario de Big data 4 Objetivos específicos del itinerario de Análisis de datos 5 Perfiles 5 Competencias 6 A quién se dirige 6 Salidas Profesionales 7 Conocimientos previos 7 Estructura y contenidos (Plan de estudios) 8 Contenido detallado de cada especialidad y asignaturas Error! No s'ha definit el marcador. Laboratorio 15 Asignatura transversal optativa: Aprovechar las TIC en posgrado 15 Dedicación 15 Metodología 16 Equipo académico 17 Recursos para el aprendizaje 22 Calendario curso 2018 /2020 (Octubre 18 - Julio 20) Error! No s'ha definit el marcador. Evaluación 31 Titulación 33 Servicio de atención al estudiante Error! No s'ha definit el marcador.
  3. 3. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 3 1. Introducción La presente guía contiene una explicación de la visión general del programa Business Intelligence/Inteligencia de negocio y big data (Máster, posgrados y especializaciones), así como de la metodología general que se seguirá durante su desarrollo. Para el funcionamiento específico de cada asignatura, os remitimos a los planes docentes, que se actualizan cada semestre. Del funcionamiento general de la metodología UOC disponéis de la Guía del estudiante (http://www.uoc.edu/estudiant/portal/guia/es/index.html) 2. Presentación del programa La inteligencia de negocio y el análisis de datos, bajo diferentes nombres (business intelligence, business analytics, data science, big data), es actualmente la mayor área de demanda de profesionales cualificados, la mayor fuente de inversión de las empresa, la mayor causa de creación de negocios de productos y servicios en todo el mundo. El máster de Inteligencia de negocio y Big data (MIB) y los programas especializados de la UOC en este ámbito ofrecen desde hace más de diez años una formación práctica y profesionalizadora basada en casos de negocio y en el uso de herramientas de mercado, impartida por profesionales de BI del mundo de la empresa y profesores especialistas en ciencias empresariales, matemáticas e ingeniería informática. Este programa se ha diseñado y se ofrece conjuntamente por los Estudios de Economía y Empresa y los Estudios de Informática, Multimedia y Telecomunicación de la UOC. 3. Objetivos y competencias a. Objetivos comunes del Máster De acuerdo con las tendencias actuales en formación universitaria y con la experiencia de la UOC en programas virtuales, los objetivos del máster se dirigen a la adquisición de competencias profesionales de carácter práctico, principalmente mediante el uso de casos de negocio, métodos y herramientas de trabajo, dentro del rigor y el marco científico de un programa universitario. Algunos de estos objetivos son comunes a los tres programas y otros son específicos para cada uno de los itinerarios (Ingeniería de datos, Big data y Análisis de datos).
  4. 4. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 4 Objetivos comunes ● Adquirir y estar en condiciones de implantar una mentalidad crítica y analítica dentro de la empresa, mediante el conocimiento de los diferentes sistemas de información de empresa, los métodos y técnicas de análisis de datos, la formulación de preguntas e hipótesis y la obtención de conclusiones útiles para el negocio. ● Conocer el funcionamiento y el mercado de los sistemas de información de inteligencia de negocio y big data y sus principales utilidades y componentes para proporcionar información y conocimiento que permita mejorar la toma de decisiones. ● Conocer y estar en condiciones de desarrollar e implantar un proyecto de inteligencia de negocio dentro de la empresa, las etapas del ciclo de gestión de proyectos y los métodos específicos de producción de proyectos de BI. ● Conocer las nuevas tendencias en materia de inteligencia de negocio, en particular, el fenómeno de los big data, que representa el tratamiento e interpretación de datos de mayor volumen, variedad, complejidad y velocidad, procedentes de múltiples fuentes. Entender y saber aplicar su uso efectivo y las implicaciones tecnológicas, legales y éticas. ● Conocer y estar en condiciones de aplicar las técnicas y herramientas de análisis y minería de datos, los métodos y algoritmos más habituales y sus usos aplicados en diferentes empresas y organizaciones. ● Conocer y saber utilizar las nuevas tendencias en minería de datos, tales como minería de textos, análisis de las redes sociales, minería de opinión y sentimientos, así como el uso de los sistemas de información geográfica y el internet de las cosas. ● Saber utilizar a nivel de usuario avanzado una suite completa de inteligencia de negocio, un sistema de interrogación y una herramienta de estadística avanzada para el análisis de datos. ● Saber construir informes y cuadros de mando para la toma de decisiones de los empleados y directivos y técnicas y herramientas de visualización de datos. ● Saber utilizar, programar y parametrizar a nivel de analista herramientas de estadística avanzada y de creación de cuadros de mando. b. Objetivos específicos del itinerario de Ingeniería de datos ● Conocer y saber organizar diferentes estructuras de datos y crear un almacén de datos (data warehouse). ● Saber utilizar herramientas de análisis multidimensional (OLAP) y crear, en colaboración con los analistas de datos y departamentos usuarios, cubos de análisis. ● Saber diseñar, parametrizar o construir sistemas complejos de inteligencia de negocio y asegurar su mantenimiento, trabajando sobre herramientas específicas. ● Saber explotar y administrar sistemas complejos de almacén de datos. c. Objetivos específicos del itinerario de Big data ● Conocer y saber organizar diferentes estructuras de datos y crear un almacén de datos (data warehouse). ● Conocer y saber construir y utilizar sistemas de bases de datos no relacionales
