Accès obert Vols més informació?

Intel·ligència de Negoci i Big Data Analytics

Màster

El màster en Intel·ligència de negoci Big Data Analytis (MIBA) 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 segons els seus interessos:

Semestre      Itinerari de Big Data                  


   Itinerari de Anàlisi de Dades                                  

1

  E1. Analítica de Dades (Data Analytics(18 crèdits)

2

  E2. Gestió de Dades (Data Management) (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) - 18 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, big data i ciència 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 (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.

E2. Gestió de dades (Data Management) - 18 crèdits

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.

Aquesta especialitat és obligatòria en tots els itineraris del màster.

Es compon de les assignatures següents:

  • 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 y/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.
  • Govern de dades (data governace) (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).

E3. Casos d'Usos Analítics - 18 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: màrqueting i vendes, operacions i logística, recursos humans etc.

Aquesta especialitat és optativa en el màster.

Es compon de les assignatures següents:

  • Analítica de Clients (Customer Analytics) (6 crèdits) En aquesta assignatura, l'estudiant es centra en l'estratègia actual per a la captura, la gestió, anàlisi i generació de valor estratègic de les dades de client, el que es coneix com Customer Analytics. S'introdueixen els conceptes fonamentals i les tècniques analítiques adequades per comprendre el comportament del client considerant múltiples perspectives. L'estudiant treballa amb eines ofimàtiques (XLS, PPT), estadístiques (R), i de reporting i d'anàlisi (QlikView o Tableau).
  • Analítica a Operacions i Logística (Operations Analytics) (6 crèdits) En aquesta assignatura, l'estudiant treballa l'aplicació de l'analítica i la intel·ligència de negoci en l'àmbit de la cadena de subministrament (aprovisionament, producció, gestió de magatzems, transport i distribució al punt de venda) i les operacions amb l'objectiu d'identificar i optimitzar processos de negoci. L'estudiant treballa amb eines ofimàtiques (XLS, PPT), estadístiques (R), de reporting i anàlisi (QlikView o Tableau).
  • Analítica de Persones (People Analytics) (6 crèdits) L'analítica de persones (people analytics) també anomenada anàlisi de talent, és l'aplicació de tècniques sofisticades de intel·ligència de negoci i analítica de negoci a les dades de recursos humans. Mitjançant casos pràctics, 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 compleixin d'una forma ràpida i eficient, obtenint un rendiment òptim sobre el capital humà. L'estudiant treballa amb eines ofimàtiques (XLS, PPT), estadístiques (R), de reporting i anàlisi (QlikView o Tableau).

E4. Big Data - 18 crèdits

En aquesta especialitat s'adquireixen les competències per a dissenyar, construir, mantenir i explotar els sistemes de Big Data, basats en la captura, processament i gestió de dades amb una alta volumetria, que cal capturar o analitzar a gran velocitat, de diferents procedències i tipologia.

Aquesta especialitat és optativa en el màster.

Es compon de les assignatures següents:

  • Data Lakes (6 crèdits) En aquesta assignatura s'aprèn a crear un nova arquitectura per explotar de forma eficient big data (anomenada data lake) que complementa la factoria d¿informació corporativa. Es presenta a nivell conceptual l'arquitectura d'un data lake 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 (Azure, AWS, Google).
  • Tecnologies de Batch Processing (6 crèdits) Dins dels projectes de big data, un dels casos d'ús principals és l'emmagatzematge, processament i anàlisi de dades en llargs períodes de temps. En aquesta assignatura es presenten les tecnologies de batch processing que responen a aquesta necessitat. Es donen a conèixer aquestes tecnologies a nivell conceptual i pràctic mitjançant la resolució d'un cas pràctic extens per al qual s'utilitzen diferents eines especialitzades. 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.
  • Tecnologies de Stream Processing (6 crèdits) Dins dels projectes de big data, un dels casos d'ús principals és treballar amb dades en temps real. En aquesta assignatura es presenten les tecnologies de stream processing que responen a aquesta necessitat. Es donen a conèixer aquestes tecnologies a nivell conceptual i pràctic mitjançant la resolució d'un cas pràctic extens per al qual s'utilitzen diferents eines especialitzades. Es treballa principalment amb els frameworks com Apache Flink, Apache Spark i/o Storm sobre màquines virtuals accessibles des de l'aula. La universitat compta amb un univers de dades propi per realitzar les activitats pràctiques.
     

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 TFM es pot fer en tres modalitats:

  1. 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, big data i anàlisi de dades.
  2. Triar entre una sèrie de temes proposats per empreses, que cobreixen els components o blocs temàtics principals de l'àmbit d'intel·ligència de negoci, big data i anàlisi de dades.
  3. 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 dóna 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 competències de captura, processament, magatzemament i anàlisi de 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, 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 (6 GB recomanades).

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

  • 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.

Matrícula oberta

10% dte. matrícula anticipada

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

Envia les teves dades i rebràs informació d'aquest programa i d'altres que et puguin interessar

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.
i_fix
Pref. Int.
LadaEx.: 234
Introdueix un número d'entre 8 i 11 dígits.
i_fix2
Pref. Int.
LadaEx.: 234
Introdueix un número d'entre 8 i 11 dígits.
Sol·licita informació

Sessió informativa on line
17 setembre, 18h.


Si voleu més informació podeu assistir a la sessió informativa on line que tindrà lloc el dimarts 17 de setembre a les 18h.

Formulari d'inscripció

Vídeo de la sessió informativa de l'edició anterior


Matrícula anticipada


10% dte. fins al 9 de juliol inclòs

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 on line
17 setembre, 18h.


Si voleu més informació podeu assistir a la sessió informativa on line que tindrà lloc el dimarts 17 de setembre a les 18h.

Formulari d'inscripció

Vídeo de la sessió informativa de l'edició anterior

El moment de ser #eltuquevolsser és SEMPRE

Vols més informació?


Envia les teves dades i rebràs informació d'aquest programa i d'altres que et puguin interessar

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.
i_fix
Pref. Int.
LadaEx.: 234
Introdueix un número d'entre 8 i 11 dígits.
i_fix2
Pref. Int.
LadaEx.: 234
Introdueix un número d'entre 8 i 11 dígits.
Sol·licita informació