Accès obert Vols més informació?

Intel·ligència de Negoci i Big Data

Màster

El màster en Intel·ligència de negoci Big Data (MIB) es dirigeix a dos perfils professionals diferenciats:

- D'una banda, un perfil funcional i empresarial interessat en adquirir o completar la seva formació en mètodes, tècniques i eines d'anàlisis i mineria de dades i en la utilització de tecnologies d'intel·ligència de negoci, a nivell d'usuari avançat.

- I d'una altra, un perfil tècnic interessat en:

  • adquirir o completar la seva formació en el disseny, construcció, explotació i  administració de les bases de dades per a entornos analítics (data warehouse), que són la base dels sistemes i tecnoliges de la informació de la   informació de la intel·ligència de negoci i l'anàlisi de dades.
  • adquirir formació en l'ús dels sistemes Big data, incloent anàlisi en entorns distribuits i magatzament distribuit mitjançant bases de dades NoSQL.

Per a atendre a les necessitats de cada perfil, el màster s'ha estructurat en especialitats, de manera que l'estudiant pot triar segons els seus interessos:

Semestre Itinerari de
Enginyeria de dades
Itinerari de
Big Data
Itinerari de
Anàlisi de dades
1 E1. Fonaments d'intel·ligència de negoci i Big Data (16 crèdits)
2 E2. Anàlisi i mineria de dades (16 crèdits)
3 E3. Bases de dades per a entorns analítics (16 cràdits) E4. Big Data i sistemes NoSQL (16 crèdits) E5. Usos de la intel·ligència de negoci en la empresa (16 crèdits)
4 Treball final de màster (12 crèdits)

 

Especialitats i assignatures

E1. Fonaments d'intel·ligència de negoci i big data (16 crèdits)

Aquesta especialitat es dirigeix a introduir l'estudiant en els conceptes, mètodes, tècniques i eines que utilitzen els sistemes d'intel·ligència de negoci i anàlisi de dades, amb casos pràctics i l'ús de programari especialitzat.

Aquesta especialitat és obligatòria en tots els itineraris del màster.

Es compon de les assignatures següents:

  • Fonaments d'intel·ligència de negoci (4 crèdits) En aquesta assignatura l'estudiant es familiaritza amb un sistema complet d'intel·ligència de negoci (la "fàbrica d'informació") i amb els diferents components: el magatzem de dades, els processos d'extracció i transformació, la creació del magatzem de dades, l'anàlisi multidimensional i la realització d'informes i quadres de comandament. L'estudiant treballa amb eines Pentaho (Enterprise Edition) i MySQL en una plataforma virtual en el núvol i sobre bases de coneixement de la consultora Gartner i altres empreses de prospectiva.
  • Gestió de projectes de BI (4 crèdits) En aquesta assignatura l'estudiant es familiaritza amb el model internacional de referència en gestió de projectes (PMBoK) i amb els mètodes específics de producció de projectes d'intel·ligència de negoci, a través d'un cas pràctic i de continguts teòrics. L'estudiant treballa amb eines de gestió de projectes (MSProject i equivalents) i amb eines d'ofimàtica (tipus XLS i PPT).
  • Fonaments i usos del Big Data (4 crèdits) En aquesta assignatura l'estudiant treballa el que alguns han anomenat la "gestió extrema de la informació", és a dir, la transformació de l'enorme volum de dades ocult a l'interior de la mateixa organització o present al voltant seu, els diferents tipus de dades i informació i la seva aplicació en l'empresa. S'hi estudia el cicle de vida de la gestió de dades massives i els aspectes tecnològics, legals i ètics. L'estudiant treballa amb universos de dades pròpies de la universitat, cedits per empreses o procedents de les xarxes socials, a través d'eines com Apache Hadoop i Apache Spark.
  • Pensament analític en l'empresa (4 crèdits) El pensament analític representa un canvi en la manera de prendre decisions i en la cultura de l'empresa. En aquesta assignatura es treballen les eines, el vocabulari i les metodologies bàsiques per a analitzar una situació de negoci i de forma sistemàtica traduir-lo en un projecte de dades.Actua també com a assignatura anivelladora per a estudiants que no han rebut anteriorment una formació sobre l'arquitectura i components dels sistemes d'informació d'empresa (ERP, CRM, SCM, etc.) i la seva relació amb els sistemes d'intel·ligència de negoci. Finalment, es proposa una metodologia per a analitzar les tendències del mercat de BI i es presenten les tendències més actuals.