  5. 5. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 5 (NoSQL). ● Conocer y saber utilizar las arquitecturas y herramientas de sistemas de gestión de datos masivos (big data). ● Saber utilizar a nivel de analista herramientas de estadística avanzada, almacén de datos (data warehouse), bases de datos relacionales, bases de datos NoSQL y sistemas de gestión de big data. d. Objetivos específicos del itinerario de Análisis de datos ● Saber utilizar técnicas de análisis multidimensional (OLAP) y construir, en colaboración con el departamento de sistemas de información, cubos de análisis. ● Comprender y saber aplicar los métodos y herramientas de análisis de datos en las principales funciones y procesos empresariales: gestión económico-financiera, marketing y ventas y operaciones y logística. ● Saber construir informes y cuadros de mando para la toma de decisiones de los empleados y directivos y técnicas y herramientas de visualización de datos. e. Perfiles El espacio de conocimiento y aplicación de la inteligencia de negocio y el análisis de datos es, por definición, un ámbito híbrido en el que conviven perfiles de entrada y de salida muy diferentes. También es muy diferente la organización de las competencias y responsabilidades sobre inteligencia de negocio dentro de las empresas y organizaciones de todo tipo. Aunque el programa no requiere formalmente una formación o titulación específica de origen, es importante disponer de conocimientos previos, que varían en función del itinerario: ● Para el itinerario de análisis de datos se requieren conocimientos básicos de programación, básicamente en lenguaje R. En caso de no disponer de estos conocimientos, el estudiante recibirá material docente de nivelación, pero deberá estar dispuesto a invertir un tiempo adicional para adquirir el nivel necesario. ● Para el itinerario de Ingeniería de datos y el itinerario de Big Data se requieren conocimientos de programación y de diseño y uso de bases de datos relacionales. Se recomienda pedir asesoramiento para diseñar el itinerario más adecuado, en función de la formación de entrada y las aspiraciones profesionales de cada candidato. Normalmente, el itinerario de análisis de datos se recomienda para estudiantes de formación empresarial, ingenierías de todo tipo, matemáticas, sociología, ciencias de la información o candidatos con una experiencia profesional equivalente.
  6. 6. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 6 El itinerario de ingeniería de datos y el itinerario de Big Data se recomienda para técnicos e ingenieros informáticos o de telecomunicación, matemáticos o candidatos con una experiencia profesional equivalente. f. Competencias El programa está preparado para el desarrollo de capacidades prácticas de uso y construcción de sistemas de inteligencia de negocio y datos masivos, dentro de un marco conceptual propio basado en las buenas prácticas y el conocimiento científico. El diseño de esta titulación propia sigue las recomendaciones y metodología del Espacio Europeo de Enseñanza Superior (EEES) y por lo tanto se basa en la adquisición de competencias para el trabajo profesional en empresas privadas y organizaciones públicas. 4. A quién se dirige Según hemos presentado en el apartado "Perfiles", el programa se dirige a perfiles de entrada muy diversos, tanto por su formación de origen como por su experiencia profesional. De acuerdo con nuestra experiencia a lo largo de los últimos diez años, los estudiantes del máster y los programas de BI de la UOC proceden de los siguientes ámbitos: ● Departamentos de control de gestión en el área económico-financiera, de marketing y ventas y otros. ● Centros de competencias de inteligencia de negocio o departamentos especializados en análisis de datos y Data Science. ● Departamentos de organización y sistemas y tecnologías de la información. ● Consultores e implantadores de software estándar o a medida de inteligencia de negocio, sean de perfil de negocio o de perfil tecnológico. ● Emprendedores que han iniciado o desean hacerlo un proyecto de negocio de productos y servicios de business intelligence y big data. Debido a la evolución del sector y las empresas, es frecuente que realicen nuestro programa profesionales con diferentes niveles de experiencia que necesitan reorientar su carrera profesional. Finalmente, en los últimos años, el máster de Inteligencia de negocio y big data (MIB) está cumpliendo un papel de programa de continuidad para estudiantes que han completado un grado y desean emplearse rápidamente en un ámbito profesional atractivo y de gran demanda.
  7. 7. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 7 5. Salidas Profesionales El objetivo del máster de Inteligencia de negocio y big data (MIB) de la UOC ha sido tradicionalmente la formación de profesionales todo-terreno con una formación en análisis y solución de problemas de negocio, estadística avanzada y minería de datos y diseño y construcción de sistemas de información de business intelligence, que podían trabajar en diferentes departamentos de la empresa o en un centro de competencias transversal. A medida que esta especialidad ha crecido y las empresas reconocen la necesidad de esta clase de perfiles, también lo han hecho las diferentes salidas profesionales: ● Analistas de datos en departamentos de control de gestión u otros departamentos de la empresa, especialmente en el área de marketing y ventas y en las áreas de producción y operaciones. ● Responsables, jefes de proyecto o analistas de sistemas de información de BI en departamentos de informática o técnicos y analistas de empresas que han adquirido o están a punto de hacerlo esta clase de sistemas. ● Consultores e implantadores de sistemas de inteligencia de negocio y big data en empresas de servicios. ● Emprendedores, que desean crear negocios basados en la creación o la implantación de sistemas especializados de inteligencia de negocio o de alguno de sus componentes, así como productos y/o servicios basados en datos. La UOC dispone de una bolsa de trabajo y acuerdos con empresas para la realización voluntaria de prácticas. 6. Conocimientos previos Aunque el programa no requiere formalmente una formación o titulación específica de origen, es necesario disponer de conocimientos previos de programación. En caso de no tener conocimientos de programación, pueden adquirirse con una mayor dedicación de tiempo. En caso de duda se recomienda pedir asesoramiento docente para diseñar el itinerario más adecuado en función de la formación de entrada y las aspiraciones profesionales de cada candidato.
