guia general - programas en inteligencia de negocio y big data

1

Guía general Inteligencia de negocio y

Big data http://business-intelligence.uoc.edu

Octubre 16

Estudios de Informática, Multimedia y Telecomunicación

http://business-intelligence.uoc.edu/

http://www.uoc.edu/portal/es/estudis_arees/informatica_multimedia_telecomunicacio/index

3

Índice

1. INTRODUCCIÓN 4 2. PRESENTACIÓN DEL PROGRAMA 4 3. OBJETIVOS Y COMPETENCIAS 4 A. OBJETIVOS COMUNES DEL MÁSTER 4 B. OBJETIVOS ESPECÍFICOS DEL ITINERARIO DE ANÁLISIS DE DATOS 5 C. OBJETIVOS ESPECÍFICOS DEL ITINERARIO DE SISTEMAS DE INFORMACIÓN 5 D. PERFILES 6 E. COMPETENCIAS 6 4. A QUIÉN SE DIRIGE 6 5. SALIDAS PROFESIONALES 7 6. CONOCIMIENTOS PREVIOS 7 7. ESTRUCTURA Y CONTENIDOS (PLAN DE ESTUDIOS) 8 8. METODOLOGÍA 16 9. EQUIPO ACADÉMICO 17 10. RECURSOS PARA EL APRENDIZAJE 20 A. HERRAMIENTAS DE SOFTWARE 21 11. CALENDARIO CURSO 2016/2018 (OCTUBRE 16- JULIO 18) 22 12. EVALUACIÓN 27 13. TITULACIÓN 28 14. SERVICIO DE ATENCIÓN AL ESTUDIANTE 29

4

Programa Inteligencia de negocio/ Business Intelligence

1. Introducción

La presente guía contiene una explicación de la visión general del programa Business Intelligence/ Inteligencia de negocio y big data

(Máster, posgrados y especializaciones), así como de la metodología general que se seguirá durante su desarrollo. Para el funcionamiento específico de cada asignatura, os remitimos a los planes docentes, que se actualizan cada semestre.

2. Presentación del programa

La inteligencia de negocio y el análisis de datos, bajo diferentes nombres (business intelligence, business analytics, data science, big data), es actualmente la mayor área de demanda de profesionales cualificados, la mayor fuente de inversión de las empresa,

la mayor causa de creación de negocios de productos y servicios en todo el mundo.

El máster de Inteligencia de negocio y big data (MIB) y los programas especializados de la UOC en este ámbito ofrecen desde hace

más de diez años una formación práctica y profesionalizadora basada en casos de negocio y en el uso de herramientas de

mercado, impartida por profesionales de BI del mundo de la empresa y profesores especialistas en ciencias empresariales,

matemáticas e ingeniería informática

Este programa se ha diseñado y se ofrece conjuntamente por los Estudios de Economía y Empresa y los Estudios de Informática,

Multimedia y Telecomunicación de la UOC.

3. Objetivos y competencias

a. Objetivos comunes del Máster

De acuerdo con las tendencias actuales en formación universitaria y con la experiencia de la UOC en programas virtuales, los objetivos

del máster se dirigen a la adquisición de competencias profesionales de carácter práctico, principalmente mediante el uso de

casos de negocio, métodos y herramientas de trabajo, dentro del rigor y el marco científico de un programa universitario.

Algunos de estos objetivos son comunes al conjunto del máster y otros son específicos para cada uno de los itinerarios (análisis de

datos y sistemas de información).

Adquirir y estar en condiciones de implantar una mentalidad crítica y analítica dentro de la empresa, mediante el conocimiento de los diferentes sistemas de información de empresa, los métodos y técnicas de análisis de datos, la

formulación de preguntas e hipótesis y la obtención de conclusiones útiles para tomar decisiones.

Conocer el funcionamiento y el mercado de los sistemas de información de inteligencia de negocio y big data y sus

principales utilidades y componentes para tomar o ayudar a tomar decisiones informadas de adquisición e implantación.

Conocer y estar en condiciones de desarrollar e implantar proyectos de inteligencia de negocio dentro de la empresa,

las etapas del ciclo de gestión de proyectos y los métodos específicos de producción de proyectos de BI.

5


Conocer las nuevas tendencias en materia de inteligencia de negocio, en particular, el fenómeno de los big data, que

representa el tratamiento e interpretación de datos de mayor volumen, variedad, complejidad y velocidad, procedentes de múltiples fuentes. Entender y saber aplicar su uso efectivo y las implicaciones tecnológicas, legales y éticas.

Conocer y estar en condiciones de aplicar las técnicas y herramientas de análisis y minería de datos, los métodos y algoritmos más habituales y sus usos aplicados en diferentes empresas y organizaciones.

Conocer y saber utilizar las nuevas tendencias en minería de datos, tales como minería de textos, análisis de las redes

sociales, minería de opinión y sentimientos, así como el uso de los sistemas de información geográfica y el internet de las

cosas.

Saber utilizar a nivel de usuario avanzado una suite completa de inteligencia de negocio, un sistema de interrogación

y una herramienta de estadística avanzada para el análisis de datos.

b. Objetivos específicos del itinerario de análisis de datos

Conocer y saber manejar técnicas, herramientas y algoritmos avanzados de análisis y minería de datos y desarrollar

capacidades superiores de comprensión de problemas, formulación de hipótesis, interrogación e interpretación de la

información.

Entender y saber aplicar el proceso de recogida y preparación de datos, las diferentes fuentes, tipos de datos y métodos

cuantitativos y cualitativos de análisis. Saber utilizar técnicas de análisis multidimensional (OLAP) y construir, en colaboración con el departamento de sistemas

de información, cubos de análisis. Comprender y saber aplicar los métodos y herramientas de análisis de datos en las principales funciones y procesos

empresariales: gestión económico-financiera, marketing y ventas y operaciones y logística.

Saber construir informes y cuadros de mando para la toma de decisiones de los empleados y directivos y técnicas y

herramientas de visualización de datos.

Saber utilizar, programar y parametrizar a nivel de analista herramientas de estadística avanzada y de creación de cuadros de mando.

c. Objetivos específicos del Itinerario de sistemas de información

Conocer y saber organizar diferentes estructuras de datos y crear un almacén de datos (data warehouse).

Saber utilizar herramientas de análisis multidimensional (OLAP) y crear, en colaboración con los analistas de datos y

departamentos usuarios, cubos de análisis. Saber diseñar, parametrizar o construir sistemas complejos de inteligencia de negocio y asegurar su mantenimiento,

trabajando sobre herramientas específicas.

Saber explotar los datos de sistemas de data warehousing y administrar este tipo de sistemas.

Conocer, saber construir y utilizar sistemas de bases de datos no relacionales.

Conocer y saber utilizar las arquitecturas y herramientas de sistemas de gestión de datos masivos.

Saber utilizar a nivel de analista herramientas de estadística avanzada, almacén de datos (data warehouse), bases de datos relacionales, bases de datos NoSQL y sistemas de gestión de big data.

6


d. Perfiles

El espacio de conocimiento y aplicación de la inteligencia de negocio y el análisis de datos es, por definición, un ámbito híbrido en el

que conviven perfiles de entrada y de salida muy diferentes. También es muy diferente la organización de las competencias y responsabilidades sobre inteligencia de negocio dentro de las empresas y organizaciones de todo tipo.

Aunque el programa no requiere formalmente una formación o titulación específica de origen, se recomienda pedir asesoramiento para diseñar el itinerario más adecuado, en función de la formación de entrada y las aspiraciones profesionales de cada estudiante.