 

E2. Anàlisi i mineria de dades (16 crèdits)

Aquesta especialitat es dirigeix a proporcionar al professional de perfil empresarial i tecnològic capacitats pràctiques d'anàlisis de dades i de maneig d'eines, dins del marc acadèmic de data science aplicat als negocis i les organitzacions.

Aquesta especialitat és obligatòria en tots els itineraris del màster.

Es compon de les assignatures següents:

  • Mineria de dades: conceptes i tècniques  (4 crèdits) En aquesta assignatura l'estudiant treballa amb models teòrics, casos pràctics i eines estadístiques els processos de definició de problemes, preparació de dades i exploració, així com els principals conceptes de l'estadística clàssica: correlacions, regressions lineals, reducció de la dimensionalitat, etc.L'estudiant rep una formació i pràctica sòlides en la utilització de l'eina R, un estàndard de facto del mercat.
  • Business analytics: models i algorismes (5 crèdits) L'assignatura presenta els conceptes i tipologia d'anàlisi de diferents tipus de dades, els models i algorismes d'ús més freqüent de classificació i agrupació i les metodologies i estàndards professionals i científics que s'usen en analítica de negoci. En aquesta assignatura l'estudiant treballa principalment amb R, encara que es poden fer exercicis amb altres eines (Excel, QlikView).
  • Sistemes de reporting y cuadros de mando (4 crèdits) En aquesta assignatura, l'estudiant es familiaritza amb la construcció i l'ús de sistemes de reporting i quadres de comandament, tant des del punt de vista estratègic com a operatiu, així com dels marcs conceptuals en què es basen. S'hi estudien el model de quadre de comandament integral (balanced scorecard) i altres sistemes d'intel·ligència competitiva. L'assignatura inclou un cas extens de construcció d'un quadre de comandament a partir d'un magatzem de dades (data warehouse) desenvolupat. L'estudiant treballa amb eines ofimàtiques (XLS, PPT) i amb una eina dedicada, en aquest cas QlikView.
  • Govern de dades (data governace) (4 crèdits) En aquesta assignatura, l'estudiant es familiaritza amb el govern de dades, una pràctica que uneix persones, processos i tecnologia per canviar la forma en què les dades són adquirits, gestionats, mantinguts, transformats en informació, compartits en el context de l'organització com coneixement comú i sistemàticament obtinguts per l'empresa per millorar la rendibilitat. L'estudiant treballa amb eines ofimàtiques (DOC, XLS, PPT) i amb eines especialitzades per al desenvolupament d'un programa de govern de dades.

 

E3. Bases de dades per a entorns analítics (16 crèdits)

En aquesta especialitat s'adquireixen les competències per a dissenyar, construir, mantenir i explotar els sistemes d'informació d'intel·ligència de negoci més habituals, és a dir, els que es basen en l'ús de bases de dades relacionals per a la construcció d'un magatzem de dades o data warehouse.

Aquesta especialitat es optativa.

Es compon de les assignatures següents:

  • Disseny i construcció del data warehouse (6 crèdits) En aquesta assignatura s'aprèn a crear un magatzem de dades adequat que ofereixi suport en la presa de decisions de l'organització. Es presenta a nivell conceptual l'arquitectura d'emmagatzematge d'un sistema de BI per Data Warehousing i es donen pautes per a la construcció d'aquest tipus de sistemes. La posada en pràctica es duu a terme mitjançant la resolució d'un cas pràctic extens per al qual s'utilitzen diferents eines de Microsoft o Pentaho, sobre bases de dades Oracle o PostgreSQL.
  • Bases de dades per a data warehouse (5 crèdits) Aquesta assignatura té per objectiu adquirir conceptes, procediments i bones pràctiques per a la creació i manipulació de les bases de dades relacionals que donen suport a la construcció del magatzem de dades. S'aprofundeix en l'aprenentatge del llenguatge SQL, i en el disseny físic de bases de dades, així com en bases de dades orientades a columnes. Aquestes bases de dades es caracteritzen per l'emmagatzematge de les dades en forma de columnes, a diferència de les bases de dades relacionals tradicionals que realitzen un emmagatzematge de les dades per files. Es treballa amb una base de dades relacional tipus PostgreSQL.
  • Explotació i administració de sistemes de data warehouse (5 crèdits) En aquesta assignatura s'aprèn a avaluar la viabilitat de la construcció d'un magatzem de dades i a explotar i administrar sistemes de Data Warehouse. Amb aquesta finalitat es presenten les diferents formes de presentar les dades i quins tipus d'eines poden oferir el tipus de visualització que interessa. Així mateix s'ensenya a administrar el sistema durant el seu desenvolupament, implantació i/o posterior explotació de les dades. Es treballa amb la mateixa família d'eines: Microsoft o Pentaho per al magatzem de dades i Oracle o PostgreSQL com a bases de dades.

