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 General Inteligencia Negocio y Big Data_Octubre 2017

248 visualizações

Publicada em

Guía orientativa nuevos estudiantes programas Inteligencia de Negocio y Big data

Publicada em: Educação
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Guía General Inteligencia Negocio y Big Data_Octubre 2017

  1. 1. Guía​ ​general​ ​programa Inteligencia​ ​de​ ​negocio​ ​y​ ​​ ​Big​ ​data Octubre​ ​17 http://business-intelligence.uoc.edu
  2. 2. ​ ​​Índice Introducción 4 Presentación​ ​del​ ​programa 4 Objetivos​ ​y​ ​competencias 4 Objetivos​ ​comunes​ ​del​ ​Máster 4 Objetivos​ ​específicos​ ​del​ ​itinerario​ ​de​ ​Ingeniería​ ​de​ ​datos 6 Objetivos​ ​específicos​ ​del​ ​itinerario​ ​de​ ​Big​ ​data 6 Objetivos​ ​específicos​ ​del​ ​itinerario​ ​de​ ​Análisis​ ​de​ ​datos 6 Perfiles 7 Competencias 8 A​ ​quién​ ​se​ ​dirige 8 Salidas​ ​Profesionales 9 Conocimientos​ ​previos 9 Estructura​ ​y​ ​contenidos​ ​(Plan​ ​de​ ​estudios) 10 Contenido​ ​detallado​ ​de​ ​cada​ ​especialidad​ ​y​ ​asignaturas 11 Laboratorio 17 Asignatura​ ​transversal​ ​optativa:​ ​Aprovechar​ ​las​ ​TIC​ ​en​ ​posgrado 18 Dedicación 18 Metodología 18 Equipo​ ​académico 21 Recursos​ ​para​ ​el​ ​aprendizaje 28 Calendario​ ​curso​ ​2017/2019(Octubre​ ​17​ ​-​ ​Julio​ ​19) 30 Evaluación 35 Titulación 37 Servicio​ ​de​ ​atención​ ​al​ ​estudiante 38 Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​2
  3. 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​). Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​3
  4. 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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​4
  5. 5. 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 (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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​5
  6. 6. 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. 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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​6
  7. 7. 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. 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 Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​7
  8. 8. 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. 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​. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​8
  9. 9. 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 l​as 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 a​nálisis en entornos distribuidos y almacenamiento distribuido mediante bases de datos NoSQL. 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​ ​2017​ ​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) Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​9
  10. 10. 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) ​ ​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 Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​10
  11. 11. 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. (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 Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​11
  12. 12. 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, 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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​12
  13. 13. 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.​​ ​​ ​​ ​​(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​ ​Neo4​j. 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 Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​13