Normalmente, el itinerario de análisis de datos se recomienda para estudiantes de formación empresarial, ingenierías de todo

tipo, matemáticas, sociología, medicina, ciencias de la información o candidatos con una experiencia profesional equivalente.

El itinerario de sistemas de información se recomienda para técnicos e ingenieros informáticos o de telecomunicación,

analistas de datos en departamentos de control de gestión u otros, matemáticos o candidatos con una experiencia profesional

equivalente.

e. Competencias

El programa está preparado para el desarrollo de capacidades prácticas de uso y construcción de sistemas de inteligencia de negocio

y datos masivos, dentro de un marco conceptual propio basado en las buenas prácticas y el conocimiento científico.

El diseño de esta titulación propia sigue las recomendaciones y metodología del Espacio Europeo de Enseñanza Superior (EEES) y por lo tanto se basa en la adquisición de competencias para el trabajo profesional en empresas privadas y organizaciones públicas.

Debe tenerse presente que esta formación introduce y facilita, pero no sustituye la experiencia práctica de trabajo en un entorno

supervisado. Para el conocimiento detallado de las competencias que se adquieren, recomendamos la lectura de los apartados

"Objetivos" y "Programa académico".

4. A quién se dirige

Según hemos presentado en el apartado "Perfiles", el programa se dirige a perfiles de entrada muy diversos, tanto por su formación

de origen como por su experiencia profesional. De acuerdo con nuestra experiencia a lo largo de los últimos diez años, los estudiantes del máster y los programas de BI de la UOC

proceden de los siguientes ámbitos:

Departamentos de control de gestión en el área económico-financiera, de marketing y ventas y otros.

Centros de competencias de inteligencia de negocio o departamentos especializados en análisis de datos.

Departamentos de organización y sistemas y tecnologías de la información.

Consultores e implantadores de software estándar de inteligencia de negocio, sean de perfil de negocio o de perfil tecnológico.

Emprendedores que han iniciado o desean hacerlo un proyecto de negocio de productos y servicios de business intelligence y big data.

7


Debido a la evolución del sector y las empresas, es frecuente que realicen nuestro programa profesionales con diferentes niveles de

experiencia que necesitan reorientar su carrera profesional.

Finalmente, en los últimos años, el máster de Inteligencia de negocio y big data (MBI) está cumpliendo un papel de programa de

continuidad para estudiantes que han completado un grado y desean emplearse rápidamente en un ámbito profesional atractivo y de

gran demanda.

5. Salidas Profesionales

El objetivo del máster de Inteligencia de negocio y big data (MBI) de la UOC ha sido tradicionalmente la formación de profesionales todo-terreno con una formación en análisis y solución de problemas de negocio, estadística avanzada y minería de datos y diseño y

construcción de sistemas de información de business intelligence, que podían trabajar en diferentes departamentos de la empresa o

en un centro de competencias transversal.

A medida que esta especialidad ha crecido y las empresas reconocen la necesidad de esta clase de profesionales, también lo han hecho las diferentes salidas en el mercado:

Analistas de datos en departamentos de control de gestión u otros departamentos de la empresa, especialmente en el

área de marketing y ventas y en las áreas de producción y operaciones.

Responsables, jefes de proyecto o analistas de sistemas de información de BI en departamentos de informática o

técnicos y analistas de empresas que han adquirido o están a punto de hacerlo esta clase de sistemas.

Científicos de datos en departamentos especializados de análisis y estadística o en empresas externas que proporcionan

esta clase de servicio a sus clientes.

Consultores e implantadores de sistemas de inteligencia de negocio y big data en empresas de servicios.

Emprendedores, que desean crear negocios basados en la creación o la implantación de sistemas especializados de

inteligencia de negocio o de alguno de sus componentes, así como productos y/o servicios basados en datos.

No es un objetivo del programa la formación de programadores o parametrizadores en ninguna de las herramientas que se utilizan

para la docencia. La UOC dispone de una bolsa de trabajo y acuerdos con empresas para la realización voluntaria de prácticas.

6. Conocimientos previos

Aunque el programa no requiere formalmente una formación o titulación específica de origen, es necesario disponer de

conocimientos de programación. En caso de duda se recomienda pedir asesoramiento docente para diseñar el itinerario más

adecuado en función de la formación de entrada y las aspiraciones profesionales de cada candidato (En caso de no tener conocimientos de programación, pueden adquirirse con una mayor dedicación de tiempo)

Normalmente, el itinerario de análisis de datos se recomienda para estudiantes de formación o competencias de gestión empresarial,

ingenierías de todo tipo, matemáticas, sociología, medicina, ciencias de la información o candidatos con una experiencia profesional equivalente.

El itinerario de sistemas de información se recomienda para estudiantes de competencias o formación técnica, ingenieros

informáticos o de telecomunicación, matemáticos o candidatos con una experiencia profesional equivalente. En todos los casos, es recomendable el conocimiento del inglés a nivel escrito

8


7. Estructura y contenidos (Plan de estudios)

El programa/Máster se ha estructurado en un itinerario académico modular por cursos de especialización o semestres, posgrados

y máster. En función del itinerario a seguir, el estudiante podrá cursar:

Máster: Inteligencia de negocio y Big data (60 créditos) Posgrado: Inteligencia de Negocio y Análisis de Datos (33 créditos) Posgrado: Sistemas de Información de Inteligencia de Negocio y Big data (30 créditos) Posgrado: Arquitectura de Business intelligence (30 créditos) Cursos de especialización:

o E1. Fundamentos de Inteligencia de Negocio y Big Data (15 créditos) o E2. Análisis y Minería de Datos (12 créditos)

o E3. Sistemas de Inteligencia de Negocio (Data Warehouse) (12 créditos) o E4.Big Data y Sistemas NoSQL (12 créditos)

o E5. Usos de la inteligencia de negocio en la empresa (12 créditos)

o E6. Ciencia de Datos (Data Science) (12 créditos)

El máster de Inteligencia de negocio y Big data (MIB) está dirigido a dos perfiles profesionales diferenciados:

Por un lado, un perfil funcional y empresarial interesado en formación de métodos, técnicas y herramientas de

análisis y minería de datos y en la utilización de tecnologías de inteligencia de negocio, a nivel de usuario avanzado.

Y, por otro, un perfil técnico interesado en formación en el diseño, construcción, explotación y uso de los sistemas y

tecnologías de la información de la inteligencia de negocio y el análisis de datos.

Para atender a las necesidades de cada perfil, el máster se ha estructurado en especialidades, algunas de las cuales son

comunes y otras propias de cada itinerario, de manera que el estudiante puede elegir según sus intereses:

Itinerario de Análisis de datos Itinerario de Sistemas de información

Semestre 1 Fundamentos de inteligencia de negocio y big data (Aplicaciones y casos prácticos) (15 créditos)

Semestre 2 Análisis y minería de datos (12 créditos)

Semestre 3

Usos de la inteligencia de negocio en la empresa

(12 créditos)

Sistemas de inteligencia de negocio (data warehouse)

(12 créditos)

Semestre 4 Ciencia de los datos (data science) (12 créditos) Big data y sistemas NoSQL (12 créditos)

Trabajo de fin de máster (9 créditos)

9


Especialidades y asignaturas

E1. Fundamentos de inteligencia de negocio y big data (15 créditos).

