INESEM.ES logo

Master en Big Data y Business Intelligence. Data Science

La recopilación, explotación y análisis de datos masivos se ha convertido en el oro negro del siglo XXI, ya que una correcta interpretación del Big Data es sinónimo de éxito a la hora de aplicar estrategias de marketing. Con el Master en Big Data y Business Intelligence - Data Science te convertirás en un especialista en interpretación de datos e identificación de oportunidades, la profesión en auge que demanda la vanguardia empresarial.

Instituto Europeo de Estudios Empresariales
Titulacion de INESEM
  • Online
  • 600 h.
  • Abierta
  • 1395€
  •  
 
¿Quieres más info?
* El campo es obligatorio
Contacta por whatsapp
+34 660 844 247
L-J 9-18:30 h V 9-15 h
 
proyecto fin de máster y además ...
prácticas garantizadas
 
Para qué te prepara

Con el Máster en Big Data y Business Intelligence te especializarás en el ámbito de la ciencia de datos, a través de una formación en las principales técnicas y herramientas de análisis de datos masivos. Por otro lado, obtendrás las competencias necesarias en Business Intelligence para tomar decisiones estratégicas de marketing de forma óptima. Para ello, se especializará al alumnado en el la programación de softwares profesionales. 

 
Objetivos
  • Conocer las principales herramientas de Business Intelligence para tomar decisiones estratégicas de marketing.
  • Conocer e identificar las distintas fases de un proyecto de Big Data o de análisis de datos masivos.
  • Aprender a explotar los datos y visualizar los resultados mediante técnicas de Data Science y programación estadística con Python y R.
  • Crear y gestionar una base de datos en MongoDB y procesar los datos con Hadoop.
  • Aplicar correctamente las principales técnicas de Data Mining.
  • Comprender el uso de la analítica web para Big Data y su aplicación mediante la herramienta Google Analytics.
  • Aplicar en la práctica técnicas y herramientas de Big Data y Business Intelligence.
 
A quién va dirigido

El Master en Big Datay Business Intelligence - Data Science está dirigido a personas con conocimientos de estadística, marketing, negocio o emprendimiento que quieran obtener una especialización en Big Data y Business Intelligence. Así como cualquier persona con o sin título universitario que quiera obtener formación en Business Intelligence y Big Data o análisis de datos masivos. 

