TEMARIO
Módulo 1. Introducción al Business Analytics. Antecedentes del análisis de datos, metodologías y tecnologías
El objetivo de este módulo es conocer cómo la información siempre ha sido una ventaja competitiva. Desde los orígenes de cualquier civilización, revisaremos cómo se ha ido introduciendo la tecnología de análisis de datos.
Proporcionaremos las competencias necesarias para los retos que presentan todas las diferentes herramientas tecnológicas.
Analizaremos las diferencias las aplicaciones de cada herramienta en función de las necesidades del negocio.
Se Identificarán las necesidades predictivas, analíticas y casarlas con la herramienta adecuada.
Situación actual del Business Intelligence.
La democratización del Business Intelligence.
El Business Intelligence en nuestra empresa. Las ventas, SCM, Change Management.
Actores, diferentes tipos de herramientas y cómo ayudan en las compañías.
El Data Discovery y los sistemas analíticos.
Los paradigmas tecnológicos que vivimos en la actualidad: Mobile, Big Data, Cloud, Entornos Colaborativos, Data Mining.
Econometría, modelos predictivos. ¿Para qué se usan? Analítica predictiva.
Otras tendencias del Business Intelligence.
Módulo 2. Desde el problema al Análisis, sistemas de toma de decisión
Un sistema de análisis debe llevar a la toma de una acción o a una inacción consciente. El objetivo de este módulo es estructurar un proceso de toma de decisión formal para poder apoyarlo en el resto de herramientas que veremos durante el curso.
Para poder diseñar un sistema para la toma de decisiones debemos conocer en profundidad la empresa y las líneas estratégicas, para que Analytics esté alineado con los objetivos marcados. En este módulo trabajaremos en el proceso que debemos llevar a cabo para lograr que nuestros Sistemas de apoyo a la decisión aporten el máximo valor y se conviertan en un elemento clave para nuestros stakeholders internos.
La arquitectura de un sistema de BI.
Los datos y la información.
La integración: los procesos ETL.
La calidad: Data Quality Systems.
La gestión de los datos: Gestión de Datos Maestros (MDM).
Data Warehouse: ¿sí o no? Los sistemas de toma de decisiones.
Cuadro de Mando Integral.
Dimensiones y Métricas.
Análisis Descriptivo y Prescriptivo.
Información no estructurada.
Big Data.
Módulo 3. Data Management
El objetivo principal de la asignatura es proporcionar una visión completa de la gestión global de los datos en las empresas. El estudio de esta asignatura nos permitirá realizar una buena gestión del dato desde que entra en nuestros sistemas operacionales o transaccionales, hasta que pasa a nuestros sistemas de data warehouse que utilizamos para los sistemas de BI (Business Intelligence). Aprender una buena gestión de los datos que compatibilice los sistemas operativos o transaccionales, que soportan nuestro negocio, con los sistemas de BI.
La evolución actual de los datos, en crecimiento exponencial, hace necesario adelantarse en su gestión. En este módulo aprenderemos las estrategias y sistemas actuales para esta gestión.
Gobierno de datos.
Arquitectura, análisis y diseño de datos.
Almacenado de datos.
Seguridad de los datos.
Documentos y gestión de contenidos.
Referencia y gestión de datos maestros.
Data warehousing y business intelligence.
Gestión de metadatos.
Gestión en la calidad del dato.
Módulo 4. Business Intelligence y Business Analytics
El objetivo de este módulo es conocer las herramientas de análisis de datos más generalizadas hoy en día. Taller con las herramientas Qlik & Tableau.
Proporcionaremos las competencias necesarias para los retos que presentan todas las diferentes herramientas tecnológicas.
Analizaremos las diferencias las aplicaciones de cada herramienta en función de las necesidades del negocio.
Se Identificarán las necesidades predictivas, analíticas y casarlas con la herramienta adecuada.
¿Qué visualizaciones son más adecuadas para qué necesidad?
Business Intelligence y Business Analytics
El software.
La infraestructura.
Las políticas.
Los procedimientos
Business Analytics y Big Data
¿Dónde está el ROI del Big Data?
Necesidades análisis predictivo
Integrando Business Intelligence y Business Analytics
Métricas clave
Comparación de todos los K P I
Cuadro de mando
Visualización de datos
Módulo 5. Seleccionando la herramienta más adecuada
El objetivo de este módulo es, partiendo de los conocimientos obtenidos en los módulos anteriores, conocer las herramientas adecuadas para la selección de la herramienta de análisis de datos idónea para nuestras necesidades. Casos prácticos con Python, “R”, GITHUB (html5).
Visualización de datos.
Análisis de datos
Distinguir la forma de modelización apropiada por objeto y objetivo de investigación.