Esta especialidad está dirigida a introducir al estudiante en los conceptos, métodos, técnicas y herramientas que utilizan los

sistemas de inteligencia de negocio y análisis de datos, a través de casos prácticos y el uso de software especializado. Esta

especialidad es obligatoria en todos los itinerarios del máster.

Se compone de las siguientes asignaturas:

A1. Fundamentos de inteligencia de negocio (4 créditos)

En esta asignatura el estudiante se familiariza con un sistema completo de inteligencia de negocio (la "fábrica de

información”) y con sus diferentes componentes: el almacén de datos, los procesos de extracción y transformación, el

análisis multidimensional y la realización de informes y cuadros de mando.

El estudiante trabaja con herramientas Pentaho (Enterprise Edition) y MySQL en una plataforma virtual en la nube y con

las bases de conocimiento de la consultora Gartner y otras empresas de prospectiva.

Esta es una asignatura introductoria. Los estudiantes que eligen el itinerario de sistemas y tecnologías de la información

estudian el análisis, diseño, construcción y explotación de los sistemas de almacén de datos en la especialidad de Sistemas

de Inteligencia de Negocio (E3) del tercer semestre.

A2. Gestión de proyectos de BI (4 créditos)

En esta asignatura el estudiante se familiariza con el modelo internacional de referencia en gestión de proyectos (PMBoK)

y con los métodos específicos de producción de proyectos de Inteligencia de Negocio, a través de casos prácticos y de

contenidos teóricos.

El estudiante trabaja con herramientas de gestión de proyectos (MSProject y equivalentes) y con herramientas de

ofimática (tipo XLS y PPT).

A3. Fundamentos y usos del big data (3,5 créditos)

En esta asignatura el estudiante trabaja lo que algunos han llamado la "gestión extrema de la información", es decir, la

transformación del enorme volumen de datos oculto en el interior de la propia organización o presente a su alrededor, los diferentes tipos de datos e información y su aplicación en la empresa. Se estudia la captura, almacenamiento y análisis de

los datos masivos, así y como los aspectos tecnológicos, legales y éticos relacionados con este nuevo paradigma.

El estudiante trabaja con universos de datos propios de la universidad, cedidos por empresas o procedentes de las redes

sociales, a través de herramientas de última generación, como por ejemplo los frameworks Hadoop y Spark.

Esta es una asignatura introductoria. Los estudiantes que eligen el itinerario de sistemas y tecnologías de la información

estudian en profundidad la gestión del big data, sus tecnologías y sus escenarios de uso más comunes en la especialidad Big Data y NoSQL (E4) del cuarto semestre del máster.

10


A4. Pensamiento analítico en la empresa (3,5 créditos)

El pensamiento analítico representa un cambio en la manera de tomar decisiones y en la cultura de la empresa. En esta

asignatura se busca hacer reflexionar al estudiante de forma que pueda identificar problemas, formular hipótesis, interpretar datos y obtener conclusiones. Se trabajan las herramientas, el vocabulario y las metodologías básicas para

analizar una situación de negocio y de forma sistemática traducirlo en un proyecto de datos.

Actúa también como asignatura niveladora para estudiantes que no han recibido anteriormente una formación sobre la arquitectura y componentes de los sistemas de información de empresa (ERP, CRM, SCM, etc.)

E2. Análisis y minería de datos (12 créditos)

Esta especialidad está dirigida a proporcionar al profesional de perfil empresarial y tecnológico capacidades prácticas de análisis

de datos y de manejo de herramientas, dentro del marco científico de data science aplicado a los negocios y las organizaciones.

Esta especialidad es obligatoria para todos los estudiantes del máster.


A5. Minería de datos (4 créditos)

En esta asignatura el estudiante trabaja con modelos teóricos, casos prácticos y herramientas estadísticas los procesos

de definición de problemas, preparación de datos y exploración, así como los principales conceptos de la estadística

clásica: correlaciones, regresiones lineales, reducción de la dimensionalidad, etc.

El estudiante recibe una formación y práctica sólidas en la utilización de la herramienta R, un estándar de facto del

mercado.

A6. Business analytics: modelos y algoritmos (4 créditos)

La asignatura presenta los conceptos y tipología de análisis de diferentes tipos de datos, los modelos y algoritmos de uso

más frecuente de clasificación y agrupación y las metodologías y estándares profesionales y científicos que se usan en

analítica de negocio.

En esta asignatura el estudiante trabaja principalmente con R, aunque pueden realizarse ejercicios con otras herramientas

(Excel, QlikView)

A7. Fundamentos de data science: nuevas tendencias en minería de datos (4 créditos)

En esta asignatura, el estudiante se introduce en las nuevas tendencias de analítica de negocio con diferentes fuentes de

información: minería web, minería de texto, exploración de opiniones y sentimientos, análisis de redes sociales. Asimismo,

se presentan principios, casos y herramientas de visualización gráfica.

El estudiante trabaja sobre casos prácticos de uso con diferentes herramientas, tales como Google Analytics, XLS, R,

QlikView, Tableau y D3.js.

11


E5. Usos de la inteligencia de negocio en la empresa (12 créditos)

Esta especialidad está dirigida a proporcionar al profesional de perfil más empresarial casos prácticos de uso de la inteligencia de

negocio tanto en la estrategia de empresa como en la gestión operativa de los procesos de negocio más importantes: gestión económico-financiera, marketing y ventas, operaciones y logística, etc.

Esta especialidad forma parte del itinerario de análisis de datos del máster. Se compone de las siguientes asignaturas:

A8. Sistemas de soporte a la decisión (3 créditos)

En esta asignatura, el estudiante se familiariza con la construcción y el uso de sistemas de reporting y cuadros de mando,

tanto desde el punto de vista estratégico como operativo, así como de los marcos conceptuales en que se basan. Se

estudian el modelo de "cuadro de mando integral" (balanced scorecard) y otros sistemas de inteligencia competitiva.

La asignatura incluye un caso extenso de construcción de un cuadro de mando a partir de un almacén de datos (data warehouse) desarrollado.

El estudiante trabaja con herramientas ofimáticas (XLS, PPT) y con una herramienta dedicada, en este caso QlikView.

A9. Gestión económico-financiera: casos de negocio (3 créditos)

En esta asignatura, a través de casos prácticos, se analiza el uso de sistemas de inteligencia analítica en los procesos de

gestión y seguimiento presupuestario, gestión de tesorería y finanzas estratégicas y operativas, en diferentes sectores económicos.

El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R) y de análisis y reporting, como QlikView y

Tableau.

A10. Marketing y ventas: casos de negocio (3 créditos)

En esta asignatura, el estudiante estudia el empleo de herramientas de business intelligence en una de las áreas en las que

el uso de la inteligencia de negocio está más desarrollado y es más prometedor. Se analizan los conceptos y buenas

prácticas de investigación de mercado, gestión de las ventas y las relaciones con los clientes y análisis y predicción del comportamiento de los clientes (customer analytics).

El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), y de análisis y reporting (QlikView y

Tableau).

A11. Operaciones y logística: casos de negocio (3 créditos)

Se trabajan los usos del BI en la cadena de suministro (aprovisionamiento, producción, gestión de almacenes, transporte y

distribución al punto de venta) y las nuevas aplicaciones vinculadas a la internet de las cosas (IoT) y los sistemas de información geográfica.

El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), de reporting y análisis (QlikView o

Tableau), así como ejercicios que integran sistemas de información geográfica de código abierto.

