Guia general programa_bi_ octubre 2015

1

Guía general Business Intelligence/

Inteligencia de negocio http://business-intelligence.uoc.edu

Octubre 2015

Estudios de Informática, Multimedia y Telecomunicación

3

Índice

0. INTRODUCCIÓN 4 1. PRESENTACIÓN DEL PROGRAMA 4 2. OBJETIVOS 4 3. CONOCIMIENTOS PREVIOS 5 4. ESTRUCTURA Y CONTENIDOS 6 A. DESARROLLO DE LOS CONTENIDOS 7 5. METODOLOGÍA 14 6. EQUIPO ACADÉMICO 15 7. RECURSOS PARA EL APRENDIZAJE 18 8. CALENDARIO 18 9. EVALUACIÓN 20 10. TITULACIÓN 21 11. SERVICIO DE ATENCIÓN AL ESTUDIANTE 22

Programa de Business Intelligence/Inteligencia de negocio

4

0. Introducción

La presente guía contiene una explicación de la visión general del programa Business Intelligence/ Inteligencia de negocio (Máster, posgrados y especializaciones), así como de la metodología general que se seguirá durante su desarrollo.

1. Presentación del programa

El análisis de información y datos para la toma de decisiones en sus múltiples formas (inteligencia de negocio, business analytics, gestión del rendimiento, big data) es una de las áreas de mayor inversión y demanda de las empresas en todo el mundo. Un gurú del management lo llamaba hace poco "la profesión más sexy del siglo XXI". Ofrecemos especializaciones y programas modulares dirigidos a profesionales de la tecnología y de la empresa, que acaban formando un Máster muy equilibrado y completo. Después de 10 ediciones y más de 700 profesionales formados, somos el programa líder en este ámbito, con todas las ventajas del aprendizaje virtual, conducido por profesionales y profesores expertos. El marco empresarial y tecnológico actual, con los continuos avances en los sistemas y tecnologías de la información, obliga a los profesionales de empresa a desarrollar una visión global y estratégica de las tecnologías de la información y la comunicación (TIC) y, en particular, de los sistemas de inteligencia de negocio o Business Intelligence (BI). Este máster se presenta como un programa muy equilibrado que abarca todos los aspectos de la estrategia, la gestión, la implementación y la tecnología de los sistemas de BI, sacando provecho a las nuevas posibilidades que ofrecen la web 2.0 (tratamiento de información social y geográfica) y las nuevas tecnologías (desarrollo de sistemas de BI para móviles).

2. Objetivos

La competencia principal que desarrollan los estudiantes del máster es gestionar de forma eficiente el ciclo de vida de un sistema de inteligencia de negocio alineado con las necesidades de su organización. Esto significa aprender a seleccionar, diseñar, crear, implantar, utilizar y mejorar sistemas de BI con el objetivo de sacar el máximo provecho posible de ellos para transformar la toma de decisiones de la organización.

De forma más específica, los estudiantes trabajan las siguientes competencias:

Saber qué es un sistema de BI y los diferentes componentes que forman parte del mismo. Conocer las principales tendencias que están transformando el mercado de BI, hecho que permite seleccionar de forma

adecuada una solución. Conocer las etapas incluidas en la creación y la implementación de sistemas de BI. Saber implementar o crear un sistema de BI adaptado a las necesidades concretas de una organización. Conocer los beneficios de los sistemas de BI y ser capaces de identificar las potencialidades y limitaciones para cada caso

particular. Ser conscientes de las diferentes estructuras de datos que dan soporte a los procesos de BI (data warehouses). Ser capaz de explotar almacenes de datos utilizando técnicas de data mining y data warehouse. Saber utilizar herramientas OLAP para obtener información relevante a partir de un conjunto de datos. Saber diseñar y crear informes (reports) para la difusión de la información de forma ágil y eficaz.


5

Conocer las principales herramientas relacionadas con procesos de BI y saber utilizar alguna de ellas. Saber segmentar y estudiar el mercado de un determinado producto usando BI. Saber redactar un plan de negocios de BI. Conocer las fases de modelado, evolución del modelo y puesta en producción de sistemas de minería de datos en empresas

utilizando metodologías específicas (por ejemplo, CRISP).

3. Conocimientos previos

No se requieren conocimientos previos para cursar los estudios del Máster de Business Intelligence /Inteligencia de negocio. El programa se ajusta progresivamente a las necesidades de los estudiantes y los profesores están atentos a las necesidades que se vayan manifestando, ampliando los materiales si es necesario para garantizar que se alcancen las competencias requeridas en cada asignatura.