 
Salidas Profesionales
El Master en Big Data y Business Intelligence - Data Science te permitirá desempeñar cargos directivos como arquitecto de soluciones Big Data, analista de datos, consultor Business Intellingence , gestor de infraestructuras Big Data, responsable de seguridad o privacidad Big Data, desarrollador de sistemas Big Data o auditor de datos web Big Data.
MÓDULO 1. CONCEPTOS PREVIOS EN BIG DATA Y BUSINESS INTELLIGENCE
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información: historia del big data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open Data
  6. Información pública
  7. IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 2. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución de Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 3. FASES DE UN PROYECTO DE BIG DATA
  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)
MÓDULO 2. TECNOLOGÍAS PARA BUSINESS INTELLIGENCE
UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de textos y Web Mining
  6. Data mining y marketing
UNIDAD DIDÁCTICA 2. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de Datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
  1. Visión General: ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube
UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
  1. Tipos de herramientas para BI
  2. Productos comerciales para BI
  3. Productos Open Source para BI
  4. Beneficios de las herramientas de BI
MÓDULO 3. HERRAMIENTAS PARA EXPLOTACIÓN Y ANÁLSIS DE BIG DATA
UNIDAD DIDÁCTICA 1. BASES DE DATOS NoSQL Y EL ALMACENAMIENTO ESCALABLE
  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL: Teorema de CAP
  4. Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NoSQL: MongoDB
  1. ¿Qué es MongoDB?
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 3. PROCESAMIENTO DISTRIBUIDO DE DATOS CON HADOOP
  1. ¿Qué es Hadoop?
  2. El sistema de archivos HDFS
  3. Algunos comandos de referencia
  4. Procesamiento MapReduce con Hadoop
  5. El concepto de los clusters en Hadoop
UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos
UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
  1. Una aproximación a Pentaho
  2. Soluciones que ofrece Pentaho
  3. MongoDB & Pentaho
  4. Hadoop & Pentaho
  5. Weka & Pentaho
MÓDULO 4. ANALÍTICA WEB Y BIG DATA
UNIDAD DIDÁCTICA 1. ¿QUÉ ES LA ANALÍTICA WEB?
  1. Introducción
  2. La Analítica Web: Un reto cultural
  3. ¿Qué puede hacer la analítica web por ti o tu empresa?
  4. Glosario de Analítica Web
UNIDAD DIDÁCTICA 2. ANALÍTICA WEB BÁSICA: INTRODUCCIÓN
  1. La analítica web en la actualidad
  2. Definiendo la analítica web
  3. El salto a la analítica web moderna
UNIDAD DIDÁCTICA 3. ANALIZAR LA INFORMACIÓN CUANTITATIVA
  1. Identificar los factores críticos
  2. Otros factores que convienen medir
  3. Las macro y microconversiones
  4. Medir el valor económico
  5. Sitios sin comercio: valores a medir
  6. Medición de sitios B2B
UNIDAD DIDÁCTICA 4. ANALIZAR LA INFORMACIÓN CUALITATIVA
  1. Introducción
  2. La usabilidad Web
  3. Pruebas Online y a Distancia
  4. Las encuestas
UNIDAD DIDÁCTICA 5. DEFINICIÓN DE KPIS
  1. Definición de KPIs
  2. KPI, CSF y metas
  3. Principales KPIS
  4. Ejemplos de KPIS
  5. Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 6. CI: INTELIGENCIA COMPETITIVA
  1. Introducción
  2. Recopilar datos de Inteligencia Competitiva
  3. Análisis del tráfico de sitios web
  4. Búsquedas
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB 2.0. MÓVILES Y VÍDEOS
  1. Introducción
  2. La nueva web social y como medir datos
  3. Las aplicaciones
  4. Analizar el comportamiento desde el móvil
  5. Analizar el rendimiento de los vídeos
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB 2.0. REDES SOCIALES
  1. Análisis de Blogs
  2. Coste y beneficios de escribir en un blog
  3. Nuestro impacto en Twitter
  4. Métricas para Twitter
UNIDAD DIDÁCTICA 9. PROBLEMAS Y SOLUCIONES DE LA ANALÍTICA WEB
  1. La calidad de los datos
  2. Obtener datos válidos
  3. ¿En qué basarnos para la toma de decisiones?
  4. Beneficios de análisis multicanal
UNIDAD DIDÁCTICA 10. MÁS ALLÁ DE LOS DATOS
  1. Segmentación en base al comportamiento
  2. Predicción y minería de datos
  3. Rumbo a la analítica inteligente
UNIDAD DIDÁCTICA 11. DEL BIG DATA AL LINKED OPEN DATA
  1. Concepto de web semántica
  2. Linked Data Vs Big Data
  3. Lenguaje de consulta SPARQL
MÓDULO 5. ANALÍTICA WEB CON GOOGLE ANALYTICS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A GOOGLE ANALYTICS
  1. Conceptos básicos
  2. Creación de una cuenta en Google Analytics
  3. Perfil de sitio Web
  4. Código de seguimiento
  5. Objetivos
  6. Informes
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A GOOGLE ADWORDS
  1. Introducción
  2. Los anuncios de Google AdWords
  3. Definiciones básicas
  4. Ventajas de Google AdWords
  5. Google Adsense
  6. Analytics VS AdWords
UNIDAD DIDÁCTICA 3. PERSONALIZAR GOOGLE ANALYTICS
  1. Introducción a las alertas
  2. Crear alerta personalizada
  3. Casos de alertas personalizadas
  4. Informes personalizados
  5. Ejemplo de un informe personalizado
  6. Cuentas
  7. Objetivos y embudos de conversión
  8. Determinar objetivos y embudos de conversión
  9. Filtros: Crear un filtro
  10. Configurar seguimiento del comercio electrónico
  11. Segmentos avanzados
  12. Expresiones regulares
UNIDAD DIDÁCTICA 4. GOOGLE ANALYTICS A DIARIO
  1. Google analytics en Android
  2. Google Analytics en iPhone
  3. Google Analytics para otros dispositivos móviles
  4. Google Analytics para Firefox
  5. Gestionar visitas
  6. Extensiones Google Chrome para Google Analytics
  7. Ayuda de Google Analytics
  8. Google Analytics Qualified Individual
  9. Google Analytics Certified Partner
MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA
UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python: Dream Team del Big Data
UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA
  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop
MÓDULO 7. DATA SCIENCE
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Compunting
  4. Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL: Una base de datos relacional
UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis
UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS
  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados
MÓDULO 8. PROYECTO FIN DE MÁSTER

Con nuestra metodología de aprendizaje online, el alumno comienza su andadura en INESEM Business School a través de un campus virtual diseñado exclusivamente para el desarrollo de las acciones formativas. El alumno debe avanzar de manera autónoma a lo largo de las diferentes unidades didácticas así como realizar las actividades y autoevaluaciones correspondientes.