Distinguir entre modelos espurios. Y conocer métodos de elección de modelos.
Estimar modelos penalizados y árboles de regresión (o de similar nivel), técnicas de selección, aplicaciones de
Tableau y R, y análisis econométricos avanzados.
Entornos de programación y de gestión de datos:
Phyton
HTML5
Java
JavaScript
PHP
Entornos de aplicación analítica en Big Data según el objetivo de investigación:
Bases de datos
Aplicaciones de análisis con Big Data
Herramientas econométricas para el análisis de comportamiento de mercados y de la economía – Big Data.
Futuro del Big Data.
Módulo 6. Customer Analytics
En este módulo analizaremos cómo y con qué herramientas somos capaces de conocer a nuestros clientes y sus comportamientos, incluso predecirlos. El caso lo realizaremos en Qlik & Tableau.
“El cliente es el Rey” y por ello debemos conocerle: saber cómo se comportó, comporta y comportará. En este módulo trabajaremos el análisis de clientes y veremos conceptos como la segmentación y el profiling.
Análisis y aprovechamiento máximo de la información de clientes:
Segmentación de clientes
Segmentación actitudinal
El “clustering” como herramienta de segmentación
Potencial
Targeting
Customer Journey o Mapa de la Experiencia del Cliente
Net Promoter Score (NPS)
Módulo 7. Project Management en análisis de datos
Metodología de gestión de proyectos de datos. Project Management.
Entendiendo el Ciclo de Vida de los Sistemas de Información.
El Ciclo de Diseño y Desarrollo de Sistemas como base para los Proyectos TI.
Aspectos claves para Adquirir un Sistema de Información.
Factores claves para el éxito proyectos de Business Intelligence y Analytics.
Entendiendo las Áreas de Conocimiento del Marco de Referencia PMI (Gestión del Cambio, Comunicaciones, Calidad, etc).
Enfoques metodológicos, tradicional y ágil.
Identificando los Fundamentos de SCRUM como metodología ágil.
La Triple Restricción (Alcance, Tiempo y Costo).
Fundamentos de la Gestión por el Valor Ganado (Actividad de Investigación).
Sistemas para la Gestión de Proyectos (Actividad práctica con MS Project).
Reporting de Proyectos TI.
Fundamentos de la Gestión de Riesgos en Proyectos TI. Valor Monetario Esperado.
Módulo 8. Los Actores del Data y Business Management
¿Quiénes son los actores? ¿Qué papeles juegan?
Los componentes clave
Los roles del equipo en proyectos de datos
El equipo SCRUM y su organización
Los integradores (o colaboradores)
Los fabricantes de software
Los clientes
Módulo 9. Tendencias y realidades del análisis de datos
Revisaremos cómo está cambiando el mundo a través de la tecnología y cómo podemos aprovechar esto en nuestra operativa diaria. El mundo de Analytics es muy cambiante y debemos estar siempre actualizados. En esta asignatura hablaremos de las nuevas tendencias de Analytics, en muchos casos promovidas por algunos fabricantes, y que están cambiando la forma de analizar la información en las compañías.
BIG DATA
– Introducción al Big Data (El porqué de su existencia)
– Ecosistema del dato
– Business intelligence vs Big Data
– Perfiles profesionales del Big Data
– El perdil del CDO
– Arquitecturas Big Data
– Panorámica de herramientas de Big data
BUSINESS ANALYTICS
– Enfoque multidisciplinar
– El marco del Data Science
– Analítica predictiva
– analítica prescriptiva
– Qué es aprendizaje
– Aprendizaje supervisado y no supervidado
– Árboles
– Restas de regresión
– Clustering
– Redes neuronales
– Data Mining
– Qué es el Data Mining
– Machine Learning
– Cognitive computing y deep learning
– Realidad virtual. Casos de uso
– Smart cities. Casos de uso
CUSTOMER ANALYTICS
– La importancia del customer analytics
– Ejemplos de diseño de modelos de customer
analitycs
– Panorámica de herramientas de Customer
Analytics
TEXT ANALYTICS
– Nubes de palabras. Casos de uso
– Correlación de palabras. Casos de uso
– Panorámica de herramientas de Text Analytics
Módulo 10. Análisis Predictivo
El objetivo de este módulo es conocer las posibilidades de adelantarnos a los acontecimientos con los datos.
Data Mining.
Preparación de los Datos.
Modelo Lineal General.
Regresión Ridge.
Regresión PLS.
Regresión Logística.
Redes Neuronales y Algoritmos Genéticos.
Búsqueda del Mejor Modelo.
SAS Miner.
SAS Guide.
SAS Base.