Master en Business Intelligence y Big Data impartido por MSMK - Madrid School of Marketing

El Máster en Business Intelligence y Big Data – Presencial (Madrid) te permite adquirir los conocimientos y habilidades necesarias para identificar, analizar controlar y gestionar de forma eficaz y ágil la información de las empresas, del mercado y de sus clientes, con el apoyo de tecnología y herramientas avanzadas.

01. BIG DATA INSIGHTS - EL ORIGEN DEL BIG DATA
• Principales conceptos de Business Intelligence (calidad de datos, procesos ETL, DWH).
• El Data Warehouse y el tratamiento de los datos – Big Data.
• Modelo relacional – Modelo transaccional.
• Del operacional al informacional: modelización de los datos (modelo en estrella, modelo en copo de nieve...).Ver más
• Arquitectura del Data Warehouse: diferencia ente DWH y Datamart.
• Explotación multidimensional de los datos: Cubos OLAP.
• La importancia de la calidad de datos. Limpieza y enriquecimiento.
• Procesos y subprocesos de ETL.
• Interés empresarial del Business Intelligence.
• Aplicación práctica de la minería de datos: ventas, CRM y marketing.

» Conocimiento de clientes.

» Retención de clientes.

» Venta cruzada y adicional.

» Previsión de la demanda / Gestión de la demanda.

» Criterios de segmentación.

• Criterios de selección de herramientas de BI - Comparativa de herramientas de BI(Oracle, SAS y Qlik).
• Metodología de un proyecto de BI – Metodología analítica.
• Plataformas tecnológicas.
• Variables de segmentación.
• Desarrollo de un sistema informacional con Qlik.

02. BIG DATA INSIGHTS - BUSINESS ANALYTICS

• La estadística como herramienta de apoyo para la toma de decisiones: principales funciones y limitaciones.
• Metodología para recoger, organizar, sintetizar, analizar datos y hacer inferencias a partir de ellos. Población y muestra. Tipos de muestreo.
• Utilidad de los modelos de distribución de probabilidad para análisis de fenómenos económicos y sociales de tipo discreto y continuo.
• Adquisición de habilidades útiles para el análisis estadístico desde el razonamiento inductivo. Métodos inferenciales: estimación y contrastación.
• Desarrollo de modelos de comportamiento y su aplicación práctica en la gestión de negocio.
• La minería de datos como proceso de ayuda a la toma de decisiones.
• Proceso de exploración y modelización de grandes volúmenes de datos para descubrir patrones previamente desconocidos y adquirir ventaja competitiva.
• Desarrollo de algoritmos y modelos de comportamiento a través de la minería de datos.
• Trabajo en clase con SAS Enterprise Miner.
• Introducción a técnicas de Data Mining.
• Árboles de decisión, regresión logística, redes neuronales, comparación de modelos, puesta en producción, segmentación analítica y profiling y market basket analysis.

03. BIG DATA INSIGHTS - BIG DATA OPERACIONAL
• Introducción al Big Data. La obtención del valor de los datos.
• El origen de un proyecto de Big Data en las empresas: claves.
• Nuevos retos en la gestión de los datos: velocidad, variedad, volumen y veracidad.
• Arquitecturas de Big Data.
• Bases de datos: SQL vs NoSQL.
• Taller de SQL.
• ¿Qué es Hadoop? HDFS y Map Reduce.
• El ecosistema de Hadoop: Sqoop, Pig, Hive, Flume, Mahout, HBase, Ozzie...
• Plataforma Big Data: Tipos de analíticas y casos de uso.
• Tratamiento de datos por lotes.
• Tratamiento de datos en tiempo real.
• La gestión integrada de los datos con Spark.
• Visualización de datos con TIBCO Spotfire.
• Tendencias de Big Data. Evolución de las plataformas.
• Taller de R.
• Taller de Spark.
• Taller de bases de datos: Riak, MongoDB, Cassandra y Neo4j.

04. BUSINESS ANALYTICS BUSINESS ANALYTICS
• Aprender a generar y utilizar el conocimiento para facilitar la toma de decisiones y la definición de la mejor estrategia de gestión para llevar a cabo (captación de clientes, fidelización de clientes, retención de clientes).
• Segmentación de clientes.
• Calcular el valor cliente.
• Analizar el impacto del valor de cliente en las estrategias de gestión.
• CRM. Fundamentos. Funcionalidades básicas de un CRM.
• CRM operacional, colaborativo, analítico y social CRM.
• Herramientas CRM.
• Herramientas de visualización de grandes volúmenes de datos en tiempo real: dashboard online.
• Implantación de un CRM: errores, metodología.
• CRM Scorecard. Métricas.
• Monitorización de redes sociales. Análisis de sentimiento en redes sociales.
• Casos prácticos reales de aplicación de la analítica de clientes para el desarrollo de negocio (sector asegurador, sector automoción, sector retail, sector financiero).
• Taller práctico de IBM SPSS.

05. CORPORATE PERFORMANCE MANAGEMENT
• Elaboración del business case para el desarrollo de la estrategia de BI.
• Desarrollo de mapas estratégicos.
• Cuadro de mando integral (de acuerdo a la metodología de Kaplan y Norton) – balanced score card.
• Gestión por indicadores: herramientas para la toma de decisiones (finanzas, ventas, marketing, servicio...).
• Conceptos básicos de planificación y presupuestación financiera para la utilización de entornos de simulación de negocio.
• Desarrollo de los ciclos de planificación y cálculo de previsiones.
• Toma de decisiones en la era cognitiva: Watson Analytics (Caso de retención de empleados desde la dirección de recursos humanos, y caso de abandono de clientes en el sector de las telecomunicaciones).
• Taller práctico con herramientas de reporting y elaboración de dashboards.
• Visualización analítica de los datos, visualización interactiva.
• Data discovery. Análisis avanzado para la agilidad de los usuarios de negocio.
Ver menos