6

4. Estructura y contenidos

El programa/Máster se ha estructurado en un itinerario académico modular por 4 cursos de especialización o semestres, 2 posgrados y 1 máster. En función del itinerario a seguir, el estudiante podrá cursar:

- Máster: Inteligencia de negocio (60 créditos) (Este curso no se ofrece para el 2015/16) - Posgrado 1: Inteligencia de negocio y análisis de datos (30 créditos) (Este curso no se ofrece para el 2015/16) - Posgrado 2: Ingeniería de datos y Big data (30 créditos) - Cursos de especialización: (15 créditos):

E1_ Especialista Inteligencia de negocio )Este curso no se ofrece para el 2015/16) E2_Especialista en Análisis de datos E3_Especialista en Ingeniería de datos E4_Especialista en Big data

Máster Posgrado Especializaciones Asignaturas CréditosIntroducción al Business Intelligence 3Información, empresa y mercado en sistemas de BusinessIntelligence 6Mecanismos de soporte a la gestión de proyectos en BI

4,5Caso práctico: Definición y puesta en marcha de unproyecto de BI

1,5Laboratorio: tecnología y herramientas BI

Sistemas de soporte a la decisión 4,5Business Analytics

4,5Nuevas tendencias y otros procesos de BI

4,5Caso práctico: Sistemas de soporte a la decisión


Bases de datos: conceptos básicos, diseño físico yrendimiento

3Data warehouse

6 Data Mining

4,5Caso práctico: Bases de datos 1,5Laboratorio: tecnología y herramientas BI

Bases de datos NoSQL 3Gestión de Big Data

6Nuevas tendencias (consumer analytics , social analytics,geographical analytic s, organización del BI en la empresa)

4,5Caso práctico: Gestión de Big Data


60

E1_Especialista enInteligencia de negocio(15 cr)

E2_ Especialista enAnálisis de datos (15cr)

E3_Especialista enIngeniería de datos (15cr)

Máster enInteligencia de Negocio(60 cr)

P2 Posgrado en Ingenieríade datos y Big Data (30 cr)

E4_ Especialista en Big Data (15 cr)

P1 Posgrado en Inteligenciade negocio y análisis deDatos (30 cr)


7

(1 crédito = 25 horas de trabajo por parte del estudiante)

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. Cada posgrado consta de 30 créditos, equivalentes a 750 horas de trabajo del estudiante y tiene una duración de 1 año. La especialización consta de 15 créditos, equivalentes a 375 horas de trabajo del estudiante y tiene una duración de 1 semestre.

a. Desarrollo de los contenidos

1ª Especialización: Inteligencia de Negocio (Esta especialización ya no se ofrece para el curso 2015/16) Esta especialización pretende ser una introducción a la Inteligencia de Negocio (o Business Intelligence, en adelante BI). Se presenta qué es un sistema de BI, los componentes que lo forman, el entorno empresarial actual y cómo debe tenerse en cuenta este entorno en términos de BI, e información sobre la gestión de proyectos de BI. Las asignaturas de esta especialización son las siguientes: Introducción al Business Intelligence Asignatura introductoria de presentación de un sistema de BI, las partes que lo componen y la implantación de este tipo de sistema. Se realiza un proyecto simple de BI desde el principio hasta el final.

Introducción al Business Intelligence: En esta primera parte se introducirá el concepto de inteligencia de negocio, sus beneficios, estrategias y se comentarán las principales funcionalidades de la suite de inteligencia de negocio que se utilizará en las actividades prácticas: Pentaho.

Diseño de un data warehouse: En esta parte se mostrará el proceso de creación de un data warehouse y se realizará un ejemplo sencillo de diseño sobre una herramienta Open Source.

Diseño de procesos ETL: Este módulo tratará sobre los conceptos de extracción, transformación y carga de datos para su incorporación a la plataforma Business Intelligence. Los procesos ETL permiten alimentar de datos e información un data warehouse. Una vez adquiridos los conceptos se efectuará un ejemplo de proceso ETL relativo al análisis de estadísticas WEB.

Diseño de análisis OLAP: En este apartado el estudiante adquirirá los conocimientos relativos a OLAP que consiste en el análisis multidimensional de los datos disponibles en el Data Warehouse. Con los datos incorporados en el ejemplo de ETL se procederá a hacer un sencillo análisis OLAP.

Diseño de informes: A partir de los datos existentes en la plataforma BI se estudiará el proceso de definición e implementación de informes básicos y se creará y publicará un informe sencillo para mostrar el modo de creación y las capacidades de las plataformas.

Diseño de cuadros de mando: El desarrollo del cuadro de Mando es la fase final de la adopción de una solución BI. En este caso sólo se presentará al alumno el proceso para su implantación.

Tendencias en Business Intelligence: el alumno aprenderá sobre las tendencias que están afectando este mercado

Información, empresa y mercado en sistemas de Business Intelligence Se da una visión general de la información que el estudiante debe saber para trabajar en sistemas de BI. Concretamente, se estudian temas relacionados con la sociedad, la información y las tecnologías TIC; los sistemas de información corporativos (su arquitectura y los tipos que existen: ERP, CRM, SCM); los sistemas de toma de decisiones corporativos, y el mercado actual de BI.