12


E6. Ciencia de los datos (data science) (12 créditos)

El objetivo de esta especialidad es formar expertos en modelos, métodos y herramientas avanzadas de análisis de datos.


A12. Recogida y preparación de datos (4 créditos)

En esta asignatura se trabajan en profundidad los métodos y técnicas de diseño experimental, recogida y preparación de

datos, tanto en métodos cuantitativos (encuestas, etc.) como cualitativos (delphi, focus groups, entrevistas y

cuestionarios).

Se trabaja con herramientas de programación (Python), estadística avanzada (R) e investigación científica (Atlas.ti, N-

Vivo).

A13. Modelos avanzados de clasificación, relación y predicción (4 créditos)

El estudiante profundiza en modelos y técnicas más avanzados de relación de variables y agrupación de observación,

cadenas de Markov y relación de observaciones y técnicas avanzadas de simulación y predicción.

Se adquieren estas capacidades a través de casos prácticos de aplicación en la empresa (investigación en la web, redes

sociales, grafos, tablas, textos) y con el empleo de herramientas de programación (Python) y estadística (R).

A14. Visualización de datos (4 créditos)

Esta asignatura cierra el ciclo de profundización en métodos y técnicas de analítica de negocio y data science, con la

presentación de las tendencias más actuales en visualización de información: gestión de hojas y tablas de datos, composición de informes e identificación de relaciones mediante gráficos, periodismo de datos (storytelling).

Se trabaja con herramientas de programación (Python), estadística avanzada (R) y herramientas de visualización (Gephi,

D3.js, Tableau).

13


E3. Sistemas de información de inteligencia de negocio (data warehouse) (12 créditos)

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de

inteligencia de negocios más habituales, es decir, los que se basan en el uso de bases de datos relacionales para la construcción de

un almacén de datos o data warehouse. Esta especialidad forma parte del itinerario de sistemas de información del máster.

A15. Bases de datos para data warehouse (4 créditos)

Esta asignatura tiene por objeto adquirir conceptos, procedimientos y buenas prácticas para la creación y manipulación

de las bases de datos relacionales que dan soporte a la construcción del almacén de datos. Se profundiza en el aprendizaje

del lenguaje SQL, y en el diseño físico de bases de datos, así como en bases de datos orientadas a columnas. Estas bases de datos se caracterizan por el almacenamiento de los datos en forma de columnas, a diferencia de las bases de datos

relacionales tradicionales que realizan un almacenamiento de los datos por filas.

Se trabaja con una base de datos relacional tipo PostgreSQL.

A16. Diseño y construcción del almacén de datos (4 créditos)

En esta asignatura se aprende a crear un almacén de datos adecuado como soporte en la toma de decisiones de la

organización. Se presentan distintas arquitecturas de almacenamiento y estrategias de construcción para sistemas de BI. Se dan pautas para la construcción de este tipo de sistemas. La puesta en práctica se lleva a cabo mediante la resolución

de un caso práctico extenso para el cual se utilizan diferentes herramientas de Microsoft o Pentaho, sobre bases de datos

Oracle o PostgreSQL.

A17. Explotación y administración de sistemas de data warehouse (4 créditos)

En esta asignatura se aprende a evaluar la viabilidad de la construcción de un almacén de datos y a explotar sus datos y a administrar sistemas de Data Warehouse. Con este fin se presentan las distintas formas de presentar los datos y qué tipos

de herramientas pueden ofrecer el tipo de visualización que interesa. Asimismo se enseña a administrar el sistema

durante su desarrollo, implantación y/o posterior explotación de los datos.

Se trabaja con la misma familia de herramientas: Microsoft o Pentaho para el almacén de datos y Oracle o PostgreSQL como bases de datos.

14


E4. Big data y sistemas NoSQL (12 créditos)

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de

información de inteligencia de negocios basados en datos masivos. Durante esta especialidad se verá el detalle los procesos de captura, procesamiento y gestión de datos masivos, de diferentes procedencias y tipología. (Forma parte del

itinerario de sistemas de información del máster). Asignaturas:

A18. Gestión de big data: datos y usos (4 créditos)

En esta asignatura se presentan distintos escenarios de negocio que combinan tanto la analítica de negocio como el big data, y cómo pueden ser utilizados para la creación de nuevos productos y servicios basados en los datos. Entre estos escenarios destacan la inteligencia geográfica, la analítica social o el paradigma de datos abiertos.

Asimismo se pueden tratar otras tecnologías no cubiertas en otras asignaturas como serían el análisis de datos en streaming o los sistemas de indexación y búsqueda distribuida.

Por las características de la asignatura se trabaja con diferentes herramientas que se actualizan continuamente y pueden

cambiar en cada edición y que incluyen R y GeoBI entre otras.

A19. Gestión de big data: tecnologías (4 créditos)

En esta asignatura se presentan las bases para el almacenamiento y procesamiento de datos masivos o big data. Veremos

los principales modelos de procesamiento (batch y stream), así como los frameworks más utilizados en la actualidad

(Hadoop y Spark). De cada uno, presentaremos sus ecosistemas e introduciremos los módulos más relevantes para el

acceso, proceso y visualización de datos, incluyendo análisis de datos, machine learning y manipulación de datos en

formato de grafos.

Se trabaja principalmente con el entorno de almacenamiento distribuido HDFS y con los frameworks de procesamiento

Hadoop y/o Spark sobre máquinas virtuales accesibles desde el aula. La universidad cuenta con un universo de datos

propio para realizar las actividades prácticas.

A20. Bases de datos NoSQL (4 créditos)

Las bases de datos NoSQL constituyen una alternativa a las bases de datos relacionales y son especialmente idóneas para

ciertos dominios de aplicación: dominios que trabajan con grandes volúmenes de datos, dominios donde se requiera una

alta distribución y/o disponibilidad, dominios que trabajan con datos poco estructurados y dominios en los que se establecen múltiples y complejas interrelaciones entre los datos.

En esta asignatura se presentan los principios y conceptos de este tipo de bases de datos, los modelos de datos que

subyacen y los problemas que presenta la distribución en el almacenaje y gestión de los datos.

Se trabajan diferentes tipos de bases de datos NoSQL (clave-valor, documentos, orientadas a columnas y grafos) con

herramientas como Riak, MongoDB o Neo4j.

15


Trabajo final: de máster (TFM) (9 créditos) y de posgrado (6 créditos)

El máster/posgrado se completa con un trabajo final, y tiene un valor de 9 y 6 créditos respectivamente. El trabajo final se puede

realizar en dos modalidades:

Elegir entre una serie de temas propuestos por el equipo docente, que cubren los componentes o bloques temáticos principales del ámbito de inteligencia de negocio y análisis de datos.

Proponer un proyecto propio de interés del estudiante que puede realizar en su empresa.

(Los contenidos detallados de cada asignatura se encuentran especificados en el plan docente)

Laboratorio

Durante el desarrollo del programa, el estudiante tendrá acceso a un aula de laboratorio de tecnologías y herramientas de inteligencia de negocio y análisis de datos, donde se le dará soporte en los temas de infraestructura técnica: instalación,

configuración y acceso a los programas, problemas de rendimiento, etc.

El laboratorio cuenta con una wiki, una colección de tutoriales y varios profesores de apoyo.