La carga de horas de la acción formativa comprende las diferentes actividades que el alumno realiza a lo largo de su itinerario. Las horas de teleformación realizadas en el Campus Virtual se complementan con el trabajo autónomo del alumno, la comunicación con el tutor, el tiempo dedicado a actividades y recursos complementarios y la labor de investigación y creación asociada a los diferentes proyectos y trabajos propuestos.

El alumno debe tener una nota media mínima del 50% tras realizar todas las autoevaluaciones, debe superar correctamente el 50% de las cuestiones planteadas en un examen final y global, así como visualizar el 75% mínimo de los contenidos de la plataforma. Cuando se supere con éxito las autoevaluaciones, el examen y se haya visualizado el mínimo de contenidos exigidos, será necesario comunicar a través del campus virtual la finalización del mismo, para que comience el proceso de expedición de titulación.

Durante todo el itinerario formativo, el alumno contará con:

Claustro de Profesores Especializado que realizará un seguimiento personalizado al alumno.

Campus virtual con acceso ilimitado y acceso desde cualquier dispositivo.

Materiales didácticos que servirán de apoyo al alumno durante su formación.

Material adicional proporcionado por los profesores para profundizar en cuestiones indicadas por el alumno.

Centro de atención al estudiante (CAE). Asesoramiento al alumno antes, durante y después de su formación con un teléfono directo con el claustro docente 958 050 242.

INESEM Emplea. Programa destinado a mejorar la empleabilidad de nuestros alumnos mediante orientación profesional de carrera y gestión de empleo y prácticas profesionales.

Comunidad formada por todos los alumnos de INESEM Business School para debatir y compartir conocimiento.

Revista Digital INESEM. Punto de encuentro de profesionales y alumnos con el que podrás comenzar tu aprendizaje colaborativo.

Master class INESEM. Aprende con los mejores profesionales enseñando en abierto. Únete, aprende y disfruta.

Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales
Instituto Europeo de Estudios Empresariales

Becas y financiación del Master en Big Data y Business Intelligence. Data Science

beca desempleo

20%

Para los que atraviesen un periodo de inactividad laboral y decidan que es el momento idóneo para invertir en la mejora de sus posibilidades futuras.

beca antiguos alumnos

10%

Como premio a la fidelidad y confianza de los alumnos en el método INESEM, ofrecemos una beca a todos aquellos que hayan cursado alguna de nuestras acciones formativas.

beca emprende

15%

Una beca en consonancia con nuestra apuesta por el fomento del emprendimiento y capacitación de los profesionales que se hayan aventurado en su propia iniciativa empresarial.

Financiación 100% sin intereses

* Becas aplicables sólamente tras la recepción de la documentación necesaria en el Departamento de Asesoramiento Académico. Más información en el 958 050 205 o vía email en formacion@inesem.es
* Becas no acumulables entre sí.
* Becas aplicables a acciones formativas publicadas en inesem.es
Matriculación en: Master en Big Data y Business Intelligence. Data Science
El descuento aplicado lo podrá ver en la próxima pantalla.
 

Eligiendo esta forma de pago, usted puede aplazar el pago de su acción formativa para importes superiores a 300€. El primer cargo se realizará de forma instantánea y el resto a los 30 dias de la fecha de compra.

Si paga en un único plazo obtendr� un descuento del 5%.

* El campo es obligatorio

INESEM EMPLEA


Completa tu formación con nuestro Servicio de Orientación Profesional y nuestro Programa de Entrenamiento por Competencias
  • ORIENTACIÓN

  • PRÁCTICAS

  • EMPLEO

Artículos relacionados con el Master en Big Data y Business Intelligence. Data Science

¡Mantente actualizado! Nuestros profesores analizan la actualidad y las últimas tendencias de todas nuestras áreas de formación
Revista Digital

¿Empresa o empleado? Bonificamos tu formación

  •  
  •  
  •  
  •  
  • Gestionamos el crédito formativo de tu empresa
  • Asesoramiento para aplicar correctamente la bonificación
  • Trámites administrativos para uso de formación bonificada
  • Diseño de planes formativos adaptados a tus necesidades


Proceso de admisión

 
1 Completa la solicitud de admisión a través de la web, adjunta tu curriculum vitae y una carta de presentación explicando tu trayectoria académica y profesional, así como tus motivaciones e intereses
 
2 Realiza una entrevista con el Departamento de Admisiones. Nuestros expertos evaluarán las competencias y aptitudes del alumno y la posibilidad de otorgarle una Beca INESEM
 
3 Formaliza tu matrícula
En caso de ser admitido la Comisión Coordinadora contactará contigo para iniciar el proceso de matriculación