 

E4. Big data i sistemes NoSQL (16 crèdits)

En aquesta especialitat s'adquireixen les competències per a dissenyar, construir, mantenir i explotar els sistemes d'informació d'intel·ligència de negoci més nous, basats en la captura, processament i gestió de dades massives, de diferents procedències i tipologia.

Aquesta especialitat es optativa.

Es compon de les assignatures següents:

  • Escenaris d'ús de Big data (5 crèdits) En aquesta assignatura es presenten diferents escenaris de negoci que combinen tant l'analítica de negoci com el big data, i com poden ser utilitzats per a la creació de nous productes i serveis basats en les dades. Entre aquests escenaris destaquen la intel·ligència geogràfica, l'analítica social o el paradigma de dades obertes. Així mateix es presenten tecnologies no cobertes en altres assignatures com serien stream data o els sistemes d'indexació i cerca distribuïda. Per les característiques de l'assignatura es treballa amb diferents eines que s'actualitzen contínuament i poden canviar a cada edició i que inclouen R i GeoBI entre d'altres.
  • Tecnologies de big data: dades i usos (6 crèdits) En aquesta assignatura es presenten les bases per a l'emmagatzematge i processament de dades massives o big data. Veurem els principals models de processament (batch i stream), així com els frameworks més utilitzats en l'actualitat (Apache Hadoop i Apache Spark). De cada un, presentarem els seus ecosistemes i introduirem els mòduls més rellevants per a l'accés, procés i visualització de dades, incloent-hi l'anàlisi de dades, machine learning i la manipulació de dades en format de grafs. Es treballa principalment amb l'entorn d'emmagatzematge distribuït HDFS i amb els frameworks de processament Apache Hadoop i/o Apache Spark sobre màquines virtuals accessibles des de l'aula. La universitat compta amb un univers de dades propi per realitzar les activitats pràctiques.
  • Bases de dades NoSQL (5crèditsLes bases de dades NoSQL constitueixen una alternativa a les bases de dades relacionals i són especialment idònies per a certs dominis d'aplicació: dominis que treballen amb grans volums de dades, dominis on es requereixi una alta distribució i/o disponibilitat, dominis que treballen amb dades poc estructurades i dominis en què s'estableixen múltiples i complexes interrelacions entre les dades. En aquesta assignatura es presenten els principis i conceptes d'aquest tipus de bases de dades, els models de dades subjacents i els problemes que presenta la distribució en l'emmagatzematge i gestió de les dades. Es treballen diferents tipus de bases de dades NoSQL (clau-valor, documents, orientades a columnes i grafs) amb eines com Riak, MongoDB o Neo4j.

 

E5. Usos de la inteligencia de negocio en la empresa (16 crèdits)

Aquesta especialitat es dirigeix a proporcionar al professional de perfil més empresarial casos pràctics d'ús de la intel·ligència de negoci tant en l'estratègia d'empresa com en la gestió operativa dels processos de negoci més importants: gestió economicofinancera, màrqueting i vendes, operacions i logística, etc.

Aquesta especialitat es optativa.

