Maestría en Big Data & Business Analytics

Introducción al Big Data. Fuentes de datos en entornos Big data: Open Data, Internet of Things, Web semántica. Diferencias respecto a las tecnologías de datos tradicionales Definiciones relacionadas con Big Data: Data Science, Data Analytics, Data Mining, Data Science, Machine Learning, Business Intelligence. Perfiles profesionales relacionados con Big Data: Chief Data Officer, Data Manager, Data Scientist.

Organizaciones Data driven versus HIPPO Effect . Business Intelligence aplicada a las diferentes áreas de la empresa. Gestión de proyectos de inteligencia de negocio. Estrategia y arquitectura de proyectos. Oportunidades y resistencias internas a superar. Inteligencia de negocio aplicada al desarrollo de clientes.

La función empresarial y el valor de los datos. Sistema de información: Extracción, preparación almacenamiento y procesamiento de datos. Análisis y producción de información para la toma de decisiones. Tipos de datos y técnicas de análisis de datos. Aplicabilidad de big data en los negocios. Modelado y procesamiento de datos: Data warehouse y data marts. Nuevos perfiles profesionales para el manejo de datos. Cuadro de mando, panel de control y dashboard: diferencias y objetivos. Visualizaciones para la gestión del negocio. Introducción a herramientas, objetivos y metodología de desarrollo de soluciones de analítica de negocios.

Tipos de procesamiento de Big Data. Batch, Streaming, arquitectura Lambda. Map Reduce. Descripción del Ecosis- tema Hadoop: Sistemas de archivos HDFS, Apache Spark, Apache Hive, Apache Hue.

¿Qué es Transformación Digital? Diferencias con la digitalización. De la empresa analógica a la digital. Su impacto en los negocios. La importancia de la transformación digital en las compañías. Nuevos modelos de negocios basados en propuestas de valor diferenciales y la especialización de la oferta. Implementación de la revolución digital en las organizaciones: Alcances. Desafíos a afrontar por las compañías tradicionales. Transformando la experiencia del cliente, los procesos operacionales y los modelos de negocio. Principios para el diseño de una estrategia digital.

Introducción a la Estadística descriptiva. Modelos de Regresión: lineal, no lineal, logística. Aprendizaje Bayesiano: análisis bayesiano, inferencia bayesiana. Optimización para grandes volúmenes de datos: Programación lineal.

Introducción a R. Variables. Asignaciones. Paquetes. Operadores lógicos. Bucles. Vectores. Matrices. Listas. Data Frames. Funciones elementales para la estadística: Media, varianza, Desviación estándar. Gráficas en R. Gráficos estadísticos

Que es la Inteligencia Artificial. Historia de la IA. Conceptos. Aplicaciones de la IA en el mundo de los negocios. Machine Learning. Depp learning. Análisis Predictivo. Ética de la IA.

Aprendizaje automático e Inteligencia Artificial. Relación entre el modelo estadístico y el aprendizaje automático. Ejemplos de la vida real. Algoritmos de clasificación y regresión. Formas en las que el aprendizaje automático afecta a la sociedad.

Conceptos teóricos y fundamentos. Visualización Dinámica de datos. Herramientas para la visualización de datos: Tableau. Power BI. QLinkView.

Fundamentos de ciberseguridad. Sistema de gestión de la seguridad de la información. Políticas de seguridad. Análisis y gestión de los riesgos. Auditorías. Comunicaciones seguras. Sistemas de Detección y Prevención de Intrusiones.

Ejercicios prácticos de aplicación.

Gestión de la Innovación como estrategia de negocios. Desarrollo de la competencia creativa. El proceso de la innovación. Design thinking para trabajar en innovación. Investigación y desarrollo de proyectos de innovación. Cómo medir la innovación. Open Innovation y Open Business. Equipos de alto poder de innovación. Los pasos para la generación de soluciones innovadoras y su estudio de viabilidad. Mínimo Producto Viable.

El objetivo es profundizar la comprensión y el conocimiento de la complejidad de las operaciones de negocios globales en un entorno dinámico y competitivo. El juego pone a los equipos a competir y jugar gestionando una empresa global. Los participantes desarrollan y ejecutan estrategias para su empresa simulada. El éxito se mide y se comparan los indicadores clave operativos y financieros, incluyendo la cuota de mercado y ganancias entre otros.

Como cierre formal de su proceso de cursado y aprobación, el participante deberá realizar un trabajo personal en el que se demuestre el dominio de las competencias desarrolladas en la Maestría. Son fundamentales la aplicación de los conocimientos adquiridos y la demostración de capacidad de resolución de problemas en entornos nuevos o multidisciplinares. Se pretende que el participante integre los conocimientos y se enfrente a la complejidad de formular juicios a partir de la información disponible. Además, se evaluarán las habilidades de presentación y comunicación de conclusiones a públicos especializados y no especializados.