  14. 14. económico-financiera, marketing y ventas, operaciones y logística, etc. ​(Especialidad 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 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​). Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​14
  15. 15. 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. ​ ​(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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​15
  16. 16. 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. 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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​16
  17. 17. 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 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.). Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​17
  18. 18. 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 acadé​m​ica: 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 Schoo​l. 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 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 Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​18
  19. 19. 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). 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)​. Teresa​ ​Sancho​ ​Vinuesa Doctora en Ingeniería electrónica por la URL y Licenciada en matemáticas por la UB. Es profesora del área de Matemáticas y estadística de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación LAIKA (Learning Analytics​ ​for​ ​Innovation​ ​and​ ​Knowledge​ ​Application​ ​in​ ​Higher​ ​Education). Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​19
  20. 20. 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 B​usiness 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 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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​20
  21. 21. 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​ ​U.​ ​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​ ​U.​ ​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. Víctor​ ​Nalda​ ​Castellet​ ​ ​ Analista​ ​de​ ​Riesgos​ ​(Departamento​ ​Investigación​ ​e​ ​Innovación),​ ​Data​ ​Scientist. Banco​ ​Santander. José​ ​Luis​ ​Gómez​ ​García Ingeniero​ ​Informático​ ​por​ ​la ​ ​UPSAM.​ ​Máster​ ​en​ ​Business​ ​Intelligence​ ​por​ ​la​ ​UOC. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​21
  22. 22. Director​ ​Business​ ​Intelligence​ ​en​ ​Altadis 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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​22
  23. 23. 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. 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 Ruth​ ​Vilar​ ​Mateo Ingeniera y doctora en Telecomunicaciones por la U.Politècnica de València. Máster en Business Intelligence por la UOC. Data Engineer en la cátedra UOC-BSA. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​23
  24. 24. 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. ● 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: Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​24
  25. 25. (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​ ​como,​ ​por​ ​ejemplo,​ ​​Trifacta​. 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​. 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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​25