  8. 8. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 8 Normalmente, el itinerario de análisis de datos se recomienda para estudiantes de formación o competencias de gestión empresarial, ingenierías de todo tipo, matemáticas, sociología, medicina, ciencias de la información o candidatos con una experiencia profesional equivalente. El itinerario de ingeniería de datos y el itinerario de Big Data se recomienda para estudiantes de competencias o formación técnica, ingenieros informáticos o de telecomunicación, matemáticos o candidatos con una experiencia profesional equivalente. En estos dos itinerarios, además de conocimientos de programación, se requiere conocimientos de diseño y uso de bases de datos relacionales. En todos los casos, es recomendable el conocimiento del inglés a nivel escrito. 7. Estructura y contenidos (Plan de estudios) El programa de Inteligencia de negocio y Big data 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.
  9. 9. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 9 Para atender a las necesidades de cada perfil, el programa se ha organizado por cursos y especialidades de manera que el estudiante puede elegir entre tres itinerarios y cursos 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) Los cursos que conforman el programa para esta edición octubre 2018 son: Máster en Inteligencia de negocio y Big data (60 créditos) Diploma de Posgrado en Inteligencia de negocio y análisis de datos (32 créditos) Diploma de Posgrado en Análisis de Negocio (Business Analytics) (32 créditos) Diploma de Posgrado en Ingeniería de datos y Big data (32 créditos) (En oferta a partir de Marzo 18) Especialización (16 créditos) ● Fundamentos de Inteligencia de Negocio y Big Data ● Análisis y Minería de Datos ● Bases de datos para entornos analíticos (En oferta a partir de Marzo 18) ● Big Data y sistemas NoSQL (En oferta a partir de Marzo 18) ● Usos de la inteligencia de negocio en la empresa (En oferta a partir de Marzo 18) Cursos (4 créditos) ● Fundamentos de inteligencia de negocio ● Fundamentos y Usos de Big Data
  10. 10. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 10 Contenido detallado de cada especialidad 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. (Especialidad 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 (Community 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
  11. 11. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 11 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. (Especialidad 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 governance) (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
  12. 12. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 12 un programa de gobierno de datos, en este caso, Trifacta y Talend Open Studio para MDM (master data management). 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 habitual, 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. (Especialidad optativa) Se compone de las siguientes asignaturas: ● Diseño y construcción de 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
  13. 13. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 13 captura, procesamiento y gestión de datos masivos, de diferentes procedencias y tipología. (Especialidad optativa) Se compone de las siguientes asignaturas: ● Gestión de Big Data: datos y usos (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, Python y CartoDB 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 Apache Spark 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. (Especialidad optativa) Se compone de las siguientes asignaturas:
  14. 14. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 14 ● 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 puedan cumplir de una forma 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 trabajo final es obligatorio para todos itinerarios del máster. 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.
  15. 15. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 15 (Los contenidos detallados de cada asignatura se encuentran especificados en el plan docente) Laboratorio Durante el desarrollo del programa, el estudiante tendrá acceso a un aula de laboratorio de tecnologías y herramientas de inteligencia de negocio y análisis de datos, donde se le dará soporte en los temas de infraestructura técnica: instalación, configuración y acceso a los programas, problemas de rendimiento, etc. El laboratorio cuenta con una wiki, una colección de tutoriales y varios profesores de apoyo. Las consultas e incidencias relacionadas con la funcionalidad del software se resuelven normalmente en las propias aulas de las asignaturas donde se proporcionan máquinas virtuales preparadas y configuradas para realizar y aplicar los conocimientos teóricos a la práctica Asignatura transversal optativa: Aprovechar las TIC en posgrado De manera paralela al inicio del programa formativo y para los estudiantes de nuevo acceso a la UOC, se da la opción de cursar la asignatura Aprovechar las TIC en posgrado, que tiene por objetivo desarrollar las competencias en tecnologías de la información y comunicación que son convenientes para realizar la formación en la UOC Dedicación Cada crédito ETCS, calculado con los criterios del espacio europeo, equivale a unas 25 horas de dedicación, entre la preparación de los entornos, la familiarización con las herramientas, el estudio del material y la realización de actividades. El máster consta de un total de 60 créditos, equivalentes a 1.500 horas de trabajo del estudiante, y tiene una duración de 2 años (4 semestres). El posgrado consta de 32 créditos, equivalentes a 800 horas de trabajo del estudiante y tiene una duración de 1 año (2 semestres). Las especializaciones constan de 16 créditos, equivalentes a 400 horas de trabajo del estudiante y tiene una duración de 1 semestre. El periodo lectivo se desarrolla entre los semestres: Octubre – Marzo y Marzo – Julio.
