Pasar al contenido principal

Master en Business Intelligence y Big Data

Maximizando el rendimiento empresarial

El Máster en Business Intelligence y Big Data 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. 

Desarrollado en base a cinco áreas, proporciona a los alumnos una visión global en esta era orientada a la gestión del dato y la información:

  • Gestión de Datos.
  • Business Analytics.
  • Big Data.
  • Data Science.
  • Habilidades de liderazgo y gestión

A QUIÉN VA DIRIGIDO


En la actual sociedad del conocimiento y de la información, el perfil de este tipo de profesionales es demandado cada vez por más empresas. De ahí que el master está dirigido a profesionales que deseen reforzar y ampliar sus conocimientos y capacidades en inteligencia de negocios para asumir la dirección y liderazgo en áreas de estrategia, así como profesionales que quieran reorientar su carrera hacia la moderna y novedosa profesión del científico de datos.

CON LA COLABORACIÓN DE 

CAPTCHA
Esta pregunta se hace para comprobar que usted es una persona real e impedir el envío de spam.
Image CAPTCHA
Escriba las letras.

OBJETIVOS

  • 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 las empresas.
  • Habilitar en el uso de herramientas de análisis predictivo y Data Science
  • Comprender todas las posibilidades y ventajas de la gestión y el análisis de los datos para las compañías.

