Accès obert Vols més informació?

Màster d'Intel·ligència de Negoci i Big Data Analytics

El màster en Intel·ligència de Negoci i Big Data Analytis 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 formació en l'ús dels sistemes big data, que inclou el disseny de sistemes de data lakes i processament de dades en batch i en streaming.

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

Semestre Itinerari de
Big data
Itinerari
d'Anàlisi de dades
1 E1. Analítica de Dades (18 crèdits)
2 E2. Gestió de Dades (18 crèdits)
3

E3. Casos d'Usos Analítics (18 crèdits)

E4. Big data (18 crèdits)

4 Treball final de màster (12 crèdits)



Especialitats i assignatures

E1. Analítica de Dades (Data Analytics

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

Es compon de les assignatures següents:

  • Fonaments d'intel·ligència de negoci (6 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 diferents eines (Pentaho, MySQL, Tableau) i sobre bases de coneixement de la consultora Gartner.
  • Fonaments del big data (6 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.
  • Fonaments de data science (6 crèdits): l'assignatura presenta els conceptes i tipologia d'anàlisi de diferents tipus de dades, els models i algoritmes d'ús més freqüent de classificació i agrupació i les metodologies i estàndards professionals i científics que es fan servir en analítica de negoci i la ciència de dades aplicada. En aquesta assignatura l'estudiant treballa principalment amb R i Rstudio, encara que es poden fer exercicis amb altres eines.
Especialitat obligatòria per a tots els itineraris del màster


E2. Gestió de dades (Data Management)

Aquesta especialitat es dirigeix a proporcionar al professional de perfil empresarial i tecnològic capacitats pràctiques per a la gestió i emmagatzemament de dades relacionals i no relacionals, així com la gestió de les dades com a un actiu de valor a través del govern de dades.

Es compon de les assignatures següents:

  • Govern de dades (6 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 adquirides, gestionades, mantingudes, transformades en informació, compartides en el context de l'organització com a coneixement comú i sistemàticament obtingudes 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 (Trifacta, Talend).
  • Bases de dades analítiques (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 (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 especialitzades (Pentaho, Microsoft, Oracle i/o PostgreSQL).
  • Bases de dades NoSQL (6 crèdits): les 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.
Especialitat obligatòria per a tots els itineraris del màster


E3. Casos d'Usos Analítics

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: màrqueting i vendes, operacions i logística, recursos humans etc.

Es compon de les assignatures següents:

  • Customer analytics (6 crèdits): en aquesta assignatura, l'estudiant estudia l'ús d'eines d'intel·ligència de negoci (business intelligence) i analítica de negoci en una de les àrees més desenvolupades i de més impacte. S'hi analitzen els conceptes i les bones pràctiques de recerca de mercat, gestió de les vendes i les relacions amb els clients, i anàlisi i predicció del comportament dels clients (customer analytics). 
  • Operations analytics (6 crèdits): s'hi treballen els usos de la intel·ligència de negoci (business intelligence) i l'analítica de negoci 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. 
  • People Analytics (6 crèdits):  l'analítica de recursos humans (HR analytics), també anomenada people analytics, és l'aplicació de tècniques sofisticades de mineria de dades i analítica de negoci (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 puguin complir d'una manera ràpida i eficient, amb l'obtenció d'un rendiment òptim sobre el capital humà. 

Durant el curs, l'estudiant treballa amb eines ofimàtiques (XLS, PPT), estadístiques (R), i de creació d'informes (reporting) i anàlisi (Tableau).

Especialitat optativa en el màster


E4. Big data

Aquesta especialitat es dirigeix a proporcionar al professional de perfil tecnològic capacitats pràctiques per a dissenyar i implantar sistemes de dades massives o big data (batch processing, data lakes) que siguin compatibles amb les diferents necessitats analítiques d'una organització (diferides, en temps real, multipropòsit, orientades a l'aprenentatge automàtic —machine learning—).

Es compon de les assignatures següents:

  • Data lakes (6 crèdits): en aquesta assignatura s'aprèn a crear un llac de dades (data lake) que complementa la factoria d'informació organitzativa. Es presenta conceptualment l'arquitectura d'un llac de dades i es donen pautes per a construir aquesta mena 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 especialitzades.
  • Tecnologies de batch processing (6 crèdits): en els projectes de dades massives (big data), un dels casos d'ús principals és l'emmagatzematge, el processament i l'anàlisi de grans volums de dades en llargs períodes de temps. En aquesta assignatura es presenten les tecnologies de processament per lots (batch processing) que responen a aquesta necessitat. Es dóna a conèixer aquestes tecnologies de manera conceptual i pràctica mitjançant la resolució d'un cas pràctic extens per al qual s'utilitzen diferents eines especialitzades. 
  • Tecnologies de stream processing (6 crèdits): en els projectes de dades massives (big data), un dels casos d'ús principals és treballar amb dades en temps real. En aquesta assignatura es presenten les tecnologies de processament per fluxos (stream processing) que responen a aquesta necessitat. Mitjançant la resolució d'un cas pràctic es donen a conèixer aquestes tecnologies de manera teòrica i pràctica.

Durant el curs, l'estudiant treballa amb eines especialitzades com Cloudera, així com amb els frameworks de processament Apache Flink, Apache Spark i/o Storm. La universitat compta amb un ecosistema de dades propi per a realitzar les activitats pràctiques.

Especialitat optativa en el màster


Treball final de màster (TFM)

El màster es completa amb un treball final de màster (TFM) que té un valor de 12 crèdits. El TFM es pot desenvolupar en tres modalitats:

  1. Triar entre una sèrie de temes proposats per l'equip docent, els quals cobreixen els blocs temàtics principals de l'àmbit d'intel·ligència de negoci, big data i anàlisi de dades.
  2. Triar entre un conjunt de temes suggerits per empreses, que cobreixen els blocs temàtics centrals de l'àmbit de la intel·ligència de negoci, big data i análisi de dades.
  3. Plantejar un projecte propi que cobreixi els interessos de l'estudiant i que pugui desenvolupar-se en la seva empresa.
El TFM és obligatori en tots els itineraris del màster
Recursos 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 dóna serveis de suport en l'ús de les eines. El programa té acords amb els principals fabricants de programari de business intelligence 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.

 

Eines de programari
 

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, que complementem amb solucions al núvol. 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 (8 GB recomanades).

En la descripció de cada programa 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


Fracciona el pagament en quotes

Matricula't
Consulta el procés de matrícula
Vols més informació?

Envia les teves dades i rebràs informació d'aquest programa i relativa a productes, serveis i activitats promocionals de la UOC

Introdueix un número de 9 dígits.
Introdueix un número de 9 dígits.
i_fix
Pref. Int.
Introdueix un número de 9 dígits.
i_fix
Pref. Int.
Introdueix un número de 9 dígits.
Sol·licita informació


Pagament fraccionat


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

Informa-te'n

Per què escollir la UOC?

Reinventant la universitat

El model educatiu de la UOC

Sessió informativa. Màster d'Intel·ligència de Negoci i Big Data Analytics

Sessió online:
15 de septiembre, 17.00h



Informació i inscripcions

El moment de ser #eltuquevolsser és SEMPRE

Vols més informació?

Envia les teves dades i rebràs informació d'aquest programa i relativa a productes, serveis i activitats promocionals de la UOC

Introdueix un número de 9 dígits.
Introdueix un número de 9 dígits.
i_fix
Pref. Int.
Introdueix un número de 9 dígits.
i_fix
Pref. Int.
Introdueix un número de 9 dígits.
Sol·licita informació