  26. 26. 11. ​ ​Calendario​ ​curso​ ​2017/2019(​Octubre​ ​17​ ​-​ ​Julio​ ​19) Máster​ ​​en​ ​Inteligencia​ ​de​ ​Negocio​ ​y​ ​Big​ ​data ​ ​(60​ ​créditos) INICIO 18/10/17 FINAL Julio​ ​19 Tutoría 01/10/17 Julio​ ​​ ​2019 Aprovechar​ ​las​ ​TIC​ ​en​ ​posgrado​ ​(optativa) 18/10/17 18/11/17 Semestre​ ​1.​ ​Especialidad​ ​1_Fundamentos​ ​de ​ ​Inteligencia​ ​​ ​de​ ​negocio 18/10/17 14/02/18 Fundamentos​ ​de​ ​Inteligencia​ ​de​ ​Negocio 18/10/17 14/02/18 Gestión​ ​de​ ​Proyectos​ ​de​ ​BI 18/10/17 14/02/18 ​ ​Fundamentos​ ​y​ ​Usos​ ​del​ ​Big​ ​Data 18/10/17 14/02/18 ​ ​Pensamiento​ ​Analítico​ ​en​ ​la​ ​Empresa 18/10/17 14/02/18 Laboratorio:​ ​tecnología​ ​y​ ​herramientas​ ​BI 18/10/17 14/02/18 Semestre​ ​2. Especialidad​ ​2._Análisis​ ​y​ ​Minería​ ​de​ ​datos 14/03/18 Julio​ ​18* Minería​ ​de​ ​Datos:​ ​Conceptos​ ​y​ ​Técnicas 14/03/18 Julio​ ​18* Business​ ​Analytics:​ ​Modelos​ ​y​ ​Algoritmos 14/03/18 Julio​ ​18* ​ ​Sistemas​ ​de​ ​​reporting​ ​​y​ ​cuadros​ ​de​ ​mando 14/03/18 Julio​ ​18* Gobierno​ ​de​ ​datos​ ​​(Data​ ​governance) 14/03/18 Julio​ ​18* Laboratorio:​ ​tecnología​ ​y​ ​herramientas​ ​BI​ ​/Lenguajes programación 14/03/18 Julio​ ​18* Itinerario ​ ​de Ingeniería ​ ​de​ ​datos Semestre​ ​3.​ ​​ ​​ ​Especialidad​ ​3.Bases​ ​de​ ​datos​ ​para entornos​ ​analíticos ​ ​​ ​Oct​ ​18* Marzo​ ​19* Diseño​ ​y​ ​Construcción​ ​del​ ​Almacén​ ​de​ ​Datos​ ​DW Oct​ ​18* Marzo​ ​19* Bases​ ​de​ ​Datos​ ​para​ ​Data​ ​Warehouse Oct​ ​18* Marzo​ ​19* Explotación​ ​y​ ​Administración​ ​del​ ​DW Oct​ ​18* Marzo​ ​19* Semestre​ ​4 TFM​ ​Ingeniería​ ​de​ ​datos Oct​ ​18* Marzo​ ​19* Itinerario​ ​de Big​ ​Data Semestre​ ​3. Especialidad​ ​4_​ ​Big​ ​Data​ ​y​ ​Sistemas​ ​NoSQL Oct​ ​​ ​18* Marzo​ ​19* Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​26
  27. 27. Bases​ ​de​ ​Datos​ ​NoSQL Oct​ ​18* Marzo​ ​19* Escenarios​ ​de​ ​uso​ ​de​ ​Big​ ​Data Oct​ ​18* Marzo​ ​19* Tecnologías​ ​de​ ​Big​ ​data Oct​ ​18* Marzo​ ​19* Semestre​ ​4 TFM​ ​Big​ ​data Marzo​ ​19* Julio​ ​19* Itinerario​ ​de Análisis​ ​de ​ ​datos Semestre​ ​3.​ ​​ ​Especialidad​ ​5​ ​Usos​ ​de​ ​la​ ​inteligenc negocio​ ​en​ ​la​ ​empresa Oct​ ​​ ​18* Marzo​ ​19* Gestión​ ​Económico-Financiera:​ ​Casos​ ​de​ ​Negocio Oct​ ​18* Marzo​ ​19* Marketing​ ​y​ ​Ventas:​ ​Casos​ ​de​ ​Negocio Oct​ ​18* Marzo​ ​19* Operaciones​ ​y​ ​Logística:​ ​Casos​ ​de​ ​Negocio Oct​ ​18* Marzo​ ​19* Recursos​ ​humanos:​ ​casos​ ​de​ ​negocio Oct​ ​18* Marzo​ ​19* Semestre​ ​4 TFM​ ​Análisis​ ​de​ ​negocio​ ​(Business​ ​Analytics) Marzo​ ​19* Julio​ ​19* Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​27
  28. 28. Posgrado​ ​en​ ​​​ ​Inteligencia​ ​de​ ​Negocio​ ​y​ ​Análisis​ ​de​ ​datos ​ ​(32​ ​créditos) INICIO 18/10/17 FINAL Julio​ ​18 Tutoría 01/10/17 Julio​ ​​ ​2019 Aprovechar​ ​las​ ​TIC​ ​en​ ​posgrado​ ​(optativa) 18/10/17 18/11/17 Semestre​ ​1. Especialidad​ ​1_​ ​Fundamentos​ ​de​ ​Inteligencia​ ​de​ ​negocio 18/10/17 14/02/18 Fundamentos​ ​de​ ​Inteligencia​ ​de​ ​Negocio 18/10/17 14/02/18 Gestión​ ​de​ ​Proyectos​ ​de​ ​BI 18/10/17 14/02/18 Fundamentos​ ​y​ ​Usos​ ​del​ ​Big​ ​Data 18/10/17 14/02/18 Pensamiento​ ​Analítico​ ​en​ ​la​ ​Empresa 18/10/17 14/02/18 Laboratorio:​ ​tecnología​ ​y​ ​herramientas​ ​BI 18/10/17 14/02/18 Semestre​ ​2. Especialidad​ ​2._​ ​Análisis​ ​y​ ​Minería​ ​de​ ​datos 14/03/18 Julio​ ​18* Minería​ ​de​ ​Datos:​ ​Conceptos​ ​y​ ​Técnicas 14/03/18 Julio​ ​18* ​ ​Business​ ​Analytics:​ ​Modelos​ ​y​ ​Algoritmos 14/03/18 Julio​ ​18* Sistemas​ ​de​ ​​reporting​ ​​y​ ​cuadros​ ​de​ ​mando 14/03/18 Julio​ ​18* Gobierno​ ​de​ ​datos​ ​​(Data​ ​governance) 14/03/18 Julio​ ​18* Laboratorio:​ ​tecnología​ ​y​ ​herramientas​ ​BI​ ​/Lenguajes​ ​de​ ​program 14/03/18 Julio​ ​18* Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​28