Las consultas e incidencias relacionadas con la funcionalidad del software se resuelven normalmente en las propias aulas propias

de las asignaturas donde se proporcionan máquinas virtuales preparadas y configuradas para realizar y aplicar los conocimientos

teóricos a la práctica

Asignatura transversal optativa: Aprovechar las TIC en posgrado

De manera paralela al inicio del programa formativo y para los estudiantes de nuevo acceso a la UOC, se da la opción de cursar la

asignatura Aprovechar las TIC en posgrado, que tiene por objetivo desarrollar las competencias en tecnologías de la información y

comunicación que son convenientes para realizar la formación en la UOC.

Dedicación

Cada crédito ETCS, calculado con los criterios del espacio europeo, equivale a unas 25 horas de dedicación, entre la preparación de

los entornos, la familiarización con las herramientas, el estudio del material y la realización de actividades.

El máster consta de un total de 60 créditos, equivalentes a 1.500 horas de trabajo del estudiante, y tiene una duración de 2 años (4 semestres).

Los posgrados constan de 33 y 30 créditos, equivalentes a 825 y 750 horas de trabajo del estudiante y tiene una duración de 1 año

(2 semestres).

Las especializaciones constan de 15 y 12 créditos, equivalentes a 375 y 300 horas de trabajo del estudiante y tiene una duración de 1 semestre. El periodo lectivo se desarrolla entre los semestres Octubre – Marzo y Marzo – Julio.

16


8. Metodología

El modelo de estudio y aprendizaje se basa en una metodología constructiva y aplicada de aprendizaje en línea, desarrollada por la

UOC a lo largo de sus 20 años de existencia. El estudio se basa en la adquisición de competencias a través de la realización de

actividades, con el apoyo por recursos (materiales didácticos y herramientas), la interacción con otros compañeros en el foro y el apoyo de un equipo docente en la propia aula.

El entorno virtual de aprendizaje está dotado de la información, los recursos y las herramientas que tanto los estudiantes como los profesores necesitarán a lo largo del proceso formativo. Éste no pretende ser simplemente una plataforma tecnológica dónde

comunicarse y albergar los contenidos, sino que los recursos y las dinámicas que puedan ofrecerse desde el mismo signifiquen para los estudiantes y el profesorado una comunidad educativa real con todos los componentes e interacciones necesarias.

El modelo de evaluación es el de evaluación continuada, basada en las actividades realizadas a lo largo del curso y en la

participación y actitud en el aula. No se realizan exámenes ni pruebas presenciales.

Estos espacios se distribuyen básicamente en cuatro grandes bloques:

Planificación: Espacio de acceso al plan docente específico de la asignatura. También en la agenda se encuentra la

organización/calendario previsto de las actividades.

Comunicación (docencia): Comunicación con el profesor y trabajo cooperativo con los compañeros.

Recursos: Desde este espacio se facilita el acceso a los materiales didácticos del curso en formato digital y también a la

Biblioteca de la UOC y a otras bibliotecas del mundo, bases de datos, revistas, etc., para complementar el aprendizaje.

Evaluación: Espacio de entrega de las actividades, así como de consulta de la evaluación continuada de las actividades de

aprendizaje.

Es importante tener en cuenta la dedicación requerida y que el estudiante se organice un ritmo de trabajo lo más regular posible semana a semana. La información necesaria para la planificación del aprendizaje (guía de aprendizaje/ plan docente) está disponible

al principio de cada curso. Esta información incluye el calendario de distribución de los enunciados de las actividades, de entrega de las actividades resueltas y de participación en los debates por parte de los estudiantes, así como la publicación por parte del

profesor consultor de las calificaciones y feedback (comentarios o soluciones de las actividades, resumen de debates, etc.).

17


9. Equipo académico

Uno de los elementos clave de la metodología de aprendizaje en la UOC es la tarea del equipo docente. Las personas que integran el equipo docente de los programas de Posgrado de la UOC son profesionales cualificados en su ámbito.

Su papel no se limita a tener una posición pasiva, esperando posibles consultas sobre el programa, sino que adoptan una actitud

proactiva y toman la iniciativa motivando a los estudiantes y orientando su proceso de aprendizaje. En el equipo docente las siguientes

figuras básicas, que pueden ser ejercidas por una o más personas:

Dirección académica: planifica, coordina, integra y evalúa los contenidos del programa así como el proceso de aprendizaje del

estudiante; aporta su dominio de la materia y los conocimientos complementarios al profesorado y colaboradores docentes

(consultores y tutor).

Jordi Casas Roma

Doctor en Informática por la UAB. Profesor del área de Big data de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación: K-riptography and Information Security for Open Networks (KISON)

Profesor responsable: programa los contenidos de las asignaturas y las actividades de aprendizaje y coordina a los diferentes

colaboradores del equipo docente; aporta su dominio de la materia y los conocimientos complementarios a los colaboradores

docentes (consultores). Es el responsable legal de la evaluación.

Jordi Conesa Caralt

Doctor en Informática por la UPC. Profesor del área de bases de datos e ingeniería del software de los Estudios de Informática,

Multimedia y Telecomunicación de la UOC. Grupo de investigación Ingeniería del Software (GRES-UOC).

Isabel Guitart Hormigo

Licenciada en Informática por la UPC. Profesora del área de sistemas de información de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación Ingeniería del Software (GRES-UOC).

Daniel Liviano

Doctor en Informática por la UPC. Profesor del área de bases de datos e ingeniería del software de los Estudios de Informática,

Multimedia y Telecomunicación de la UOC. Grupo de investigación Ingeniería del Software (GRES-UOC).

Josep Maria Marco

Licenciado en Informática por la UPC y doctor en Sociedad de la Información y el Conocimiento por la UOC. Profesor del área

de sistemas de información de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación

ICSS (Information and Communication Systems and Services). Julià Minguillón Alonso

Doctor Ingeniero en Informática por la UAB. Es profesor de Diseño de Estructuras de Datos y de Minería de Datos en los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación LAIKA (Learning Analytics for Innovation and Knowledge Application in Higher Education)

http://www.uoc.edu/webs/jcasasr/CA/curriculum/index.html

http://in3.uoc.edu/opencms_portalin3/opencms/ca/recerca/list/kison_k-ryptography_and_information_security_for_open_networks

http://www.uoc.edu/webs/jconesac/CA/curriculum/index.html

http://gres.uoc.edu/

http://www.uoc.edu/webs/iguitarth/CA/curriculum/index.html


http://www.uoc.edu/webs/jconesac/CA/curriculum/index.html


http://www.uoc.edu/webs/jmarco/CA/curriculum/index.html

http://en.wikipedia.org/wiki/User:Juli%C3%A0_Minguill%C3%B3n

18


Maria Pujol Jover

Doctora en Estudios Empresariales por la UB. Profesora del área cuantitativa de los Estudios de Economía y Empresa de la

UOC. Grupo de investigación Go2Sim (Innnovative tools for elearning).

Àngels Rius Gavidia

Doctora en Sociedad de la Información y el Conocimiento por la UOC y Licenciada en Informática por la UPC. Profesora de

Bases de datos en los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación Ingeniería del Software (GRES-UOC) M. Elena Rodríguez González

Doctora en Informática por la U. de Alcalá y Licenciada en Informática por la UPC. Es profesora de Base de datos los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación TEKING (Technology Enhanced Knowledge and Interaction)

Colaboradores docentes: son los miembros del equipo docente que mantienen la relación continuada con los estudiantes, atienden

las consultas, publican y evalúan las actividades y proponen la calificación final. Normalmente son profesionales en ejercicio en el ámbito de la inteligencia de negocio.

Alex Caminals Sánchez de la Campa

Ingeniero en Informática por la UPC. Licenciado en Matemáticas por la UAB. Consultor independiente en BI.