  16. 16. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 16 El programa proporciona flexibilidad a los alumnos pudiendo iniciar su formación en este ámbito con una de las especializaciones para, a posteriori, extender su formación a un posgrado o al máster completo. 8. Metodología El modelo de estudio y aprendizaje se basa en una metodología constructiva y aplicada de aprendizaje en línea, desarrollada por la UOC a lo largo de sus 20 años de existencia. El estudio se basa en la adquisición de competencias a través de la realización de actividades, con el apoyo por recursos (materiales didácticos y herramientas), la interacción con otros compañeros en el foro y el apoyo de un equipo docente en la propia aula. El entorno virtual de aprendizaje está dotado de la información, los recursos y las herramientas que tanto los estudiantes como los profesores necesitarán a lo largo del proceso formativo. Éste no pretende ser simplemente una plataforma tecnológica dónde comunicarse y albergar los contenidos, sino que los recursos y las dinámicas que puedan ofrecerse desde el mismo signifiquen para los estudiantes y el profesorado una comunidad educativa real con todos los componentes e interacciones necesarias. El modelo de evaluación es el de evaluación continuada, basada en las actividades realizadas a lo largo del curso y en la participación y actitud en el aula. No se realizan exámenes ni pruebas presenciales. Estos espacios se distribuyen básicamente en cuatro grandes bloques: ● Planificación: Espacio de acceso al plan docente específico de la asignatura. También en la agenda se encuentra la organización/calendario previsto de las actividades. ● Comunicación (docencia): Comunicación con el profesor y trabajo cooperativo con los compañeros. ● Recursos: Desde este espacio se facilita el acceso a los materiales didácticos del curso en formato digital y también a la Biblioteca de la UOC y a otras bibliotecas del mundo, bases de datos, revistas, etc., para complementar el aprendizaje. ● Evaluación: Espacio de entrega de las actividades, así como de consulta de la evaluación continuada de las actividades de aprendizaje. Es importante tener en cuenta la dedicación requerida y que el estudiante se organice un ritmo de trabajo lo más regular posible semana a semana. La información necesaria para la planificación del aprendizaje (guía de aprendizaje/ plan docente) está disponible al principio de cada curso. Esta información incluye el calendario de distribución de los enunciados de
  17. 17. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 17 las actividades, de entrega de las actividades resueltas y de participación en los debates por parte de los estudiantes, así como la publicación por parte del profesor consultor de las calificaciones y feedback (comentarios o soluciones de las actividades, resumen de debates, etc.). 9. Equipo académico Uno de los elementos clave de la metodología de aprendizaje en la UOC es la tarea del equipo docente. Las personas que integran el equipo docente de los programas de Posgrado de la UOC son profesionales cualificados en su ámbito. Su papel no se limita a tener una posición pasiva, esperando posibles consultas sobre el programa, sino que adoptan una actitud proactiva y toman la iniciativa motivando a los estudiantes y orientando su proceso de aprendizaje. En el equipo docente las siguientes figuras básicas, que pueden ser ejercidas por una o más personas: Dirección académica: planifica, coordina, integra y evalúa los contenidos del programa así como el proceso de aprendizaje del estudiante; aporta su dominio de la materia y los conocimientos complementarios al profesorado y profesores colaboradores (consultor y tutor). Josep Curto Díaz Licenciado en Matemáticas por la UAB, máster en Business Intelligence y Dirección en Tecnologías y Sistemas de Información por la UOC, MBA por IE Business School. Actualmente es CEO de Delfos Research, empresa especializada en investigación de los mercados de Business Intelligence, Business Analytics y Big Data. Profesor responsable: programa los contenidos de las asignaturas y las actividades de aprendizaje y coordina a los diferentes colaboradores del equipo docente; aporta su dominio de la materia y los conocimientos complementarios a los profesores colaboradores (consultores). Es el responsable legal de la evaluación. Laura Calvet Liñán Doctora en Tecnologías de la Información y de Redes por la UOC. Profesora del área de Estadística aplicada y Machine Learning de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación ICSO Internet Computing & Systems Optimization.
  18. 18. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 18 Jordi Casas Roma Doctor en Informática por la UAB. Profesor del área de Big data y Data Science de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación KISON (K-riptography and Information Security for Open Networks). Josep Cobarsí Morales Doctor en Organización de Empresas por la UdG. Ingeniero Superior de Telecomunicación por la UPC Profesor de Sistemas de información y Gestión del conocimiento de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación KIMO (Knowledge and Information Management in Organizations). Jordi Conesa Caralt Doctor en Informática por la UPC. Profesor del área de bases de datos e ingeniería del software de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación SmartLearn. Isabel Guitart Hormigo Doctora en Tecnologías de la Información y de Redes por la UOC. Licenciada en Informática por la UPC. Profesora del Área de Sistemas de Información de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación SmartLearn. Daniel Liviano Solís Doctor en Economía y licenciado en ADE por la URV. Profesor de Economía, Matemáticas y Estadística de los Estudios de Economía y Empresa de la UOC Grupo de investigación i2TIC (Interdisciplinar sobre les TIC). Julià Minguillón Alonso Doctor Ingeniero en Informática por la UAB .Profesor de Visualización de Información y de Minería de Datos en los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación LAIKA (Learning Analytics for Innovation and Knowledge Application in Higher Education). Maria Pujol Jover Doctora en Estudios Empresariales y Licenciada en Administración y Dirección de Empresas por la UB. Es profesora del área cuantitativa de los Estudios de Economía y Empresa de la UOC. Grupo de investigación MeL (Management and eLearn). Àngels Rius Gavidia Doctora en Sociedad de la Información y el Conocimiento por la UOC y Licenciada en Informática por la UPC. Profesora de Bases de datos en los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación Ingeniería del Software (GRES-UOC).