PROGRAMA

  • Transformación Digital en la Empresa e Introducción a la Inteligencia de Negocio
    Cada vez es más importante saber qué está pasando en nuestro entorno y en nuestras propias organizaciones. Pero el volumen de datos crece exponencialmente y por el contrario, cada vez disponemos de menos tiempo para analizar la información. Dentro del mundo de las Tecnologías de la Información, Business Intelligence (BI) o Inteligencia de negocio como se suele llamar en español es un área que ha ido emergiendo en los últimos años hasta tener una identidad propia y marcada. La Inteligencia de Negocio se refiere pues a las herramientas de software y procesos empresariales orientados al análisis de la información y la presentación efectiva de los datos para su análisis y como parte del proceso de toma de decisiones.
  • Fundamentos de BI, Big Data y Business Analytics
    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. Por otro lado, 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.
  • Estrategia y Gestión del Rendimiento
    Adoptar un sistema de Gestión del Rendimiento nada tiene que ver con evaluar el desempeño personal o elaborar un sistema de retribuciones. Se trata en cambio de una transformación en todos los niveles de la empresa con los objetivos de: - Gestionar la estrategia de manera formal - Traducir esa estrategia en planes de acción - Monitorizar la ejecución de esos planes - Mejorar en última instancia los resultados financieros y operativos de la compañía
  • Balanced Scorecard
    La publicación, en 1992, por Norton y Kaplan de su metodología denominada Balanced Scorecard, ha supuesto un hito importante en la búsqueda por empresas y organizaciones de herramientas y metodologías que les ayuden a solventar el problema comentado sobre la comunicación, la implantación y el control de la estrategia. De tal forma que hoy, esta herramienta se ha convertido prácticamente en un estándar mundial que cubre gran parte de las necesidades de las empresas.
  • Data Science: Estadística para el Análisis de Datos
    El dato se ha convertido en uno de los activos más valiosos en muchas empresas. Alrededor de los mismos han surgido términos como Calidad del dato (Data Quality), Orientación al dato (Data-driven), Toma de decisiones basada en el dato (Data-driven decisión making process), e incluso existen ya empresas dónde la Monetización del dato, es decir, el empleo de los datos como activo directo para la generación de ingresos. En este sentido, en algunos países existe ya el grado de Científico de datos (Data Scientist), cuyo trabajo consiste en extraer conocimiento a partir de los datos y dar respuesta a complicadas preguntas y predicciones basándose en técnicas avanzadas de análisis estadístico y modernas herramientas de visualización. Es un científico que debe contar además con conocimientos de tecnología y una fuerte componente de visión del negocio. Esta Ciencia de los datos debe usar no solo los datos internos, sino todo el potencial del Big Data para encauzar la toma de decisiones hacia una mejora del rendimiento de la compañía.
  • Data Warehousing: Gestión de Datos Orientada al Análisis
    Aunque a veces se usa el término correspondiente en español, Almacén de Datos, es mucho más frecuente el vocablo inglés Data Warehouse para referirse al conjunto de herramientas, aplicaciones y sistemas de almacenamiento de datos orientadas a proveer información para la toma de decisiones. Dentro de cada organización, el volumen de información generada y almacenada es mucho mayor que hace solo unos años. De forma paralela, los directivos y ejecutivos de las organizaciones viven su día a día con un ritmo desenfrenado. El tiempo se convierte cada vez más en un factor crítico en dos sentidos: tenemos la percepción general de que disponemos de menos tiempo y cada vez la vigencia de los datos es más volátil. Consecuentemente, necesitamos obtener la información más rápidamente para analizarla y tomar decisiones a partir de ella. Parece obvio entonces que los sistemas y herramientas para el análisis de la información hayan ido tomando un protagonismo destacado. La finalidad de este curso es iniciar al alumno en los conceptos, los procesos, las herramientas y las tecnologías apropiados en la gestión de datos orientados al análisis.
  • Integración de Datos: ETL, Consolidación Datos, Modelo Unificado desde Orígenes Diversos
    En este módulo se aprenderán las características básicas de los procesos ETL (Extracción, Transformación y Carga de los datos), la importancia de la calidad de los datos para su uso analítico dentro del proceso de toma de decisiones y como definir un modelo de datos integrado, coherente, veraz y disponible en el momento y lugar preciso.
  • Diseño Eficaz de Cuadros de Mando y KPIs
    El término Inteligencia de Negocio (Business Intelligence) se refiere a todo el conjunto de tecnologías, conceptos, métodos y herramientas destinadas a realizar el análisis estratégico de la información, medir y controlar los indicadores clave de negocio y ayudar en el proceso de toma de decisiones. Dos elementos clave permiten al usuario final medir los indicadores necesarios, identificar problemas y oportunidades, tomar decisiones y ajustar planes de actuación si es preciso: • Cuadros de Mando • Indicadores Clave de Desempeño (KPIs). La visualización correcta de los datos es cada vez más un elemento esencial de la Inteligencia de Negocio. Ya no se limita a aplicaciones especializadas de BI basadas en tablas dinámicas de datos, sino que incluye visualización de datos en forma de gráficos, mapas y otras representaciones gráficas 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 módulo es eminentemente práctico, utilizando las técnicas de visualización de datos para el diseño efectivo de Indicadores claves de rendimiento (KPIs) y Cuadros de Mando: Dashboard y Scorecard.
  • Programación Estadística en R
    Gran parte de las herramientas y aplicaciones de análisis predictivo se basan en R, un lenguaje de programación estadística para manipular y analizar datos cuantitativos. Podemos decir que es la herramienta básica para el científico de datos. Tal es su grado de aceptación que grandes fabricantes, como IBM o Microsoft, lo han adoptado como base para sus soluciones de análisis estadístico. No obstante, podemos encontrar avanzados paquetes basados en R bajo licencia GNU GPL, es decir sin coste de adquisición. En este módulo veremos • Una introducción al lenguaje R • Principales paquetes gráficos e IDEs basados en R • Análisis “predefinido” y “ad-hoc” con R • Machine Learning con R
  • Programación Estadística con Python
    Para cualquier persona interesada en iniciar una carrera profesional en el mundo de Data Science, ya sea como persona técnica, o como persona encargada de gestionar un equipo de Data Scientists, el tener un conocimiento práctico de como usar las herramientas disponibles es fundamental. A estos efectos, el lenguaje de programación Python es el que mayor potencial tiene como lenguaje mayoritario.
  • Gestión Analítica de Clientes