Josep Curto Díaz

Licenciado en Matemáticas por la UAB, máster en Business Intelligence y Dirección en Tecnologías y Sistemas de Información

por la UOC, MBA por IE Business School. Actualmente es CEO de Delfos Research, empresa especializada en investigación de

los mercados de Business Intelligence, Business Analytics y Big Data

Eduard Gil Blasco

Ingeniero Informático por la Universidad Politécnica de Cataluña. Consultor experto en Business Intelligence y Big Data. Jordi Gironès Roig

Licenciado en Matemáticas por la UAB, y diplomado en Ciencias Empresariales por la UOC. Experto en SAP R3 y Business Intelligence. Está certificado en Gestión y Mejora de procesos ITSM según normativa ISO / IEC 20000. Actualmente trabaja

para los Laboratorios Doctor Esteve como consultor de SAP.

Xavier González Farran Ingeniero técnico en Informática por la UPC, diplomado en Ciencias Empresariales por la UOC y Asesor Financiero Europeo

(EFPA). Experto en Business Intelligence y en GRC (Governance, Risk & Compliance). Es director dentro del área de Servicios Informáticos de CaixaBank

http://www.uoc.edu/webs/mrodriguezgo/ES/curriculum/index.html

http://www.uoc.edu/webs/mrodriguezgo/ES/curriculum/index.html

http://teking.uoc.edu/

http://teking.uoc.edu/

19


Emma Gorgori Bonet

Diplomada en Ciencias Empresariales y licenciada en Administración y Dirección de Empresas por la URV. Certificada en el

desarrollo y arquitectura de soluciones con las plataformas de Business Objects y Oracle BI (anteriormente Siebel BI).

Experta en análisis de requerimientos y desarrollo de soluciones de Business Intelligence. Actualmente trabaja como

responsable del desarrollo del BI en el organismo autónomo de recaudación de ingresos, BASE, de la Diputación de Tarragona

y como profesora asociada del departamento de gestión de empresas de la URV.

Carles Llorach Rius Ingeniero en Informática por la UPC. Máster en Gestión de empresas MBA por la URV. Técnico en Business intelligence.

Josep Joaquim Navarro Juani

Licenciado en Informática por la UPC, diplomado en Ciencias Empresariales por la UOC y MBA por ESADE Business School. Director de Business intelligence & big data de una empresa de servicios.

Alexandre Pereiras Magariños Ingeniero en Informática por la UOC. Experto en Business Intelligence y Data Warehousing con las tecnologías Oracle e IBM

Cognos. Actualmente trabaja como Data Warehouse Architect para la entidad financiera Brown Brothers Harriman & Co.,

Cracovia (Polonia).

Enrique Rodríguez García

Diplomado en Estadística y Licenciado en Investigación y Técnicas de Mercado por la UB. Consultor de Inteligencia de Cliente

/Negocio y, es profesor de Análisis de Datos e Inteligencia de Cliente /Negocio en diversas organizaciones

José Luis Roldán Salgueiro.

Licenciado en Ciencias Económicas y Empresariales por la U. Sevilla (US). Doctor en Administración y Dirección de Empresas (US). Experto en Administración de Empresas, Sistemas de Información y Partial Least Squares (PLS). Investigador principal

del Grupo de Investigación "Cultura Organizativa, Gestión del Conocimiento e Implantación de TICs en Empresas Andaluzas"

(P10-SEJ-6081). Profesor Titular de Universidad en la US.

Víctor Ruiz Marqués Ingeniero técnico en electrónica industrial (especialidad en automática) por la Universidad Politécnica de Cataluña. Ingeniero

técnico en informática de gestión por la UOC. Ingeniero en informática por la UOC. Consultor de ERP y de Business

Intelligence.

José Julio Santos Licenciado en matemáticas por la U. Complutense de Madrid. Máster en Gestión TIC por UOC, y Executive MBA por EOI.

Certificado PMP, Scrum Master, ITIL Foundations. Especializado en dirección de proyectos y consultoría de soluciones tecnológicas para Business Intelligence y Big Data. Principalmente tecnologías SAP Business Objects, Microsoft, y de carácter

estadístico como R.

Juan Vidal Gil

Licenciado en Ciencias Físicas por la U. Complutense de Madrid. Responsable de proyectos IT Business Intelligence

20


Tutor: Es el referente de orientación académica para los estudiantes. En un primer momento, acoge a los estudiantes, los integra en

la comunidad universitaria iniciándolos en el campus virtual y en los elementos del modelo pedagógico de la UOC; y en un segundo momento y hasta la finalización del programa, realiza el seguimiento académico de los estudiantes y les da soporte y asesoramiento.

Gemma Gironés Roig

Licenciada en Pedagogía per la U. Barcelona y estudiante del Grado en Ingeniería Informática de la UOC.

José Luis Gómez García

Ingeniero informático por la UPSAM, máster en Business Intelligence por la UOC. Director Business Intelligence en Altadis

Manel Montero Jiménez Licenciado en Informática por la UPC en Lenguajes y sistemas informáticos y organización de empresas. Master Business

Administration MBA por FESNA. Escuela de Negocios de Andalucía. Formador Certificados de profesionalidad rama

informática.

10. Recursos para el aprendizaje

Existen diferentes tipos principales de recursos: las guías de aprendizaje o plan docente, los materiales didácticos de contenido, las

herramientas informáticas, los recursos de la biblioteca, el laboratorio de soporte y los repositorios de creación y difusión de

conocimiento (blogs, wikis, canal de video…)

En cada una de las asignaturas, y para poder integrar y organizar todos los contenidos y orientaciones para el aprendizaje dispondréis

de un plan docente, cuyo contenido alberga la presentación del curso las competencias y objetivos que los participantes deberán

alcanzar, la propuesta de actividades, los indicadores de valoración de evaluación continua a realizar, la bibliografía básica y

complementaria a consultar, y finalmente las orientaciones metodológicas implícitas en todo el proceso formativo.

En el espacio de Recursos del aula virtual también podréis acceder a la Biblioteca Virtual de la UOC, que incluye una sección de

Tecnologías. Este espacio exclusivo de los participantes del programa os permitirá acceder a una gran variedad de recursos (bases de datos, revistas, webs, catálogos universitarios, informes y estadísticas, etc.) relacionados. El estudiante dispone también de acceso a la base de datos de informes y estudios de la empresa de prospectiva Gartner Group.

Cada asignatura dispone de unos módulos didácticos de tipo teórico, en diferentes formatos: textos en pdf o e-pub, videos, libros,

revistas, wikis…

Las herramientas pueden estar disponibles en el aula, en el caso de herramientas muy específicas de una temática y/o en el

laboratorio, sobre todo si son de tipo general y se utilizan en más de una asignatura. Algunas están disponibles para su descarga y

configuración local en el PC del estudiante y otras son de acceso autenticado a través de una máquina virtual. El laboratorio cuenta

con profesores dedicados, una wiki y una colección de tutoriales.

El programa cuenta con un conjunto de recursos para el aprendizaje no guiado: un blog sobre temas de actualidad, un canal de

vídeo, varias webs propias, una wiki sobre el uso de las herramientas de laboratorio, un repositorio de casos y proyectos de fin de carrera y acceso a las bases de datos de la empresa de prospectiva Gartner, a la biblioteca virtual de la Universidad y a la red de

recursos de las bibliotecas públicas.