Módulo 1: La sociedad y la información (El concepto de nueva economía, El nuevo entorno de las organizaciones en la sociedad del conocimiento, Estrategias para la ventaja competitiva y apoyo de las tecnologías de la información, Demandas de la sociedad del conocimiento en el ámbito de la información y el rol de la información y el conocimiento, Directivos y toma de decisiones)


8

Módulo 2: Sistemas de información corporativos (Sistemas de información en la empresa, Sistemas operacionales, Sistemas de soporte a la decisión, Otros sistemas de información)

Módulo 3: Mercado de Business Intelligence (Sistemas de gestión del rendimiento corporativo (CPM), Herramientas para sistemas BI, El proceso de selección de herramientas para sistemas BI)

Gestión de proyectos de Business Intelligence El objetivo de esta asignatura es proporcionar las herramientas, el vocabulario y las metodologías básicas para gestionar con éxito un proyecto de BI. Con este fin se estudian las características de los proyectos de BI, sus diferencias con respecto a los proyectos de TIC, y la gestión, el desarrollo y la organización de proyectos de BI.

Módulo 1: Características de los proyectos de inteligencia de negocio: Establece el marco conceptual y estratégico en el que se desenvuelven los proyectos de inteligencia de negocio o Business Intelligence (BI): la gestión de la información y el conocimiento de la empresa. En la segunda parte presenta las características propias de un proyecto BI y los factores críticos para el éxito de un proyecto BI.

Módulo 2: El ciclo de vida de la gestión de proyectos: Proporciona una visión global de la gestión de proyectos como metodología, sus principales componentes y procesos, tomando como referencia el modelo PMBoK.

Módulo 3: Desarrollo de un proyecto de inteligencia de negocio: Presenta las diferentes etapas del ciclo de vida de gestión de proyectos: iniciación, planificación, ejecución, seguimiento, control, y cierre. Y como se aplican los procesos de gestión en cada una de ellas.

Módulo 4: Ejecución de un proyecto de inteligencia de negocio: En la etapa de ejecución se realiza el ciclo de construcción o implantación del producto BI. En esta asignatura nos basamos en los dos principales: el sistema de información empresarial o software estándar y el cuadro de mando.

Módulo 5: Organización y gestión de los interesados del proyecto: Presenta el diseño de la estructura de organización de un proyecto, las diferentes responsabilidades y roles. Describe las competencias en comunicación interpersonales del director del proyecto con su equipo de personas, y con el cliente y el grupo de interesados del proyecto

Caso práctico: Definición y puesta en marcha de un proyecto de BI Caso en el que se realizan actividades prácticas relacionadas con lo que se ha explicado en las asignaturas del máster del primer semestre, pero en el contexto de un proyecto de gran envergadura.

La primera parte del caso, donde se expone un modelo del sector sanitario y se presenta el Instituto Catalán de Salud (ICS). La segunda parte del caso, explica los diferentes sistemas de información del ICS y se presenta el programa Argos creado para alcanzar los

nuevos retos y transformar la cultura organizativa. La tercera parte, presenta como se realiza la gestión estratégica del proyecto BI a partir del programa Argos. La cuarta y última parte, se describen las actividades a realizar


9

2ª Especialización: Especialista en Análisis de Datos Esta especialización trata de temas de estrategia dentro de la organización, de los sistemas de soporte a la toma de decisiones, de análisis de negocio o Business Analytics (BA), de nuevas tendencias en sistemas de BI desde un punto de vista de negocio y de cómo utilizar estos elementos para dar soporte a la estrategia de una organización. Las asignaturas de esta especialización son las siguientes: Sistemas de soporte a la decisión Trata sobre la estrategia y la gestión de sistemas de BI, el diseño y la implantación de cuadros de mandos integrales, la gestión y el informe (report) para la toma de decisiones, y los sistemas de soporte a la decisión.

Módulo 1: El Cuadro de Mando Integral. La Medición y la Gestión de la Estrategia Empresarial (Concepto , Indicadores de gestión y estrategia empresarial, implantación de un programa de gestión)

Módulo 2: La Inteligencia Competitiva como Modelo de Gestión: Explorar el Entorno, Comprender y Transformar. (Concepto, aportación estratégica, modelo de gestión, vinculación con la dirección y planificación estratégica, gestión del conocimiento y procesos de innovación, Herramientas y metodologías de análisis competitivo y de apoyo al proceso de toma de decisiones, Bases para la integración de un sistema de vigilancia del entorno e inteligencia competitiva en los procesos de inteligencia de negocio)

Módulo 3: El mercado de Business Intelligence (Situación actual, plataformas en el mercado, Cálculo del Coste Total de Propiedad y el Retorno de la Inversión de un proyecto de Business Intelligence., Criterios de selección sistema o plataforma de Business Intelligence.

Business Analytics Presenta, por un lado, la problemática de la gestión de datos con una gran volumetría, que se generan a una gran velocidad, que presentan una gran variabilidad y que contienen alto valor para las organizaciones (lo que se conoce como Big Data); y por otro lado, el análisis de negocio (Business Analytics) como posible solución a la gestión eficiente de los datos para mejorar el negocio mediante un enfoque más científico.