Es compon de les assignatures següents:

  • Gestió economicofinancera: casos de negoci (4 crèdits) En aquesta assignatura, mitjançant casos pràctics, s'analitza l'ús de sistemes d'intel·ligència analítica en els processos de gestió i seguiment pressupostari, gestió de tresoreria i finances estratègiques i operatives, en diferents sectors econòmics. L'estudiant treballa amb eines ofimàtiques (XLS, PPT), de anàlisi (R) i de reporting (QlikView i Tableau).
  • Màrqueting i vendes: casos de negoci (4 crèdits) En aquesta assignatura, l'estudiant estudia l'ús d'eines de business intelligence en una de les àrees en les quals l'ús de la intel·ligència de negoci està més desenvolupat i és més prometedor. S'hi analitzen els conceptes i bones pràctiques de recerca de mercat, gestió de les vendes i les relacions amb els clients i anàlisis i predicció del comportament dels clients (customer analytics). L'estudiant treballa amb eines ofimàtiques (XLS, PPT), estadístiques (R), i de reporting i d'anàlisi (QlikView o Tableau).
  • Operacions i logística: casos de negoci (4 crèdits) S'hi treballen els usos del BI en la cadena de subministrament (aprovisionament, producció, gestió de magatzems, transport i distribució al punt de venda) i les noves aplicacions vinculades a la internet de les coses (IoT) i els sistemes d'informació geogràfica. L'estudiant treballa amb eines ofimàtiques (XLS, PPT), estadístiques (R), de reporting i anàlisi (QlikView o Tableau), així com exercicis que integren sistemes d'informació geogràfica de codi obert.
  • Recursos humans: casos de negoci (4 crèdits) L'analítica de recursos humans (HR analytics) també anomenada anàlisi de talent, és l'aplicació de tècniques sofisticades de mineria de dades i Business Analytics a les dades de recursos humans. Mitjançant un cas pràctic, l'estudiant veurà com es poden aplicar aquestes tècniques per a una gestió estratègica eficaç dels recursos humans, de manera que els objectius de negoci es cpuedan complir d'una rorma ràpida i eficient, obtenint un rendiment òptim sobre el capital humà. Durant el curs, l'estudiant treballa amb eines ofimàtiques (XLS, PPT), d'anàlisi (R) i de reporting (QlikView o Tableau).

 

Treball final de màster (TFM) (12 crèdits)

El màster es completa amb un treball final de màster (TFM) que té un valor de 12 crèdits. El treball final de màster és obligatori en tots els itineraris del màster.

El treball final es pot fer en dues modalitats:

  • Triar entre una sèrie de temes proposats per l'equip docent, que cobreixen els components o blocs temàtics principals de l'àmbit d'intel·ligència de negoci i anàlisi de dades.
  • Proposar un projecte propi que interessi a l'estudiant i que pot fer en la seva empresa.

 

Recursos comuns per a l'aprenentatge

L'estudiant disposa al llarg del programa de recursos comuns de suport i aprenentatge:

  • Una assignatura transversal optativa d'adquisició de competències digitals (Aprofitar les TIC en postgrau), que té per objecte familiaritzar-se amb l'ús de les eines del campus i aules de la UOC, i la formació en tècniques d'informació i comunicació social per a la formació virtual.
  • Un laboratori  virtual de tecnologies i eines de business intellegence,   que dona serveis de suport en l'ús de les eines. El programa té acords amb els principals fabricants de programari de BI i big data, amb empreses d'infraestructura virtualitzada i amb un laboratori d'eines de programari de codi obert.
  • Un laboratori virtual de llenguatges de programació, que proporciona suport a l'estudiant durant tot el programa en els temes relacionats amb la programació, especialment amb el llenguatge R.
  • Un tutor assignat al llarg de tot el programa, per al seguiment individualitzat del progrés de l'estudiant, la resolució d'incidències administratives i la coordinació amb els docents. L'aula de tutoria proporciona també informació d'actualitat, anuncis d'esdeveniments i cursos i ofertes de treball.
  • Un conjunt de recursos per a l'aprenentatge no guiat: un blog sobre temes d'actualitat, un canal de vídeo, diverses webs pròpies, una wiki sobre l'ús de les eines de laboratori, un repositori de casos i projectes de finalització de carrera, accés a les bases de dades de l'empresa de prospectiva Gartner, a la Biblioteca Virtual de la Universitat i a la xarxa de recursos de les biblioteques públiques.
  • Recursos d'anivellament, com ara tutorials, vídeos i materials docents d'altres programes de la UOC, per a aquells estudiants que presentin mancances de formació en àmbits d'empresa, sistemes d'informació, estadística o tecnologies.
  • Una borsa de treball, tant per a ofertes de feina estable com per a fer pràctiques voluntàries en empreses.