  19. 19. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 19 M. Elena Rodríguez González Doctora en Informática por la U. de Alcalá y Licenciada en Informática por la UPC. Profesora de Base de datos los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación TEKING (Technology Enhanced Knowledge and Interaction). Profesores colaboradores: son los miembros del equipo docente que mantienen la relación continuada con los estudiantes, atienden las consultas, publican y evalúan las actividades y proponen la calificación final. Normalmente son profesionales en ejercicio en el ámbito de la inteligencia de negocio. David Conrado Cabanillas Barbacil PhD. en Inteligencia Artificial por la UPC. Consultor experto en Business Intelligence y Big Data y apasionado de R. Alex Caminals Sánchez de la Campa Ingeniero en Informática por la UPC. Licenciado en Matemáticas por la UAB. Consultor independiente en BI. Eduard Gil Blasco Ingeniero Informático por la UPC. Consultor experto en Business Intelligence y Big Data. Jordi Gironès Roig Licenciado en Matemáticas por la UAB. Diplomado en Ciencias Empresariales por la UOC. Experto en SAP R3 y Business Intelligence. Certificación en Gestión y Mejora de procesos ITSM según normativa ISO / IEC 20000. Consultor SAP en Laboratorios Doctor Esteve. Xavier González Farran Ingeniero técnico en Informática por la UPC. Diplomado en Ciencias Empresariales por la UOC. Asesor Financiero Europeo (EFPA). Experto en Business Intelligence y en GRC (Governance, Risk & Compliance). Director del área de Servicios Informáticos de CaixaBank. Francesc Julbe López Ingeniero de telecomunicaciones por la UPC. Project Manager en Gaia y desarrollador de Big data en Gaia. Carles Llorach Rius Ingeniero en Informática por la UPC. Máster en Gestión de empresas MBA por la URV. Técnico en Business intelligence. Josep Joaquim Navarro Juani Licenciado en Informática por la UPC. Diplomado en Ciencias Empresariales por la
  20. 20. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 20 UOC y MBA por ESADE Business School. Director de Business intelligence & big data de una empresa de servicios. Jordi Nin Doctor en Ciencias de la Computación por UAB. Investigador en Marie Curie en el LAAs-CNRS. Senier Data Scientist en BBVA Data&Analytics. Alexandre Pereiras Magariños Ingeniero Técnico en Informática de Gestión por la U. Coruña. Ingeniero en Informática por la UOC. Experto en Business Intelligence y Data Warehousing. Jefe de equipo y gestión de proyectos para una entidad financiera en Cracovia (Polonia). Enrique Rodríguez García Diplomado en Estadística y Licenciado en Investigación y Técnicas de Mercado por la UB. Consultor de Inteligencia de Cliente /Negocio y, es profesor de Análisis de Datos e Inteligencia de Cliente /Negocio en diversas organizaciones. José Luis Roldán Salgueiro Doctor en Admon. y Dirección de Empresas por la U. de Sevilla. Experto en Administración de Empresas, Sistemas de Información y Partial Least Squares (PLS). Grupo de Investigación "Cultura Organizativa, Gestión del Conocimiento e Implantación de TICs en Empresas Andaluzas" (P10-SEJ-6081). Profesor Titular de Universidad en la Universidad de Sevilla. Víctor Ruiz Marqués Ingeniero técnico en electrónica industrial (especialidad en automática) por la UPC. Ingeniero en informática y de Gestión por la UOC. Consultor de ERP y de Business Intelligence. José Julio Santos Licenciado en Matemáticas por la Universidad Complutense de Madrid. Máster en Gestión TIC por UOC, y Executive MBA por EOI. Certificado PMP, Scrum Master, ITIL Foundations. Especializado en dirección de proyectos y consultoría de soluciones tecnológicas para Business Intelligence y Big Data (Tecnologías SAP Business Objects, Microsoft, y de carácter estadístico como R). Juan Vidal Gil Licenciado en Ciencias Físicas por la U. Complutense de Madrid. Responsable de proyectos IT Business Intelligence. Álvaro Galán Zapatera Digital Experience Global Account Manager en Liferay y experto en Business Analytics. José Luis Gómez García Ingeniero Informático por la UPSAM. Máster en Business Intelligence por la UOC. Director Business Intelligence en Altadis
  21. 21. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 21 José Fernández González Ingeniero informático y DEA por la UPC. Head of Data. Schibsted Spain. Oscar Alonso Ingeniero informático por la UAB. Data Management & Analytics Technical Manager en Everis. CIO Advanced Program por ESADE. Joan Anton Perez Braña Ingeniero informático por la UOC. Licenciado en Biología por la UB. Asesor técnico de la Secretaria de Polítiques Educatives (Generalitat de Catalunya). Jesús de Diego Alarcón Licenciado en Ciencias geológicas por la U. Complutense de Madrid y Máster en Sistemas de Información Geográfica por la U. Girona. Consultor de Sistemas de información geográfica en IDOM Consulting, Engineering, Architecture. Alex Bartrolí Ingeniero informático por la UPC. Licenciado en Administración y Dirección de Empresas en la U. Barcelona. Creador y propietario de Internet Solutions. Máster en Inteligencia Artificial y Web por el INPG de Grenoble. Antonio Sarasa Doctor en Informática por la U. Complutense de Madrid. Ingeniero Técnico en Informática por la UNED, Ingeniero Superior en Informática por la UOC. Professor en la U. Complutense de Madrid. Marcos Pérez González Ingeniero en Informática por la UVa. Ingeniero de preventa de tecnologías de Big Data en Cloudera. Xavier Gumara Rigol Ingeniero en Informática por la URL. En el pasado ha realizado servicios de consultoría dentro del mundo del Business Intelligence y actualmente lidera un equipo de Business Intelligence Engineers y Data Engineers en la empresa Schibsted Media Group. Tutor: Es el referente de orientación académica para los estudiantes. En un primer momento, acoge a los estudiantes, los integra en la comunidad universitaria iniciándolos en el campus virtual y en los elementos del modelo pedagógico de la UOC; y en un segundo momento y hasta la finalización del programa, realiza el seguimiento académico de los estudiantes y les da soporte y asesoramiento.