Módulo 1: Analítica de negocio (Business analytics, aspectos generales, Dominios de aplicación de business analytics (Text mining, Opinion mining o sentiment analysis, Social network analysis, Reputation management)

Módulo 2: Algoritmos (1. Creación de modelos de datos 2. Visualización de datos 1.1. Familias de algoritmos, Clasificación por vecindad. K-Nearest Neighbor, Ganancia de información, Arboles de decisión, Redes neuronales, SVM Support Vector Machines, Clustering o clasificador PCA Análisis de componentes principales, Asociaciones, Técnicas estadísticas de regresión Visualización de datos

Módulo 3: Metodologías y estándares (Metodologías y estándares -Metodología CRISP-DM, Modelo DELTA para la mejora continua de BA, - Estándar PMML Data quality management (Preparación de los datos, Discretización, Gestión del ruido, Reducción de la dimensionalidad)

Nuevas tendencias y otros procesos de BI Presenta las nuevas tendencias en BI y otros temas que, aunque no se hayan tratado en detalle en otras asignaturas del máster, pueden ser de relevancia para los estudiantes en la implantación eficiente de sistemas de BI, como, por ejemplo, Social BI o Agile BI.

Módulo 1: Nuevas tendencias en el mercado de BI. Módulo 2: Sistemas de BI en tiempo real. (Conceptos básicos, Obtención de los distintos tipos de información, Factores a tener en cuenta

durante el diseño, Evolución de sistemas BI tradicionales a tiempo real, Tecnología, Métricas de evaluación, Casos de éxito) Módulo 3: Sistemas de BI de Big Data. (Introducción y conceptos básicos, Incorporación de Big Data a un sistema BI tradicional, Tecnología,

Una nueva figura en el equipo: el data scientist, Big Data y Cloud, Métricas de evaluación, Mitos, Casos de éxito)


10

Caso práctico: Sistemas de soporte a la decisión Este segundo caso práctico es la continuación del proyecto presentado en el anterior semestre. A partir de un almacén de datos (data warehouse) ya construido, los estudiantes deberán crear un sistema de ayuda a la toma de decisiones, creando los cuadros de mando e informes que se consideren necesarios y analizando los datos facilitados con el enunciado para encontrar tendencias que ayuden a la toma de decisiones.

Análisis del contexto: El desarrollo de este caso está centrado en las áreas de urgencia y hospitalización de un hospital público general básico. En este apartado se presenta una estructura genérica de la organización, una descripción de los procesos básicos de estas áreas como el funcionamiento y los actores implicados.

Enunciado del caso: Las pautas a seguir para desarrollar un cuadro de mando integral (CMI) para la gestión del centro hospitalario. Los ejercicios se estructuran en tres bloques: Cuadro de mando integral, Business Analytics e Implementación de la solución.

Glosario: Terminología del sector sanitario. Anexos: Ejemplos de estructura organizativa, indicadores de la actividad diaria, plantillas de indicadores,...

3ª Especialización: Ingeniería de datos Esta especialización presenta los elementos tecnológicos necesarios para los sistemas de BI. Entre otros aspectos se proporciona la información básica de bases de datos (qué son, conceptos básicos de diseño conceptual y diseño físico, implicaciones del diseño físico en el rendimiento de las bases de datos, etc.), data warehouses o almacenes de datos (qué son, cómo diseñarlos, procesos ETL, cómo explotarlos vía ROLAP, MOLAP y MDX) y data mining o minería de datos (uso de la minería de datos directamente sobre bases de datos). Las asignaturas de esta especialización son las siguientes: Bases de datos: conceptos básicos, diseño físico y rendimiento: Es una introducción a las bases de datos. Se presenta qué son, algún aspecto de su diseño, su interrogación vía SQL, y aspectos de diseño físico de bases de datos e implicaciones del mismo en su rendimiento.

Módulo 1: Los datos: conceptos introductorios. Este módulo detalla los elementos básicos del mundo de las representaciones informáticas, y su correspondencia con el mundo real y con el mundo de las abstracciones. Se introducen también los términos más habituales y los conceptos fundamentales sobre datos e información, que usaremos en el resto de la asignatura para estudiar las bases de datos.

Módulo 2: Introducción a las bases de datos. El módulo explica cuáles son los objetivos de los sistemas gestores de bases de datos. Adicionalmente, también se da una visión general de la arquitectura, el funcionamiento y el entorno de estos sistemas.

Módulo 3: El modelo relacional y el álgebra relacional. Este módulo didáctico está dedicado al estudio del modelo de datos relacional y del álgebra relacional. Sus contenidos resultan de interés para conseguir un buen dominio del SQL.

Módulo 4: Diseño de bases de datos. En este módulo se presenta el diseño conceptual de base de datos mediante el modelo entidad-interrelación, y la transformación del diseño conceptual obtenido en un diseño de base de datos ajustado al modelo relacional.

Módulo 5: El lenguaje SQL. En este módulo se presentan los conceptos más básicos asociados al SQL estándar. En primer lugar se presentan las principales sentencias de definición de datos (por ejemplo, tablas y vistas). A continuación se presentan las sentencias básicas de manipulación de datos (SELECT, INSERT, DELETE y UPDATE de tablas y vistas). Finalmente, se introducen las sentencias de concesión y revocación de privilegios sobre los datos, primitivas de gestión de transacciones, y otras modalidades de trabajo con el lenguaje SQL.