    La relación con los clientes siempre ha sido el punto neurálgico en la estrategia empresarial. Incluso desde el punto de vista operativo, la gestión basada en la Orientación al Cliente es un modelo de organización ampliamente difundido. Además, existe, dentro del mundo de las aplicaciones informáticas, una rama dedicada específicamente a la gestión de la relación con clientes orientada a la venta y el marketing: CRM por sus siglas en inglés (Customer Relationship Management). Técnicas avanzadas de minería de datos aplicadas a la gestión analítica del comportamiento de los clientes nos permitirán mejorar las tasas de retención de los mismos y su índice de repetibilidad.
  • Big Data en la Práctica: Aplicaciones por Sector
    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 trataremos sobre las aplicaciones prácticas de Big Data y Business Analytics en los sectores más representativos. Analizaremos los procedimientos 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 en e-commerce • Sistemas de recomendación instantáneos • Prevención de Pérdida de clientes • Predicción del comportamiento de clientes • Detección inmediata de riesgos
  • Data Mining
    Si la Inteligencia de Negocio proporciona herramientas avanzadas para el análisis de grandes volúmenes de información, las técnicas de Minería de Datos (Data Mining en inglés) 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. La minería de datos usa principios estadísticos para detectar patrones en los datos, ayudándonos a tomar decisiones inteligentes sobre problemas complejos. La aplicación de los algoritmos de minería de datos permite predecir tendencias, identificar patrones ocultos, crear reglas y recomendaciones, establecer agrupaciones de registros de datos, detectar anomalías y excepciones y encontrar dependencias ente distintas variables.
  • Machine Learning con Python
    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 aprende 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. Repasaremos en este módulo: • Introducción a Machine Learning • Algoritmos más habituales en el aprendizaje automático • Principales servicios de Machine Learning • IBM Watson Developer, MS Azure Machine Learning, TensorFlow
  • Herramientas y Tecnología de Big Data
    El paisaje de herramientas asociadas al Big Data está en constante crecimiento y es imposible de abarcar en su totalidad. En este módulo se presentan las posibilidades de trabajo que ofrecen las herramientas de Big Data para procesar y analizar grandes volúmenes de datos de una manera ordenada. Además de Hadoop, en el que basan casi todos los paquetes de utilidades, en este módulo se tratarán las principales herramientas, tanto de pago como open source, agrupadas en cinco grandes categorías: • Infraestructura • Analytics • Aplicaciones específicas • Data Sources • Plataformas
  • Privacidad y Protección de Datos
    Uno de los ejes comerciales más provechosos hoy en día es la recopilación de perfiles de usuarios y sus preferencias. Sin embargo, este uso de datos personales, del que muchas veces los individuos somos ignorantes parcial o totalmente, es también uno de los terrenos más discutidos del Big Data. Las leyes de protección de datos, en España la Ley Orgánica Protección de Datos de Carácter Personal, intentan garantizar la privacidad de los ciudadanos, pero las nuevas tecnologías, la movilidad y la transnacionalidad de los proveedores de servicios de internet provocan un terreno en tierra de nadie entre legalidad y uso de datos personales. En este módulo vamos a tratar sobre la legalidad vigente sobre privacidad, la anonimización y disociación de datos personales, los derechos fundamentales de los ciudadanos en esta materia y sobre el uso de datos personales y de rastreo en el Big Data.
  • Visualización de Datos: Técnicas Avanzadas de Representación de la Información
    Desde hace mucho tiempo, ha aumentado el uso de la representación gráfica de ideas o conceptos en campos como marketing, publicidad, diseño web, cartografía, etc. Ejemplo de ello es la Visualización de Datos, centrada en la representación visual de información compleja, lo cual permite que sea comprensible, facilita su análisis y la toma de decisiones. Este módulo se basa en el aprendizaje de la herramienta Qlik Sense, que ofrece una amplia variedad de gráficos, cuadros y tablas, en distintos formatos, que permiten ver los datos de la forma que uno desee.
  • Gestión de Proyectos de BI: Factores de Éxito
    El éxito de un proyecto depende de la satisfacción que se consiga de las necesidades que lo originaron. La dirección y gestión de proyectos es la aplicación de conocimientos, habilidades, herramientas y técnicas a las actividades del proyecto para cumplir con los requisitos del mismo. La Inteligencia de Negocios ha supuesto una gran ayuda en la gestión de proyectos al aportar herramientas que facilitan la toma de decisiones complejas en aspectos como la gestión de riesgos, de recursos humanos, de calidad, proveedores o estrategias de comunicación.
  • Negociación Comercial
    La alta exigencia competitiva, la complejidad de la actividad comercial y la aceleración de los cambios, nos enfrenta diariamente a continuos procesos de negociación, generadores de intercambios valiosos o de conflictos y tensiones paralizantes. La magnitud de estas responsabilidades hace del negociador eficaz un profesional con cualidades superiores, que lo hace destacable frente a los demás, resaltando sus condiciones de liderazgo, empatía, asertividad y compromiso con la excelencia y el cumplimiento de su misión. Por parte de las empresas, una de las cualidades que más se solicita, sobre todo al personal comercial, es la de ser un buen negociador, y estar preparado para actuar con profesionalidad y habilidad estratégica; utilizando técnicas y herramientas adecuadas para la eficiente conducción del proceso de negociación y el logro de sus resultados. Esta cualidad de saber negociar, lo transforman en un buen comunicador, que abre puertas, facilita caminos, logra compromisos y predisposiciones positivas en sus clientes.

MATRÍCULA


Edición:
II
Inicio:
05/10/2018
Modalidad:
Presencial
Preinscripción sin compromiso

PROFESORES

METODOLOGÍA

Programa de prácticas

Nuestro programa de prácticas laborales te ofrece la posibilidad de potenciar tu carrera y adquirir nuevas habilidades en diversas empresas del sector. Con ENAE puedes completar tu formación con la experiencia única de trabajar en una empresa europea.

Método

En ENAE hemos desarrollado una metología activa con la que alternamos conceptos, técnicas y métodos de análisis en el desarrollo de casos prácticos aplicables a la empresa real. Fomentamos el trabajo en equipo para obtener mayores experiencias profesionales de profesores y alumnos.

Business plan

Durante tu Proyecto Fin de Máster, ENAE pone a tu disposición consultores cualificados del ámbito de la Economía y FinanzasProfesores y Profesionales expertos te ayudarán a interpretar y aplicar tu formación para que tu proyecto final sea todo un éxito.

CAPTCHA
Esta pregunta se hace para comprobar que usted es una persona real e impedir el envío de spam.
Image CAPTCHA
Escriba las letras.