21


Se dispone de recursos de nivelación, tales como tutoriales, vídeos y materiales docentes de otros programas de la UOC, para

aquellos estudiantes que puedan presentar limitaciones deformación en ámbitos de empresa, sistemas de información, estadística o tecnologías.

Existe una bolsa de trabajo, tanto para ofertas de ocupación estable como para la realización de prácticas voluntarias en empresas.

a. Herramientas de software

El programa aspira a que los profesionales de vocación y perfil más empresarial y funcional puedan adquirir competencias de usuario

avanzado para el análisis de negocio. Los estudiantes de este tipo de perfil siguen el recorrido no tecnológico (mención en análisis

de datos) y reciben formación de nivelación y soporte, si lo requieren, en el uso de herramientas.

De igual manera, aquellos profesionales de perfil y vocación más tecnológica adquirirán competencias avanzadas de diseño, construcción y explotación de sistemas de BI, basadas en estas herramientas y disponen de un laboratorio a cargo de personal

especializado. Los estudiantes de este perfil siguen el recorrido de sistemas de información y reciben formación de nivel y soporte,

si lo requieren, en las materias de estadística o formación empresarial.

La UOC tiene acuerdos de colaboración estable con los programas académicos de IBM, Microsoft, Oracle, Pentaho y QlikView.

Asimismo continuamente estamos evaluando otras herramientas y acuerdos con otros fabricantes.

La UOC ha tenido tradicionalmente un compromiso con el software de código abierto, en especial en el ámbito de la inteligencia de

negocio. Nuestra herramienta de referencia en análisis estadístico y minería de datos es R, para cuyo uso disponemos de manuales,

tutoriales y una web de contenidos. Nuestra herramienta de referencia en la explotación y análisis de datos masivos es Hadoop. Para

el aprendizaje de bases de datos NoSQL utilizamos herramientas como MongoDB, Riak, Neo4j o GeoBI.

Dependiendo de las exigencias de rendimiento del software, algunas aplicaciones se pueden descargar en el ordenador del estudiante

o bien acceder a máquinas virtuales de Amazon y Azure desde la propia aula. Alternativamente algunas aplicaciones están cargadas

en una máquina virtual (virtual box) con exigencias de memoria no muy grandes que se puede descargar en local en el PC del estudiante.

Para algunas aplicaciones de tipo estadístico, como R o Python, recomendamos el uso de un escritorio virtual de Xubuntu cargado

con estas aplicaciones .En la descripción de cada especialidad y asignatura, se incluyen las herramientas que se utilizan para el

aprendizaje. Esta elección puede cambiar en cada convocatoria en función de las necesidades docentes, la actualización del programa

y la relación con fabricantes actuales o nuevos.

22


11. Calendario curso 2016/2018 (Octubre 16- Julio 18)

El programa se desarrollará por semestres:

Máster en Inteligencia de Negocio y Big data. (60 créditos) INICIO

19/10/16

FINAL

30/07/18

Tutoría 29/09/16 Julio 2018

Aprovechar las TIC en posgrado (optativa) 19/10/16 19/11/16

Semestre 1. Especialidad 1_Fundamentos de Inteligencia de negocio

1. Fundamentos de Inteligencia de Negocio 19/10/16 13/02/17

2. Gestión de Proyectos de BI 19/10/16 13/02/17

3. Fundamentos y Usos del Big Data 19/10/16 13/02/17

4. Pensamiento Analítico en la Empresa 19/10/16 13/02/17

Laboratorio: tecnología y herramientas BI 19/10/16 13/02/17

Semestre 2. Especialidad 2._Análisis y Minería de datos

5. Minería de Datos: Conceptos y Técnicas 15/03/17 30/07/17

6. Business Analytics: Modelos y Algoritmos 15/03/17 30/07/17

7. Fundamentos de Data Science: Nuevas Tendencias en Minería de Datos 15/03/17 30/07/17

Laboratorio: tecnología y herramientas BI /Lenguajes de programación 15/03/17 30/07/17

Opción Análisis de datos

Opción Sistemas de información

Semestre 3. Especialidad 5. Usos de la inteligencia de negocio en la empresa

Semestre 3. Especialidad 3. Sistemas de Inteligencia de Negocio (Data Warehouse)

8. Sistemas de Soporte a la Decisión 15. Diseño y Construcción del Almacén de Datos Octubre 17* Marzo 18*

9. Gestión Económico-Financiera: Casos de Negocio 16. Bases de Datos para Data Warehouse Octubre 17* Marzo 18*

10. Marketing y Ventas: Casos de Negocio 17. Explotación y Administración de Sistemas de Data Warehouse

Octubre 17* Marzo 18*

11. Operaciones y Logística: Casos de Negocio Laboratorio: tecnología y herramientas BI Octubre 17* Marzo 18*

Laboratorio: tecnología y herramientas BI /Lenguajes de programación

Octubre 17* Marzo 18*

Semestre 4. Especialidad 6. Ciencia de Datos (Data Science)

Semestre 4. Especialidad 4. Big Data y Sistemas NoSQL

12. Recogida y Preparación de Datos 18. Gestión de Big Data: Datos y Usos Marzo 18* Julio 18*

13.Modelos Avanzados de Clasificación, Relación y Predicción

19. Gestión de Big Data: Tecnologías Marzo 18* Julio 18*

14. Visualización de Datos: Técnicas Avanzadas 20. Bases de Datos NoSQL Marzo 18* Julio 18*

Laboratorio: tecnología y herramientas BI /Lenguajes de programación

Laboratorio: tecnología y herramientas BI Marzo 18* Julio 18*

Trabajo final de máster MIB_AD Trabajo final de máster MID_SI Marzo 18* Julio 18*

23


Posgrado en Inteligencia de negocio y Análisis de datos (33 créditos) INICIO

19/10/16

FINAL

30/07/18



Semestre 1. Especialidad 1.Fundamentos de Inteligencia de negocio






Semestre 2. (Escoger entre las especialidades 2 ,5 y 6)

Especialidad 2. Análisis y Minería de datos 15/03/17 30/07/17





Especialidad 5. Usos de la inteligencia de negocio en la empresa

8. Sistemas de Soporte a la Decisión 15/03/17 30/07/17

9. Gestión Económico-Financiera: Casos de Negocio 15/03/17 30/07/17

10. Marketing y Ventas: Casos de Negocio 15/03/17 30/07/17

11. Operaciones y Logística: Casos de Negocio 15/03/17 30/07/17


Especialidad 6. Ciencia de Datos (Data Science)

12. Recogida y Preparación de Datos 15/03/17 30/07/17

13.Modelos Avanzados de Clasificación, Relación y Predicción 15/03/17 30/07/17

14. Visualización de Datos: Técnicas Avanzadas 15/03/17 30/07/17


Trabajo final de posgrado 15/03/17 30/07/17

24


Posgrado Sistemas de Información de Inteligencia de Negocio y Big data

(30 créditos)

INICIO

19/10/16

FINAL

30/07/17



Semestre 1. Especialidad 3. Sistemas de Inteligencia de Negocio (Data Warehouse)

15. Diseño y Construcción del Almacén de Datos 19/10/16 13/02/17

16. Bases de Datos para Data Warehouse 19/10/16 13/02/17

17. Explotación y Administración de Sistemas de Data Warehouse 19/10/16 13/02/17


Semestre 2. Especialidad 4. Big Data y Sistemas NoSQL

18. Gestión de Big Data: Datos y Usos 15/03/17 30/07/17

19. Gestión de Big Data: Tecnologías 15/03/17 30/07/17

20. Bases de Datos NoSQL 15/03/17 30/07/17



Posgrado Arquitectura de Business intelligence (30 créditos) INICIO

19/10/16

FINAL

30/07/17



Semestre 1. Especialidad 1. Fundamentos de Inteligencia de negocio






Semestre 3. Especialidad 3. Sistemas de Inteligencia de Negocio (Data Warehouse) 15/03/17 30/07/17

