Master en Data Science For Business

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.

En este módulo se estudiarán los fundamentos del lenguaje y el uso de R Studio, un entorno que facilita su utilización para el análisis predictivo.

En este curso se abordarán conceptos cómo Location Analytics, aprendiendo el valor de la ubicación y la obtención y manipulación de datos geo-posicionados.

Se realizarán cálculos de zonas de influencia, análisis de apertura de negocios, análisis avanzado de mapas y se realizará un caso de analítica espacial y machine learning.

Este módulo introduce al alumno a las tecnologías de procesamiento y almacenamiento de grandes cantidades de datos (Big Data) en entornos en la nube. Se estudiará Hadoop y su procesamiento distribuido usando los paradigmas Map-Reduce y Spark. 

El crecimiento en los datos a través, principalmente de redes sociales, sitios webs, datos operativos de negocio, etc. ha provocado una explosión en la generación de los datos y en este caso no sólo por las transacciones comerciales si no por los hábitos del cliente.

En este workshop hablaremos sobre la importancia en el negocio de una estrategia con el cliente como centro. Hablaremos sobre el ciclo de vida del cliente, sobre la definición de un cliente activo o inactivo, la pérdida de un cliente, veremos modelos para intentar adelantarnos a su abandono, modelos para enfocar mejor las campañas, estudiaremos un caso real de una segmentación de engagement y haremos ejemplos para asimilar estos conceptos.

En este workshop se mostrarán aplicaciones del Big Data en el mundo empresarial, prestando especial interés en su uso por sectores. Además, se realizarán casos de uso, utilizando el lenguaje de programación estadístico R para su mejor comprensión.

En este curso se analizarán los conceptos básicos sobre Fintech, además de tratar sus principales modelos de negocio. Se abordarán conceptos relacionados con la cartera de acciones cómo riesgo financiero, rendimiento, entre otros.

Este taller tiene como objetivo que el alumno empiece a sacar partido del open data del punto de vista de un reutilizador, por medio de casos prácticos en los que se accede a distintos datos para resolver varios problemas. Además, analizaremos las plataformas de concursos, como Kaggle, como medio de aprendizaje, de acceso a datos y de acceso a código abierto para usar esos datos.

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.

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.

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.

En este curso se estudiará la descomposición de series temporales, el uso de regresores externos, los principales modelos: ARIMA, alisado exponencial, redes neuronales, random forest e híbridos.