Módulo 6: Introducción al diseño físico de bases de datos. Este módulo analizará los principales métodos y construcciones que se utilizan en el diseño físico de bases de datos. Conceptualmente, podemos definir el diseño físico de una base de datos como el proceso que, a partir del diseño lógico de la base de datos y de información sobre su uso esperado, creará una configuración física de la base de datos adaptada al entorno donde se alojará y que permita el almacenamiento y la explotación de los datos con un rendimiento adecuado

Data warehouse Se trabaja con el diseño, la creación, la carga y la explotación de data warehouse a partir de bases de datos operacionales.

Módulo 1: Introducción al almacenamiento de datos, pretende hacernos ver las diferencias existentes entre los sistemas de base e datos operacionales y los almacenes de datos.

Módulo 2: La factoría de Información Corporativa, nos introduce en la estructura y los componentes de una factoría de información.


11

Módulo 3: Construcción de la Factoría de Información Corporativa, define las posibles estrategias de construcción del sistema. Módulo 4: Diseño Multidimensional, nos presenta las herramientas OLAP como mecanismo de acceso a la Factoría de Información. Estas

herramientas es basan en el concepto de multidimensionalidad. Comprender las principales características de los sistemas multidimensionales, así como, comprender cómo realizar los diseños conceptuales, lógicos y físicos de la factoría de información serán los puntos fundamentales del módulo.

Módulo 5: Uso de la Factoría de Información Corporativa, nos da una visión más general sobre cómo las organizaciones actuales utilizan las factorías de información como parte de sus estrategias de negocio del mercado actual ligadas al almacén de datos: CRM, ERP, Comercio electrónico...

Data mining En esta asignatura se enmarca la Minería de Datos dentro del entorno informacional y se estudia especialmente los procesos de extracción de conocimiento por ser intrínsecos a la Minería de Datos. El estudiante tendrá la oportunidad de practicar, con casos de estudio, técnicas concretas sobre datos concretos. A su vez el estudiante consolidará una sólida base teórica que le permitirá aprovechar mejor los conocimientos técnicos que adquirirá mediante el lenguaje de programación R. Finalmente, el cierre del ciclo analítico, las estrategias de scoring de modelos y los servicios de minería de datos dentro de la infraestructura tecnológica nos ayudarán a entender mejor los distintos escenarios y estrategias de puesta en producción de modelos.

Qué es datamining Webmining Data mining en el entorno informacional (Scoring de un modelo data mining, Servicios de minería de datos dentro de la infraestructura

tecnológica, Escenarios para la puesta en producción de modelos, Soluciones tecnológicas DM Presentación del lenguaje R, Proyecto R Juegos de datos Árboles de decisión Ganancia de la información Segmentación ( Algoritmo Kmeans , Segmentación jerárquica, Detección de valores outliers por segmentación, Asociaciones (Eliminación de la redundancia, Interpretación de las reglas) Máquinas de vectores de soporte Redes neuronales Visualización de datos Text mining

Caso práctico: Base de datos Trata de la creación de un data warehouse que integre los datos facilitados. A partir de ahí los estudiantes deberán realizar un conjunto de operaciones de consulta que sirvan de entrada para un conjunto de informes ya definidos. También se deberá realizar algún proceso de minería de datos sobre el data warehouse creado siguiendo el enunciado presentado.

El contexto del material que presentamos a continuación está basado en un caso real: la evolución del modelo sanitario catalán y la transformación de sus sistemas de información para adaptarse al entorno y a las nuevas estrategias planteadas. Este caso ha sido descrito y desarrollado en los materiales docentes titulados "Los sistemas de información en el Institut Català de la Salut. Trazando una estrategia BI a partir del Proyecto Argos" y "Implementando un cuadro de mando integral en un hospital general básico". Este material, titulado "Diseño de un almacén de datos para la gestión de urgencias y hospitalización de un hospital general básico", será la continuación del caso anterior y está enfocado en realizar el diseño e implementación del núcleo de toda herramienta de inteligencia de negocio: el almacén de datos.

En este caso práctico el material de base a utilizar será el enunciado del proyecto, que definirá de forma clara y concisa las áreas de negocio relacionadas con el almacén de datos a diseñar y la información que se genera en cada área de negocio.

4ª Especialización: Big Data


12

Esta especialización presenta los elementos tecnológicos necesarios para maximizar la eficiencia de los sistemas de BI. Entre otros aspectos se estudian temas de sistemas de gestión de bases de datos (cuáles existen, qué ventajas e inconvenientes tiene cada uno y cuándo son necesarios), creación de sistemas de BI en distintos entornos (móvil, nube, etc.) y utilizando diferentes tipos de datos (información geográfica, social, etc.), y se presentan las nuevas tendencias en BI. Las asignaturas de esta especialización son las siguientes: Bases de datos NoSQL Bajo el paraguas NoSQL se incluye todo un conjunto de bases de datos, basadas en diferentes modelos de datos, que constituyen una alternativa a las bases de datos relacionales, y que son especialmente idóneas para ciertos dominios de aplicación. Entre estos dominios destacan aquéllos que trabajan con grandes volúmenes de datos que se encuentran dispersos en diferentes repositorios, aquellos dominios que trabajan con datos poco estructurados y dominios en los que se establecen múltiples y complejas interrelaciones entre los datos.