15 Diseño y Construcción del Almacén de Datos 15/03/17 30/07/17

16.Bases de Datos para Data Warehouse 15/03/17 30/07/17

17 Explotación y Administración de Sistemas de Data Warehouse 15/03/17 30/07/17

Laboratorio: tecnología y herramientas BI


25


Especializaciones

E1. Especialista en Fundamentos de Inteligencia de negocio y Big data (15 créditos) INICIO

19/10/16

FINAL

30/07/17








E2. Especialista en Análisis y Minería de Datos (12 créditos)

INICIO

19/10/16

FINAL

30/07/17







E3. Sistemas de Inteligencia de Negocio (Data Warehouse) (12 créditos)

INICIO

19/10/16

FINAL

30/07/17



15. Diseño y Construcción del Almacén de Datos 19/10/16 13/02/17

16. Bases de Datos para Data Warehouse 19/10/16 13/02/17

17. Explotación y Administración de Sistemas de Data Warehouse 19/10/16 13/02/17


26


E4 Especialidad Big data y Sistemas NoSQL INICIO

19/10/16

FINAL

30/07/17



19/10/16 13/02/17

18. Gestión de Big Data: Datos y Usos 19/10/16 13/02/17

19. Gestión de Big Data: Tecnologías 19/10/16 13/02/17

20. Bases de Datos NoSQL 19/10/16 13/02/17


E5. Usos de la inteligencia de negocio en la empresa (12 créditos)

INICIO

19/10/16

FINAL

30/07/17



8. Sistemas de Soporte a la Decisión 19/10/16 13/02/17

9. Gestión Económico-Financiera: Casos de Negocio 19/10/16 13/02/17

10. Marketing y Ventas: Casos de Negocio 19/10/16 13/02/17

11. Operaciones y Logística: Casos de Negocio 19/10/16 13/02/17


Especialidad 6. Ciencia de Datos (Data Science) (12 créditos)

INICIO

19/10/16

FINAL

30/07/17



12. Recogida y Preparación de Datos 19/10/16 13/02/17

13.Modelos Avanzados de Clasificación, Relación y Predicción 19/10/16 13/02/17

14. Visualización de Datos: Técnicas Avanzadas 19/10/16 13/02/17


* Las fechas exactas inicio y desarrollo del semestre se publicarán en el campus y/o también en el aula de tutoría.

27


12. Evaluación

La evaluación del aprendizaje de los participantes dentro de los programas de Posgrado en la UOC se realiza teniendo en cuenta las

características de la formación no presencial.

La evaluación en la UOC se estructura en torno a la evaluación continua y la evaluación final. La evaluación continua se lleva a cabo por medio de las pruebas de evaluación continua (PEC). Todas las formas de evaluación del Posgrado se realizan de forma no

presencial.

El modelo concreto de evaluación de cada asignatura se establece semestralmente en el plan docente de cada asignatura.

El plan docente/de aprendizaje establece los criterios mínimos y el calendario de entrega para seguir y superar la EC. En todo caso, para considerar que se ha seguido la EC tiene que haberse realizado y entregado como mínimo el 50 % de las PEC. El no seguimiento

de la EC se califica con una N (equivalente al no presentado). La EC se califica con las siguientes notas:

Estas notas son aplicables a las PEC y a la nota final de EC.

La nota final de EC se completará con una nota equivalente numérica (sin decimal) de acuerdo con las siguientes correspondencias:

La evaluación global del programa:

http://cv.uoc.edu/app/blogout/suport_es/files/2010/05/Normativa_EC_cast

http://cv.uoc.edu/app/blogout/suport_es/files/2010/05/Normativa_EC_cast

28


Es imprescindible haber superado todas las asignaturas que conforman el programa para superarlo globalmente y obtener una nota

final positiva. La nota final del programa se obtendrá a partir de la nota final de cada asignatura, de forma proporcional al peso en

créditos de cada curso.

La matrícula se realiza por especialidades y cursos completos. Pero, en el caso de suspender alguna asignatura puede ser objeto de

re-matrícula individual y cursarse en el siguiente semestre. La valoración de evaluación es cuantitativa y se expone según las

calificaciones siguientes:

Para poder obtener la titulación del cada programa se debe haber superado con éxito la totalidad de las asignaturas que lo conforman

13. Titulación

Una vez se haya superado el proceso global de evaluación, la UOC entregará a los participantes que acrediten una titulación

universitaria legalizada en España:

Para los matriculados en Máster: Diploma de Máster en Inteligencia de negocio y Big data

Para los matriculados en Posgrado:

Diploma de Posgrado en Inteligencia de negocio y análisis de datos

Diploma de Posgrado en Sistemas de Información de Inteligencia de Negocio y Big data

Diploma de Posgrado en Arquitectura en Business Intelligence

Para los matriculados en las especializaciones e independientemente de la titulación, se expedirá un certificado de especialización en:

Fundamentos de Inteligencia de Negocio y Big Data

Análisis y Minería de Datos

Sistemas de Inteligencia de Negocio (Data Warehouse)

Big Data y Sistemas NoSQL

Usos de la inteligencia de negocio en la empresa

Ciencia de Datos (Data Science)

En caso de no haber superado el proceso de evaluación, se expedirá, en función del programa matriculado un certificado de

extensión universitaria

A: 9,10:Calificación muy buena: Sobresaliente Supera

B: 7, 8: Calificación buena: Notable Supera

C+: 6, 7: Calificación suficiente: Aprobado Supera

C-: 3, 4: Calificación baja: Suspenso No supera

D: 1,2: Calificación muy baja: Suspenso No supera

N: No se emite calificación: No presentado No supera

29


14. Servicio de atención al estudiante

Consultas, incidencias, sugerencias, reclamaciones y comentarios de tipo académico

El espacio natural de trabajo y relación del estudiante dentro del campus virtual es el aula. Si el estudiante tiene consultas,

incidencias, sugerencias y reclamaciones de tipo académico debe dirigirse al colaborador docente (consultor) asignado cuyo

nombre figura en el aula. Si desea ampliar la consulta, no está de acuerdo con la resolución o tiene alguna reclamación o

sugerencia, puede elevarla al profesor responsable de la asignatura, cuyo nombre figura también en el aula.

Si el estudiante tiene incidencias que afectan a más de una asignatura o al conjunto del programa y para consultas de orientación académica o profesional puede dirigirse al tutor y, si necesita ampliar la consulta, considera que no ha sido atendido adecuadamente

o no está de acuerdo con la atención, puede dirigirse al director del programa.

Consultas, incidencias, sugerencias, reclamaciones y comentarios de tipo administrativo

A través del Servicio de Atención (frame superior del campus) podéis acceder a todas las consultas de gestión relacionadas con la

Matriculación, Envío de materiales, Pagos posgrado, Facturas, Documentación académica, Expediente, Evaluación y Titulación.

También se pueden poner a través del Servicio de Atención quejas que se consideren que no han sido atendidas adecuadamente por

el personal del programa.

guia general - programas en inteligencia de negocio y big data

Data & Analytics