  22. 22. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 22 Gemma Gironés Roig Licenciada en Pedagogia per la U. Barcelona y estudiante del Grado en Ingeniería Informática de la UOC. José Luis Gómez García Ingeniero informático por la UPSAM, máster en Business Intelligence por la UOC. Director Business Intelligence en Altadis. Manel Montero Jiménez Licenciado en Informática por la UPC en Lenguajes y sistemas informáticos y organización de empresas. Master Business Administration MBA por FESNA. Escuela de Negocios de Andalucía. Formador Certificados de profesionalidad rama informática. Alex Morillas Garcia Ingeniero Técnico Informática de Gestión por la Universitat Autónoma de Barcelona, Ingeniería Superior por la UOC, Master Business Intelligence por la UOC.Pre- doctoral en el IIIA-CSIC Laura Beltran Grado en Informática por Escola Universitaria Politécnica de Mataró, Máster Universitario Big Data y Visual Analytics por UNIR. Consultor BI en Siedor. 10. Recursos para el aprendizaje El estudiante dispone a lo largo del programa de 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.
  23. 23. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 23 ● 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: dos blogs 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. . a. 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 Cloudera, Databricks, IBM, Microsoft, QlikView y Tableau. Asimismo continuamente estamos evaluando otras herramientas y acuerdos con otros fabricantes como, por ejemplo, Trifacta. La UOC también ha establecido acuerdos con empresas que ceden sus datos para trabajos finales o asignaturas para desarrollar iniciativas de datos. Estos acuerdos van variando semestre a semestre en función de diversos factores. 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
  24. 24. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 24 bases de datos NoSQL utilizamos herramientas como MongoDB, Riak o Neo4j. Para la gestión de datos maestros consideramos Talend. 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 máquinas y SO de 64 bits y 4Gb 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.
  25. 25. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 25 11. Calendario curso 2018 / 2020 (Octubre 18 - Julio 20) Máster en Inteligencia de Negocio y Big data (60 créditos) INICIO 19/10/18 FINAL Julio 20 Tutoría 19/10/18 Julio 20 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Semestre 1. Especialidad 1_Fundamentos de Inteligencia de negocio 19/10/18 13/02/19 Fundamentos de Inteligencia de Negocio 19/10/18 13/02/19 Gestión de Proyectos de BI 19/10/18 13/02/19 Fundamentos y Usos del Big Data 19/10/18 13/02/19 Pensamiento Analítico en la Empresa 19/10/18 13/02/19 Laboratorio: tecnología y herramientas BI 19/10/18 13/02/19 Semestre 2. Especialidad 2._Análisis y Minería de datos 13/03/19 18/07/19 Minería de Datos: Conceptos y Técnicas 13/03/19 18/07/19 Business Analytics: Modelos y Algoritmos 13/03/19 18/07/19 Sistemas de reporting y cuadros de mando 13/03/19 18/07/19 Gobierno de datos (Data governance) 13/03/19 18/07/19 Laboratorio: tecnología y herramientas BI /Lenguajes de programación 13/03/19 18/07/19 Itinerario de Ingeniería de datos Semestre 3. Especialidad 3.Bases de datos para entornos analíticos Oct 19* Febrero 20* Diseño y Construcción del Almacén de Datos DW Oct 19* Febrero 20* Bases de Datos para Data Warehouse Oct 19* Febrero 20* Explotación y Administración del DW Oct 19* Febrero 20* Semestre 4 TFM Ingeniería de datos Marzo 20* Julio 20* Itinerario de Semestre 3. Oct 19* Febrero 20*
  26. 26. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 26 Big Data Especialidad 4_ Big Data y Sistemas NoSQL Bases de Datos NoSQL Oct 19* Febrero 20* Escenarios de uso de Big Data Oct 19* Febrero 20* Tecnologías de Big data Oct 19* Febrero 20* Semestre 4 TFM Big data Marzo 20* Julio 20* Itinerario de Análisis de datos Semestre 3. Especialidad 5 Usos de la inteligencia de negocio en la empresa Oct 19* Febrero 20* Gestión Económico-Financiera: Casos de Negocio Oct 19* Febrero 20* Marketing y Ventas: Casos de Negocio Oct 19* Febrero 20* Operaciones y Logística: Casos de Negocio Oct 19* Febrero 20* Recursos humanos: casos de negocio Oct 19* Febrero 20* Semestre 4 TFM Análisis de negocio (Business Analytics) Marzo 20* Julio 20*
  27. 27. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 27 Posgrado en Inteligencia de Negocio y Análisis de datos (32 créditos) INICIO 19/10/18 FINAL Julio 19 Tutoría 19/10/18 Julio 19 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Semestre 1. Especialidad 1_ Fundamentos de Inteligencia de negocio 19/10/18 13/02/19 Fundamentos de Inteligencia de Negocio 18/10/17 13/02/19 Gestión de Proyectos de BI 18/10/17 13/02/19 Fundamentos y Usos del Big Data 18/10/17 13/02/19 Pensamiento Analítico en la Empresa 18/10/17 13/02/19 Laboratorio: tecnología y herramientas BI 18/10/17 13/02/19 Semestre 2. Especialidad 2._ Análisis y Minería de datos 13/03/19 18/07/19 Minería de Datos: Conceptos y Técnicas 13/03/19 18/07/19 Business Analytics: Modelos y Algoritmos 13/03/19 18/07/19 Sistemas de reporting y cuadros de mando 13/03/19 18/07/19 Gobierno de datos (Data governance) 13/03/19 18/07/19 Laboratorio: tecnología y herramientas BI / Lenguajes de programación 13/03/19 18/07/19
