Category: Entorno Económico y Operaciones
Mode: Presencial

Edition: I
Start: 26/01/2018
End Registration: 19/01/2018

x

El Programa Ejecutivo en Big Data y Business Analytics de ENAE Business School habilita a los alumnos en la aplicación práctica de las nuevas tecnologías asociadas al fenómeno del Big Data y en las modernas herramientas de análisis predictivo y visualización de datos que se han englobado bajo el término de Data Science o Ciencia de Datos.
 
Los científicos de datos, nuevo perfil híbrido entre la estadística y las tecnologías de la información, serán las personas dentro de las organizaciones que se dedican a:
 
- Recopilar y extraer información de diversas fuentes de datos internas o  externas.
- Aplicar las modernas herramientas tecnológicas para dar respuesta a los planteamientos y requisitos de los usuarios de negocio y visualizar de forma clara y comprensible sus conclusiones.
- Elaborar modelos predictivos a partir de los datos.

Lugar de impartición: ENAE Business School.

Modalidad: Presencial

Inicio: 26 de Enero de 2018

Precio: 1.150 €

Dirigido a profesionales que deseen reforzar y ampliar sus conocimientos y capacidades en Inteligencia de Negocios y Ciencia de Datos para asumir la dirección y liderazgo en el análisis de datos. Y a profesionales que quieran reorientar su carrera hacía la moderna y novedosa profesión del científico dedatos.

-      Proporcionar los conocimientos sobre procesos y tecnologías diseñadas para optimizar y mejorar el rendimiento de una empresa, con especial foco en las herramientas tipo Business Intelligence(BI).

-      Preparar ante los retos que representa el fenómeno del Big Data, sus fundamentos, las tecnologías asociadas y la forma idónea de afrontar proyectos de Big Data por lasempresas.

-      Habilitar en el uso de herramientas de análisis predictivo y DataScience.

-      Comprender todas las posibilidades y ventajas de la gestión y el análisis de los datos para las compañías.

Cada vez es más importante saber qué está pasando en nuestro entorno y en nuestras propias organizaciones. Y muchas veces en tiempo real. Pero, al mismo tiempo, el origen de los datos cada vez es más diverso y su volumen crece exponencialmente. Dentro del mundo de las Tecnologías de la Información, Business Intelligence (BI) o Inteligencia de negocio se refiere a las herramientas de software y procesos empresariales orientados al análisis de la información como parte del proceso de toma de decisiones.
 
Business Intelligence, cuando se asocia a la estrategia empresarial, se convierte en una  poderosa herramienta para la consecución de los objetivos de la organización. El término Gestión del Rendimiento Empresarial o CPM por sus siglas en inglés (Corporate Performance Management) describe todas las metodologías, procesos, métricas y sistemas para gestionar el rendimiento o desempeño en las empresas y organizaciones  engeneral
Más allá del fenómeno mediático alrededor del término Big Data, lo cierto es que las organizaciones han cambiado drásticamente el volumen de información generada, la variedad de datos generados y la velocidad con la que se generan. “Big data”, define y agrupa estos cambios: la disponibilidad de grandes cantidades de información en  formatos estructurados y desestructurados y en tiempo real.
 
De otra parte, y muy relacionado con Big Data, Business Analytics se refiere a las nuevas formas, basadas en Business Intelligence y técnicas de análisis estadístico, de obtener información a partir de los datos históricos para predecir el comportamiento futuro. Se orienta pues a descubrir los factores, algunos ocultos, que influirán sobre los resultados de negocio.
 
En este módulo vamos a introducir los conceptos y fundamentos del Big Data, los retos que presenta, las tecnologías asociadas y la forma idónea de afrontar proyectos de Big Data por las empresas. Asimismo, nos iniciaremos en el uso de técnicas de análisis predictivo y de visualización orientadas a la mejora del rendimiento empresarial.
Gran parte del tiempo de los proyectos de Business Intelligence y Big Data, se emplea en trabajar con flujos de datos desde los sistemas origen: bases de datos, archivos, la web, redes sociales, etc., hacia un almacenamiento útil para las herramientas de análisis.
 