Módulo 1: Preliminares. En este bloque se realizará una introducción a las características fundamentales asociadas a las bases de datos NoSQL, haciendo hincapié en su definición, motivación, características e inconvenientes, así como su contextualización en el área de las bases de datos.

Módulo 2. Modelos de datos. En este bloque se presentaran los modelos de datos más relevantes que subyacen en las bases de datos NoSQL, así como algunas consideraciones de diseño a tener en cuenta cuando trabajamos con ellos. Los modelos de datos que estudiaremos son los modelos de agregación (que incluyen, a su vez, los modelos clave-valor, documental y orientado a columnas) y los modelos orientados a grafos.

Módulo 3. Distribución de datos. Buena parte de las bases de datos NoSQL se utilizan en entornos altamente distribuidos que gestionan grandes volúmenes de datos. Por ello es necesario presentar los principales conceptos relacionados con bases de datos distribuidas. Entre estos conceptos, por una parte, se incluyen la definición de base de datos distribuida, así como aspectos relativos a su diseño. Por otra parte, se tratarán características como la consistencia y disponibilidad de los datos en entornos altamente distribuidos, y cómo éstas quedan expresadas en el teorema CAP. Para ello será necesario estudiar el modelo de transacciones ACID en el que se basan las bases de datos relacionales y el modelo BASE que subyace en algunas bases de datos NoSQL.

Módulo 4. Bases de datos NoSQL.En este bloque se examinará, para cada uno de los modelos de datos presentado en el bloque 2, un ejemplo de base de datos NoSQL, es decir, un producto comercial concreto. Los productos que se presentarán son Riak, MongoDB y Neo4J que constituyen ejemplos de bases de datos NoSQL clave-valor, documental y orientada a grafos, respectivamente. Asimismo se discutirán aspectos relativos a distribución de datos para alguno de los productos estudiados. Finalmente, se darán pautas sobre cómo combinar diferentes bases de datos NoSQL dentro de un mismo proyecto informático

Módulo 5. Diseño de una base de datos NoSQL.En el último bloque se presentará un caso práctico de diseño de una base de datos NoSQL. En concreto, el objetivo será diseñar una base de datos que nos permita almacenar información sobre la actividad de un conjunto de usuarios de Twitter en esa red, poniendo especial énfasis en la selección de la tecnología y sistema gestor de base de datos que nos permita realizar los análisis deseados de la manera más eficiente con vistas al proceso de extracción de información

- Gestión de Big Data En esta asignatura trabaja lo que algunos analistas han llamado "la gestión extrema de la información", o sea la transformación del enorme volumen de datos oculto en la propia organización o presente a su alrededor en información y conocimiento útil para el negocio

Definiciones básicas asociadas al concepto de Big Data: qué es "data", qué es "big", qué es "open data", qué es "linked data". Casos reales de uso de Big Data, p.e. el Campus Virtual de la UOC como escenario Big Data. Aspectos tecnológicos, legales y éticos a tener en cuenta por parte de una organización. El ciclo de vida de los datos: creación, captura y almacenamiento, (pre-)procesado, análisis, visualización y publicación. Gestión de los datos para su análisis. Explotación de los datos. El futuro de Big Data.


13

Nuevas tendencias (consumer analytics,social analytics,...) Se estudian las nuevas tendencias en BI y se presentan en detalle temas relevantes y novedosos de BI

Módulo 1: Social Analytics. En esta primera parte se introducirá el concepto de social analytics (que consiste en la aplicación de técnicas de explotación de datos a las redes sociales), su relación con la inteligencia de negocio, estrategias, beneficios y técnicas de desarrollo y se discutirá un ejemplo real.

Módulo 2: Customer Analytics. En este módulo se presentará el concepto de customer analytics (que consiste en mejorar la inteligencia de clientes fundamentada en datos) su relación con la inteligencia de negocio, estrategias, beneficios y técnicas de desarrollo y se discutirá un ejemplo real.

Módulo 3: Organizaciones orientadas al dato. En este módulo se discutirá el concepto de las organizaciones orientadas a la toma de decisiones basadas en hechos, qué significa una cultura analítica dentro de la organización, cómo trabajar con expertos de analítica, cómo trabajar con los usuarios finales, la emergencia de nuevos roles en la organización y cómo desarrollar una cultura analítica dentro de la organización. Se discutirán ejemplos reales.

Módulo 4: Sistemas de Información Geográfica BI. En este último módulo se presentará el concepto de SIG BI (que consiste en la integración de sistemas de información geográfica en iniciativas de explotación de datos), su relación con la inteligencia de negocio, estrategias, beneficios y técnicas de desarrollo y se discutirá un ejemplo real

Caso práctico: Gestión de Big Data En este caso práctico, los estudiantes deben plantear posibles extensiones del sistema de BI creado hasta el momento. Las extensiones irán dirigidas a extender el uso del sistema a diferentes entornos tecnológicos y distintos paradigmas, y a estudiar hasta qué punto el sistema implementado podría mejorar su rendimiento con un uso más adecuado de las tecnologías.

