Master en Business Analytics & Big Data Strategy - MSMK The University of Science & Technology

Comprender por qué la información es un activo estratégico y cómo ha cambiado la estrategia.
Conocer los fundamentos de la gestión de la información.
Identificar los factores de un buen gobierno de datos.
Comprender el ecosistema de la información en la organización.
Lograr un conocimiento profundo de lo que es el Big Data.
Conocer la arquitectura del Big Data.
Desarrollar un proyecto de Big Data.
Comprender los factores críticos de la representación del negocio en base a datos.
Dominar la técnica del storytelling para poder difundir una cultura data-friendly en la empresa.
Dominar los conceptos y la aplicación de la gestión basada en indicadores para la implantación, seguimiento y evaluación de la estrategia.
Tener una base estadística sólida de manera que se conozcan los fundamentos del analytics y se maneje un lenguaje común con los científicos de datos.
Conocer las principales técnicas de Machine Learning / Data Mining para poder aprovechar las capacidades del analytics para identificar problemas de negocio y aprovechar oportunidades de mercado.
Comprender con detalle como un Data Professional aplica el conocimiento adquirido en negocios como: banca, seguros, TELECOs, retail, aerolíneas, …
Adquirir conocimiento sobre las best practices de negocio: CRM, Customer Experience, fidelización de clientes, Internet of Things, Geolocalización.
Desarrollar estrategias de monetización del dato.
Dominar las bases del Project Management aplicado a proyectos de Big Data.
Conocer los fundamentos de la nueva economía y los negocios digitales.

Título propio por MSMK

1. GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN Y DATA MANAGEMENT

 

• El nacimiento de Business Intelligence.
• Bases de datos relacionales.
• Conceptos básicos del BI.
• Arquitectura de proyectos BI.
• Business Analytics.
• Actores y ciclo de vida de los proyectos BI.
• Orígenes de información.
• Integración de fuentes heterogéneas en el DWH.
• Casos de uso.
• Bases de datos operacionales vs informacionales.
• Componentes del DWH: hechos y dimensiones.
• Modelo en estrella y modelo en copo de nieve.
• Datamarts.
• Explotación multidimensional de los datos: Cubos OLAP.
• ETL.
• Bases de datos relacionales.

 

2. BIG DATA PROFESIONAL

 

• Introducción al big data. El valor de los datos.
• Arquitectura de Big Data. Evolución de las plataformas.
• Acceso a la información. Taller de SQL.
• Arquitecturas de big data.
• ¿Qué es Hadopp? HDFS y MapReduce.
• El ecosistema de Hadopp: Sqoop, Pig, Hive, Flume, Mahout, HBase, Ozzie…
• Taller tecnológico de bases de datos NoSQL (Riak, Mongo BD, Neo4j, Cassandra…).
• Tratamiento de datos por lotes y tratamiento de datos en tiempo real. SPARK.
• Selección de herramientas para el tratamiento de datos en tiempo real (Stream processing).
• Taller tecnológico de tratamiento de datos en tiempo real.
• Visualización de datos con big data: Data Discovery.

 

3. DATA ANALYTICS: ESTADÍSTICA APLICADA A LA TOMA DE DECISIONES

 

• La estadística: principales funciones y limitaciones.
• Metodología para recoger, organizar, sintetizar, analizar datos y hacer inferencias a partir de ellos. Población y muestra. Tipos de muestreo.
• Modelos de distribución de probabilidad para análisis de fenómenos económicos y sociales de tipo discreto y continuo.
• Análisis estadístico desde el razonamiento inductivo. Métodos inferenciales: estimación y contrastación.

 

4. PROFESSIONAL CERTIFICATE IN DATA ANALYTICS

 

5. DATA ANALYTICS: DATA MINING

 

• Desarrollo de modelos de comportamiento y su aplicación práctica en la gestión de negocio.
• La minería de datos como proceso de ayuda a la toma de decisiones.
• Desarrollo de proyectos analíticos:

  • Construcción del datamart.

  • Tipología de variables.

  • Metodología SEMMA (Sampling, Exploring, Modifying, Modelling, Assessment).

• Casos de uso (Best Practice):

  • Detección de fugas de clientes.

  • Detección de morosidad.

  • Modelización de uplift.

  • Predicción de demanda.
  • Text Mining.

 

• Análisis casos Data Mining.

 

6. REPRESENTACIÓN DEL NEGOCIO: VISUALIZACIÓN

 

• Fundamentos de la visualización de los datos.
• Qué es el Visual Analytics.
• Introducción a Tableau.
• Data discovery con Tableau.
• Dashboard y story con  Tableau.

Para ilustrar los objetivos en clase se van a usar también otras herramientas de reconocida relevancia en el mercado como: ArcGIS, Carto, Piktochart.

• Aplicación y manejo de tecnología. Taller de QlikSense.

 

7. GESTIÓN DEL RENDIMIENTO: CUADROS DE MANDO

 

• Organizaciones basadas en información.
• Desarrollo de mapas estratégicos.
• Gestión basada en KPI’s.
• Cuadros de mando departamentales.
• Desarrollo de cuadros de mando.

 

8. NEGOCIOS DIGITALES Y ESTRATEGIA

 

• Cambios de los negocios tradicionales a negocios digitales.
• Qué es un modelo de negocio.
• Representación del modelo de negocio.
• Business Model Canvas.
• Patrones principales de modelo de negocio.
• Innovación en los distintos aspectos de los modelos de negocio.
• Entornos VUCA.
• Metodologías predictivas vs metodologías adaptativas.
• Design Thinking o pensamiento de diseño.
• Lean Startup.
• Customer Development o desarrollo de cliente. Fases.
• Services Design o diseño de servicios.
• Métricas piratas.

 

9. EXECUTIVE CERTIFICATE IN PROJECT DEVELOPMENT MANAGEMENT AND IMPLEMENTATION FOR STRATEGIC MANAGERS

 

10. CIBERSEGURIDAD

FACULTY

• Conceptos y fundamentos.
• Ciberamenazas actuales.
• Seguridad en redes y comunicaciones.
• Seguridad en sistemas de información.
• Seguridad en aplicaciones web.
• Tecnologías de ciberseguridad.
• Continuidad de negocio.
• Organismos de ciberseguridad.
• Normativas y certificaciones.
• Legislación aplicable.