Todos estos flujos de datos reciben el nombre de procesos ETL, siglas de las palabras inglesas Extract, Transform y Load que describen las tareas más habituales de preparación de los datos:
 
· Extracción de datos desde los sistemas  origen.
· Transformación de los datos para generar nueva   información.
· carga de las estructuras multidimensionales para análisis.
 
En este módulo aprenderemos:
 
· las características básicas de estos procesosETL.
· la importancia de la calidad de los datos para su uso analítico.
· cómo definir un modelo de datos integrado, coherente, veraz y disponible para toda la organización
· las herramientas y las tecnologías apropiados en la gestión de datos orientados al análisis.
· las tecnologías de tratamiento de información no estructurada propias del Big Data.
Dos elementos clave permiten al usuario final medir los indicadores necesarios,  identificar problemas y oportunidades, tomar decisiones y ajustar planes de actuación si espreciso:CuadrosdeMandoeIndicadoresClavedeDesempeño(KPIs).
 
En este curso trataremos sobre como identificar y definir los indicadores apropiados para el control del desempeño empresarial.
 
La visualización correcta de los datos es cada vez más un elemento esencial de la Inteligencia de Negocio y Business Analytics. Las modernas herramientas incorporan avanzados gráficos, mapas y otras representaciones que permiten a los usuarios a entender mejor los datos al mismo tiempo que proporcionan alertas y notificaciones cuando un indicador sobrepasa un límite superior o inferior con respecto a su objetivo.
 
Este curso es pues, eminentemente práctico sobre las técnicas de visualización de datos para el diseño efectivo de Indicadores claves de rendimiento (KPIs) y Cuadros de Mando: Dashboard y Scorecard.
Si la Inteligencia de Negocio proporciona herramientas avanzadas para analizar qué ha pasado y cuál es el estado actual de nuestra organización, las técnicas de Minería de Datos y Data Science van un paso más allá y permiten de forma automática descubrir información interesante que permanece oculta en ese laberinto enorme en que se convierten los datos. Una diferencia fundamental con Business Intelligence, es que mientras BI trabaja con datos estructurados y de un volumen manejable, Data Science suele enfrentarse a grandes conjuntos de datos no estructurados: emails, texto, publicaciones en redes sociales, audio, etc.
 
La aplicación de algoritmos estadísticos y lenguajes ad hoc como R, permite predecir tendencias, identificar patrones ocultos, crear reglas y recomendaciones, establecer agrupaciones de registros de datos, detectar anomalías y excepciones y encontrar dependencias entre distintas variables. Por ejemplo, para mejorar la relación con nuestros clientes y la tasa de retención, al anticipar su comportamiento.
 
De otro lado, en la actualidad, estamos viviendo un avance extraordinario en el uso del Machine Learning, entendiendo como tal a los autómatas (máquinas o servicios) que resuelven problemas en base a aprender de los datos. Básicamente son algoritmos que aprenden a partir de un volumen de datos históricos y son capaces de predecir algo o sugerir una respuesta a un problema dado. Estas Máquinas que aprenden son una herramienta esencial para los científicos de datos.
El Big Data se convertirá, si no lo ha hecho ya, en pieza fundamental para el cumplimiento de la estrategia y la mejora del desempeño en muchos sectores: salud, educación, telecomunicaciones, transporte, etc.
 
En este módulo veremos las cuestiones legales asociadas a la recopilación  y tratamiento de datos y trataremos sobre las aplicaciones prácticas de Big Data y Business Analytics en los sectores más representativos. Analizaremos losprocedimientos y áreas de actuación más habituales y que redundarán en ventajas competitivas y en mejoras del desempeño:
 
· Predicción de las ventas u  otras  métricas
· Aplicaciones ene-commerce
· Sistemas de recomendación instantáneos
· Prevención de Pérdida de  clientes
· Predicción del comportamiento de  clientes
· Detección inmediata de  riesgos