Caso real: la evolución del modelo sanitario catalán y la transformación de sus sistemas de información para adaptarse al entorno y a las nuevas estrategias planteadas. Este caso ha sido descrito y desarrollado en los materiales docentes titulados "Los sistemas de información en el Institut Català de la Salut. Trazando una estrategia BI a partir del Proyecto Argos", "Implementando un cuadro de mando integral en un hospital general básico" y "Diseño de un almacén de datos para la gestión de urgencias y hospitalización de un hospital básico general". Este material, titulado "Sistema de BI para la previsión de brotes gripales a partir de información de redes sociales", será la continuación del caso anterior y está enfocado al análisis de datos operativos y datos de redes sociales para predecir la aparición de brotes víricos gripales antes de que se produzcan

Durante el desarrollo del programa, el estudiante tendrá acceso a un laboratorio Laboratorio: tecnología y herramientas BI, donde se le dará soporte en los temas de carácter tecnológico: instalación y uso de programas, problemas técnicos, etc.

(En el aula de cada asignatura: Aula/planificación/ Plan docente, encontraréis detallado el plan docente de cada asignatura)

Asignatura transversal optativa

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 necesarias para realizar la formación en la UOC.


14

5. Metodología

A lo largo de todo el período docente del programa se presentan diferentes enfoques metodológicos. A parte de las dinámicas de grupo, los estudiantes realizarán parte del aprendizaje basándose en el estudio y análisis de casos reales y el desarrollo de proyectos prácticos. El objetivo: preparar a los estudiantes desde un punto de vista competencial e integral en un sentido amplio, combinando teoría y práctica. En este programa partimos de la idea que el aprendizaje que se quiere promover tiene su base en un paradigma de carácter constructivo y aplicado, dónde la construcción de conocimiento es un acto compartido y parte tanto de la experiencia propia como la de los demás y se ve complementada por un marco teórico que permite comprender mejor algunos de los aspectos prácticos. 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 docentes y discentes una comunidad educativa real con todos los componentes e interacciones necesarias.

El Campus Virtual es la plataforma tecnológica que ofrece la UOC para que los participantes del Programa puedan acceder a la información y a los procesos de comunicación propia de éste utilizando la comunicación telemática (mediante Internet) en donde los participantes de todos los programas de posgrado llevan a cabo la mayoría de acciones comunicativas. En el Campus Virtual se encuentran los espacios comunes, que se comparten con el resto de los compañeros del curso y con el equipo docente. Estos espacios se distribuyen básicamente en cuatro grandes bloques que concretan la metodología de la UOC - Planificación: Espacio de acceso a la guía general del programa, así como a las guías de aprendizaje específicas de los módulos. 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. La tecnología de este entorno y la metodología propia de la UOC facilitan el trabajo en equipo. - 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 continua 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) estará disponible al principio de cada uno de los cursos. Esta información incluirá el calendario de distribución de los enunciados de las actividades, de entrega de las actividades resueltas o participación en los debates por parte de los estudiantes, así como la publicación por parte del profesor consultor de las calificaciones y feedback (según el caso: comentarios o soluciones de las actividades, resumen de debates, etc.).


15

6. 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: coordina e integra académicamente 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)

José Ramón Rodríguez Bermúdez Licenciado en Filosofía y Letras por la Universidad de Sevilla. Programa de Dirección General (IESE-.Business School). Programa de Dirección de Sistemas de Información (Harvard Business School). Cuerpo Técnico de la Seguridad Social de España (INAP). Profesor de Dirección de las TIC de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya.

Profesor responsable: coordina e integra académicamente los contenidos de la asignatura así como el proceso de aprendizaje del estudiante; aporta su dominio de la materia y los conocimientos complementarios a los colaboradores docentes (consultores)

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 Universitat Oberta de Catalunya. Grupo de investigación Ingeniería del Software (GRES-UOC). David Gañan Jiménez Ingeniero en Informática por la UPC, máster en Aplicaciones Multimedia por la UOC. Especializado en desarrollo de aplicaciones con tecnologías .NET. 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 Universitat Oberta de Catalunya. 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).


16

David Masip Rodo Doctor en Informática por la UAB. Profesor del área de inteligencia artificial de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya. Grupo de investigación SUNAI (SCENE UNDERSTANDING AND ARTIFICIAL INTELLIGENCE LAB). 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) Joan Antoni Pastor Collado Doctor en Informática por la UPC. Es profesor Dirección de las tecnologías de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación ICSS (Information and Communication Systems and Services). Àngels Rius Gavidia Doctora en Informática por la UOC. Profesora de 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. 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

Alex Caminals Sánchez de la Campa Ingeniero en Informática por la UPC. Licenciado en Matemáticas por la UAB. Responsable de Business Intelligence en Grupalia 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 Elena García Barriocanal Doctora por la U. Alcalá. Profesora Titular de Escuela Universitaria, área de Lenguajes y Sistemas e la U. de Alcalá. 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 SAP FI&CO)


17

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. Jose Luis Gómez García Ingeniero infomático por la UPSAM, máster en Business Intelligence por la UOC. Director Business Intelligence (desde 2011) en Altadis 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 Carles Llorach Rius 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 Universidad de 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.

Tutora: Es el referente académico 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 le da soporte y asesoramiento.