  28. 28. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 28 Posgrado en Análisis de negocio (Business Analytics) (32 créditos) INICIO 19/10/18 FINAL Julio 19 Tutoría 19/10/18 Julio 19 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Semestre 1. Especialidad 2__ Análisis y Minería de datos 19/10/18 13/02/19 Minería de Datos: Conceptos y Técnicas 19/10/18 13/02/19 Business Analytics: Modelos y Algoritmos 19/10/18 13/02/19 Sistemas de reporting y cuadros de mando 19/10/18 13/02/19 Gobierno de datos (Data governance) 19/10/18 13/02/19 Laboratorio: tecnología y herramientas BI /Lenguajes de programación19/10/18 13/02/19 Semestre 2. Especialidad 5 Usos de la inteligencia de negocio en la empresa 13/03/19 18/07/19 Gestión Económico-Financiera: Casos de Negocio 13/03/19 18/07/19 Marketing y Ventas: Casos de Negocio 13/03/19 18/07/19 Operaciones y Logística: Casos de Negocio 13/03/19 18/07/19 Recursos humanos: casos de negocio 13/03/19 18/07/19
  29. 29. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 29 Especialidad 1 Fundamentos de Inteligencia de Negocio y Big Data (16 créditos) INICIO 19/10/18 FINAL Febrero 19 Tutoría 19/10/18 13/02/19 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Fundamentos de Inteligencia de Negocio 19/10/18 13/02/19 Gestión de Proyectos de BI 19/10/18 13/02/19 Fundamentos y Usos del Big Data 19/10/18 13/02/19 Pensamiento Analítico en la Empresa 19/10/18 13/02/19 Laboratorio: tecnología y herramientas BI 19/10/18 13/02/19 Especialidad 2 Análisis y Minería de datos (16 créditos) INICIO 19/10/18 FINAL Febrero 19 Tutoría 19/10/18 13/02/19 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Minería de Datos: Conceptos y Técnicas 19/10/18 13/02/19 Business Analytics: Modelos y Algoritmos 19/10/18 13/02/19 Sistemas de reporting y cuadros de mando 19/10/18 13/02/19 Gobierno de datos (Data governance) 19/10/18 13/02/19 Laboratorio: tecnología y herramientas BI 19/10/18 13/02/19
  30. 30. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 30 Especialidad 3 Bases de datos para entornos analíticos (16 créditos) INICIO 19/10/18 FINAL Febrero 19 Tutoría 19/10/18 13/02/19 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Diseño y construcción de data warehouse 19/10/18 13/02/19 Bases de datos para data warehouse 19/10/18 13/02/19 Explotación y administración del data warehouse 19/10/18 13/02/19 Especialidad 4 Big data y sistemas NoSQL (16 créditos) INICIO 19/10/18 FINAL Febrero 19 Tutoría 19/10/18 13/02/19 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Gestión de Big Data: datos y usos 19/10/18 13/02/19 Tecnologías Big data: tecnologías 19/10/18 13/02/19 Bases de datos NoSQL 19/10/18 13/02/19 Especialidad 5 Usos de la inteligencia de negocio en la empresa (16 créditos) INICIO 19/10/19 FINAL Febrero 19 Tutoría 19/10/18 13/02/19 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Gestión económico-financiera: casos de negocio 19/10/18 13/02/19 Marketing y ventas: casos de negocio 19/10/18 13/02/19 Operaciones y logística: casos de negocio 19/10/18 13/02/19 Recursos humanos: casos de negocio 19/10/18 13/02/19
  31. 31. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 31 Curso Fundamentos de inteligencia de negocio (4 créditos) INICIO 19/10/18 FINAL Febrero 18 Tutoría 19/10/18 13/02/19 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Fundamentos de inteligencia de negocio 19/10/18 13/02/19 Curso Fundamentos y Usos de Big Data (4 créditos) INICIO 19/10/18 FINAL Febrero 18 Tutoría 19/10/18 13/02/19 Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19 Fundamentos y Usos de Big Data 19/10/18 13/02/19 El programa se desarrollará por semestres. * Las fechas exactas inicio y desarrollo del semestre se publicarán en el campus y en el aula de tutoría 12. Evaluación La evaluación del aprendizaje de los participantes dentro de los programas de Posgrado en la UOC se realiza teniendo en cuenta las características de la formación no presencial. La evaluación en la UOC se estructura en torno a la evaluación continua y la evaluación final. La evaluación continua se lleva a cabo por medio de las pruebas de evaluación continua (PEC). Todas las formas de evaluación del programa se realizan de forma no presencial. El modelo concreto de evaluación de cada asignatura se establece semestralmente en el plan docente de cada asignatura.