 

Eines de programari

El programa aspira al fet que els professionals de vocació i perfil més empresarial i funcional puguin adquirir competències d'usuari avançat per a l'anàlisi de negoci. Els estudiants d'aquest tipus de perfil segueixen el recorregut no tecnològic (itineari d'anàlisi de dades).

De la mateixa manera, aquells professionals de perfil i vocació més tecnològica adquiriran: (1) competències avançades de disseny, construcció i explotació de sistemes de BI, basades en aquestes eines (si segueixen l'itinerari d'Enginyeria de dades), o (2) competencies de captura, procesament, magatzemament  i análisi de grnas volúmens da dades (Big Data) (si segueixen l'itinerari de Big Data)   En tots dos es disposa d'un laboratori a càrrec de personal especialitzat.

La UOC té acords de col·laboració estable amb els programes acadèmics de IBM, Microsoft, QlikView i Tableau. Així mateix, contínuament estem avaluant altres eines i acords amb altres fabricants.

La UOC ha tingut tradicionalment un compromís amb el programari de codi obert, especialment en l'àmbit de la intel·ligència de negoci. La nostra eina de referència en anàlisi estadística i mineria de dades és R, per a l'ús de la qual disposem de manuals, tutorials i una web de continguts. La nostra eina de referència en l'explotació i anàlisi de dades massives són Apache Hadoop i Apache Spark. Per a l'aprenentatge de bases de dades NoSQL utilitzem eines com MongoDB, Riak o Neo4j.

Depenent de les exigències de rendiment del programari, algunes aplicacions es poden descarregar en l'ordinador de l'estudiant o bé accedir a màquines virtuals d'Amazon i Azure des de la mateixa aula.

Es recomanable disposar de màquines i SO de 64 bits i 4 GB de RAM mínim (6 GB recomanades).

En la descripció de cada especialitat i assignatura, s'inclouen les eines que s'utilitzen per a l'aprenentatge. Aquesta descripció pot canviar en cada convocatòria en funció de les necessitats docents, l'actualització del programa i la relació amb fabricants actuals o nous.

Matrícula oberta
últims dies

Matricula't
Consulta el procés de matrícula

Vols més informació?

Vols més informació?

Pref.Ex.: + 34
Telèfon fixEx.: 932532300
Pref.Ex.: + 34
Telèfon mòbilEx.: 123456789
Pref.Ex.: + 34
LadaEx.: 234
Telèfon de contacteEx.: 4585324
Pref.Ex.: + 34
LadaEx.: 234
Telèfon de contacteEx.: 4585324
Pref.Ex.: + 34
LadaEx.: 234
Telèfon de contacteEx.: 4585324
Pref.Ex.: + 34
Telèfon de contacteEx.: 4585324
Pref.Ex.: + 34
Telèfon de contacteEx.: 4585324


Pagament fraccionat



Pots fraccionar en quotes el pagament del teu màster, postgrau o especialització

Per què escollir la UOC?

Titula't en #eltuquevolsser

El model educatiu de la UOC


Sessió informativa
5 d'octubre Inscriu-te!
Més informació


Online

5 d'octubre, 18.00 h (horari GMT+1h; Barcelona). Presentació en directe a través del següent enllaç.

(És aconsellable connectar-se a la sessió deu minuts abans de l'inici).

El moment de ser #eltuquevolsser és SEMPRE

Vols més informació?

Pref.Ex.: + 34
Telèfon fixEx.: 932532300
Pref.Ex.: + 34
Telèfon mòbilEx.: 123456789
Pref.Ex.: + 34
LadaEx.: 234
Telèfon de contacteEx.: 4585324
Pref.Ex.: + 34
LadaEx.: 234
Telèfon de contacteEx.: 4585324
Pref.Ex.: + 34
LadaEx.: 234
Telèfon de contacteEx.: 4585324
Pref.Ex.: + 34
Telèfon de contacteEx.: 4585324
Pref.Ex.: + 34
Telèfon de contacteEx.: 4585324