Núria Braulio Gil

Licenciada y Máster en Administración y Dirección de Empresas (ESADE, Barcelona). MBA por la Università Commerciale Luigi Bocconi (Milán, Italia) PDD de IESEExperiencia como docente en marketing y Business Intelligence en ESADE y el Institut Químic de Sarrià (IQS). Actualmente es Gerente Coordinadora de Equipo de Información Comercial en CaixaBank (La Caixa)


18

7. Recursos para el aprendizaje

Existen tres tipos principales de recursos: las guías de aprendizaje o plan docente, los materiales didácticos de contenido y los recursos de la biblioteca. 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 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, estadísticas, etc.) relacionados con los temas del programa.

8. Calendario

El programa se desarrollará por semestres:

Posgrado en Ingeniería de datos y Big Data (30 cr) (No se inicia en esta fecha)

INICIO 14/10/15

FINAL 30/07/17

Tutoría 08/10/15 Julio 17

Aprovechar las TIC en posgrado (optativa) 14/10/15 14/11/15

Semestre 1

Bases de datos: conceptos básicos, diseño físico y rendimiento 14/10/15 17/02/16

Data warehouse 14/10/15 17/02/16

Data Mining 14/10/15 17/02/16

Caso Práctico Bases de datos 14/10/15 17/02/16

Laboratorio: tecnología y herramientas BI 14/10/15 17/02/16

Semestre 2

Bases de datos noSQL 16/03/16 27/07/16

Gestión de Big Data 16/03/16 27/07/16

Nuevas tendencias (consumer analytics, social analytics, SIG, organización del BI en la empresa)

16/03/16 27/07/16

Caso Práctico Gestión de Big Data 16/03/16 27/07/16


Especializaciones


19

E2_ Especialista en Análisis de Datos

INICIO 14/10/15

FINAL 30/07/17



Sistemas de soporte a la decisión

Business Analytics 14/10/15 17/02/16

Nuevas tendencias y otros procesos de BI 14/10/15 17/02/16

Caso Práctico Sistemas de soporte a la decisión 14/10/15 17/02/16


E3_ Especialista en Ingeniería de Datos

INICIO 14/10/15

FINAL 30/07/17



Bases de datos: conceptos básicos, diseño físico y rendimiento

Data Warehouse 14/10/15 17/02/16

Data Mining 14/10/15 17/02/16

Caso Práctico Bases de datos 14/10/15 17/02/16


E4_ Especialista en Big data

INICIO 14/10/15

FINAL 30/07/17



Bases de datos NoSQL

Gestión de Big Data 14/10/15 17/02/16

Nuevas tendencias (consumer analytics, social analytics, geographical analytics, organización del BI en la empresa)

14/10/15 17/02/16

Caso práctico: Gestión de Big Data 14/10/15 17/02/16


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


20

9. 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, que define:

El modelo concreto de evaluación. Los criterios generales de evaluación de la asignatura relacionados con los objetivos que deben alcanzarse y las competencias que deben adquirirse. Si procede, el tipo concreto de la prueba de evaluación final (PEF), los criterios y fórmulas de evaluación, corrección y nota, y las tablas de cruce o fórmulas ponderadas aplicables.

Evaluación continuada La evaluación continua (EC) se realiza durante el semestre. La evaluación continua es el eje fundamental del modelo educativo de la UOC y es aplicable a todas las asignaturas de los programas formativos que la UOC ofrece. El seguimiento de la EC es el modelo de evaluación recomendado por la UOC y el que se ajusta mejor a su modelo educativo.

La EC consiste en la realización y superación de una serie de pruebas de evaluación continua (PEC) establecidas en el plan docente/plan de aprendizaje, de acuerdo con el número y el calendario que se concretan en el plan. La EC de cada asignatura se ajusta a los objetivos, competencias, contenidos y carga 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.


21

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

Es imprescindible haber superado todas las asignaturas que conforman el programa para superarlos 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 valoración de evaluación es cuantitativa y se expone según las calificaciones siguientes:

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

10. 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 Business Intelligence/ Inteligencia de negocio Para los matriculados en Posgrado:

Diploma de Posgrado en Inteligencia de negocio y análisis de datos Diploma de Posgrado en Ingeniería de datos y Big data

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


22

En caso de no disponer dicha titulación, se expedirá, en función del programa matriculado:

- Diploma de extensión universitaria en Business Intelligence/ Inteligencia de negocio - Diploma de extensión universitaria en Inteligencia de negocio y análisis de datos - Diploma de extensión universitaria en Ingeniería de datos y Big data

Para los matriculados en las especializaciones e independientemente de la titulación: o Certificado de especialización en Inteligencia de Negocio o Certificado de especialización en Análisis de Datos o Certificado de especialización en Ingeniería de datos o Certificado de especialización en Especialista en Big data

11. Servicio de atención al estudiante

Desde el Servicio de Atención (frame superior del campus) podéis acceder a todas las consultas de gestión relacionadas con: Matriculación, Envío de materiales, Pagos posgrado, Facturas, Documentación académica, Expediente, Evaluación Titulación, Servicio de ayuda informática.

Guia general programa_bi_ octubre 2015

Education

Transcript of Guia general programa_bi_ octubre 2015