  32. 32. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 32 El plan docente/de aprendizaje establece los criterios mínimos y el calendario de entrega para seguir y superar la EC. En todo caso, para considerar que se ha seguido la EC tiene que haberse realizado y entregado como mínimo el 50 % de las PEC. El no seguimiento de la EC se califica con una N (equivalente al no presentado). La EC se califica con las siguientes notas: Estas notas son aplicables a las PEC y a la nota final de EC. La nota final de EC se completará con una nota equivalente numérica (sin decimal) de acuerdo con las siguientes correspondencias: La evaluación global del programa: Es imprescindible haber superado todas las asignaturas que conforman el programa para superarlo globalmente y obtener una nota final positiva. La nota final del programa se obtendrá a partir de la nota final de cada asignatura, de forma proporcional al peso en créditos de cada curso. La matrícula se realiza por especialidades y cursos completos. Pero, en el caso de suspender alguna asignatura puede ser objeto de re-matrícula individual y cursarse en el siguiente semestre.
  33. 33. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 33 La valoración de evaluación es cuantitativa y se expone según las calificaciones siguientes: A: 9,10:Calificación muy buena: Sobresaliente Supera B: 7, 8: Calificación buena: Notable Supera C+: 5, 6: Calificación suficiente: Aprobado Supera C-: 3, 4: Calificación baja: Suspenso No supera D: 1,2: Calificación muy baja: Suspenso No supera N: No se emite calificación: No presentado No supera Para poder obtener la titulación de cada programa se debe haber superado con éxito la totalidad de las asignaturas que lo conforman. 13. Titulación Una vez se haya superado el proceso global de evaluación, la UOC entregará a los participantes que acrediten una titulación universitaria legalizada en España: Para los matriculados en Máster: Diploma de Máster en Inteligencia de negocio y Big data Para los matriculados en Posgrado: Diploma de Posgrado en Inteligencia de negocio y análisis de datos Diploma de Posgrado en Análisis de Negocio (Business Analytics) Diploma de Posgrado en Ingeniería de datos y Big data. Para los matriculados en las especializaciones y cursos, e independientemente de la titulación, se expedirá un certificado de especialización o curso en: ● Fundamentos de Inteligencia de Negocio y Big Data ● Análisis y Minería de Datos ● Bases de datos para entornos analíticos ● Big Data y Sistemas NoSQL ● Usos de la inteligencia de negocio en la empresa ● Fundamentos de inteligencia de negocio ● Fundamentos y Usos de Big Data
  34. 34. Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 34 En caso de no disponer de la titulación universitaria se expedirá, en función del programa matriculado un Certificado de extensión universitaria. 14. Servicio de atención al estudiante Consultas, incidencias, sugerencias, reclamaciones y comentarios de tipo académico El espacio natural de trabajo y relación del estudiante dentro del campus virtual es el aula. Si el estudiante tiene consultas, incidencias, sugerencias y reclamaciones de tipo académico debe dirigirse al profesor colaborador (consultor) asignado cuyo nombre figura en el aula. Si desea ampliar la consulta, no está de acuerdo con la resolución o tiene alguna reclamación o sugerencia, puede elevarla al profesor responsable de la asignatura, cuyo nombre figura también en el aula. Si el estudiante tiene incidencias que afectan a más de una asignatura o al conjunto del programa y para consultas de orientación académica o profesional puede dirigirse al tutor y, si necesita ampliar la consulta, considera que no ha sido atendido adecuadamente o no está de acuerdo con la atención, puede dirigirse al director del programa. Consultas, incidencias, sugerencias, reclamaciones y comentarios de tipo administrativo A través del Servicio de Atención (frame superior del campus) podéis acceder a todas las consultas de gestión relacionadas con la Matriculación, Envío de materiales, Pagos posgrado, Facturas, Documentación académica, Expediente, Evaluación y Titulación. También se pueden poner a través del Servicio de Atención quejas que se consideren que no han sido atendidas adecuadamente por el personal del programa. Otros Servicios de la universidad http://www.uoc.edu/estudiant/portal/guia/ca/index.html

×