  29. 29. Posgrado​ ​en​ ​​Análisis​ ​de​ ​negocio​ ​(Business​ ​Analytics) ​ ​(32​ ​créditos) INICIO 18/10/17 FINAL Julio​ ​18 Tutoría 01/10/17 Julio​ ​​ ​2019 Aprovechar​ ​las​ ​TIC​ ​en​ ​posgrado​ ​(optativa) 18/10/17 18/11/17 Semestre​ ​1. Especialidad​ ​2__​ ​Análisis​ ​y​ ​Minería​ ​de​ ​datos 18/10/17 14/02/18 Minería​ ​de​ ​Datos:​ ​Conceptos​ ​y​ ​Técnicas 18/10/17 14/02/18 ​ ​Business​ ​Analytics:​ ​Modelos​ ​y​ ​Algoritmos 18/10/17 14/02/18 Sistemas​ ​de​ ​​reporting​ ​​y​ ​cuadros​ ​de​ ​mando 18/10/17 14/02/18 Gobierno​ ​de​ ​datos​ ​​(Data​ ​governance) 18/10/17 14/02/18 Laboratorio:​ ​tecnología​ ​y​ ​herramientas​ ​BI​ ​/Lenguajes​ ​de​ ​program 18/10/17 14/02/18 Semestre​ ​2.​ ​​ ​Especialidad​ ​5​ ​Usos​ ​de​ ​la​ ​inteligencia​ ​de​ ​negoc empresa 14/03/18 Julio​ ​18* Gestión​ ​Económico-Financiera:​ ​Casos​ ​de​ ​Negocio 14/03/18 Julio​ ​18* Marketing​ ​y​ ​Ventas:​ ​Casos​ ​de​ ​Negocio 14/03/18 Julio​ ​18* Operaciones​ ​y​ ​Logística:​ ​Casos​ ​de​ ​Negocio 14/03/18 Julio​ ​18* Recursos​ ​humanos:​ ​casos​ ​de​ ​negocio 14/03/18 Julio​ ​18* Semestre​ ​3.​ ​​ ​Especialidad​ ​5​ ​Usos​ ​de​ ​la​ ​inteligencia​ ​de​ ​negoc empresa 14/03/18 Julio​ ​18* Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​29
  30. 30. Especialidad​ ​1​ ​​ ​​ ​Fundamentos​ ​de​ ​Inteligencia​ ​de​ ​negocio ​ ​(16​ ​créditos) INICIO 18/10/17 FINAL Marzo​ ​18 Tutoría 01/10/17 Julio​ ​​ ​2018 Aprovechar​ ​las​ ​TIC​ ​en​ ​posgrado​ ​(optativa) 18/10/17 18/11/17 Fundamentos​ ​de​ ​Inteligencia​ ​de​ ​Negocio 18/10/17 14/02/18 ​ ​Gestión​ ​de​ ​Proyectos​ ​de​ ​BI 18/10/17 14/02/18 ​ ​Fundamentos​ ​y​ ​Usos​ ​del​ ​Big​ ​Data 18/10/17 14/02/18 ​ ​Pensamiento​ ​Analítico​ ​en​ ​la​ ​Empresa 18/10/17 14/02/18 Laboratorio:​ ​tecnología​ ​y​ ​herramientas​ ​BI 18/10/17 14/02/18 Especialidad​ ​2​ ​​ ​Análisis​ ​y​ ​Minería​ ​de​ ​datos ​ ​(16​ ​créditos) INICIO 18/10/17 FINAL Marzo​ ​18 Tutoría 01/10/17 Julio​ ​​ ​2018 Aprovechar​ ​las​ ​TIC​ ​en​ ​posgrado​ ​(optativa) 18/10/17 18/11/17 Minería​ ​de​ ​Datos:​ ​Conceptos​ ​y​ ​Técnicas 18/10/17 14/02/18 ​ ​Business​ ​Analytics:​ ​Modelos​ ​y​ ​Algoritmos 18/10/17 14/02/18 Sistemas​ ​de​ ​​reporting​ ​​y​ ​cuadros​ ​de​ ​mando 18/10/17 14/02/18 Gobierno​ ​de​ ​datos​ ​​(Data​ ​governance) 18/10/17 14/02/18 Laboratorio:​ ​tecnología​ ​y​ ​herramientas​ ​BI 18/10/17 14/02/18 El​ ​programa​ ​se​ ​desarrollará​ ​por​ ​semestres. *​ ​Las​ ​fechas​ ​exactas​ ​inicio​ ​y​ ​desarrollo​ ​del​ ​semestre​ ​se​ ​publicarán​ ​en​ ​el​ ​campus​ ​y/o​ ​también​ ​en​ ​el aula​ ​de​ ​tutoría. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​30
  31. 31. 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. 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: Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​31
  32. 32. ​ ​​ ​ 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. 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. Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​32
  33. 33. 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 e independientemente de la titulación, se expedirá​ ​un​ ​​certificado​ ​de​ ​especialización​​ ​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 En caso de no disponer de la titulación universitaria se expedirá, en función del programa matriculado​ ​un​ ​​Certificado​ ​de​ ​extensión​ ​universitaria Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​33
  34. 34. 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 Guía​ ​General​ ​Programa​ ​Inteligencia​ ​de​ ​negocio​ ​y​ ​Big​ ​data ​Octubre​ ​17 ​ ​pág​ ​34

×