Magíster Executive Big Data

Online

Precio a consultar

Descripción

  • Tipología

    Magíster

  • Metodología

    Online

  • Duración

    12 Meses

Descripción

La transformación digital desarrollada hasta la actualidad ha generado una alta necesidad en las empresas de conocer mejor la diversidad de la sociedad del presente y el futuro, sus comportamientos, sus necesidades, sus inquietudes, sus hábitos de compra. Este escenario ha provocado una carrera profesional por conocer al detalle el cliente y para ello es vital conocer al máximo sobre quien son sus potenciales compradores. De igual modo la era digital ha llevado a la transformación de muchas empresas de todos los sectores, incluidos los del sector primario, secundario y terciario para optimizar los modelos y sistemas de trabajo. La respuesta es sencilla, sin datos, la empresa está totalmente abocada al fracaso. Big Data va mucho más allá, pues no solo consiste en la captación de data, ya que la segunda y tercera fase estaría en el análisis e interpretación de esos datos para la toma de decisiones. Una dirección donde la dirección pueda diseñar estrategias basadas en sólidos datos que nos ayuden a implementar servicios, productos y modelos con el menor margen de error.

El Máster en Big Data Executive de CEUPE en colaboración con profesionales de Pragsis, ha querido diseñar y desarrollar un máster eminentemente práctico, con la firma intención de una vez finalizado el programa, el graduado tenga los conocimientos esenciales para trabajar en Big Data. Este programa de Postgrado cuenta con un profesorado altamente cualificado en la materia, con una dilatada experiencia en la formación de big data y su análisis y programación y la colaboración con empresas multinacionales, consultoras pioneras en data analytics y administración pública.

Instalaciones y fechas

Ubicación

comienzo

Online

comienzo

Matrícula abierta

A tener en cuenta

Herramientas analíticas y nociones básicas de Big Data: en esta fase se dará una visión general de los conceptos de la arquitectura Big Data y Analítica. Se explicará el concepto de computación distribuida, así como las ventajas que ofrece y se introducirán las principales herramientas que se utilizan para procesar y analizar grandes cantidades de datos. Gobierno del Dato: Data Governance ayudará a responder a las preguntas que a ti te interesa responder sobre un dato de forma tangencial como también sobre un proceso. Gestión de Proyectos BIG DATA: ayudará al planeamiento, la organización, la motivación, y el control de los recursos con el propósito de alcanzar uno o varios objetivos en el la gestión de proyectos de Big Data. Coaching y Design Thinking en los proyectos: se dará a conocer el uso del coaching y la metodología Design Thinking para obtener mejores resultados en la gestión de proyectos. Transformación en los negocios internacionales: se dará a conocer y usar el valor del Big Data como activo estratégico capaz de generar nuevos productos, servicios y modelos de negocio en las empresas. Estudio y modelado de los datos: en esta fase explicará cómo analizar los datos disponibles y su naturaleza desde el punto de vista morfológico, de cara a realizar un modelado que permita su explotación óptima.

Profesionales que necesiten combinar la gestión de los datos con la estrategia de la empresa basados en tecnología BIG DATA como estrategia de negocio. Profesionales de negocios que requieran tomar decisiones basados en el análisis del dato. Profesionales técnicos que requieran incorporar conocimientos de big data y análisis del dato.

Titulación Universitaria o experiencia profesional acreditada en el área

Máster Big Data Executive (Máster postgrado académico expedido por CEUPE - Centro Europeo de Postgrado) Professional Certificate - Big Data Executive

ACCESO A UN AÑO EN IDIOMAS Como valor añadido al programa se le facilita al alumno la opción de un año de estudios en el aprendizaje de uno de los siguientes idiomas: Inglés británico, inglés americano, francés, alemán, italiano, ruso y portugués (de Brasil)

El centro se pondrá en contacto contigo una vez envíes tus datos a través del formulario

Preguntas & Respuestas

Plantea tus dudas y otros usuarios podrán responderte

¿Quién quieres que te responda?

Sólo publicaremos tu nombre y pregunta

Materias

  • Seguridad
  • Coaching
  • Negocios
  • Proyectos
  • Modelos
  • Gestión
  • Marketing
  • Big Data
  • Mercado
  • Organizaciones

Temario

CONTENIDO

HERRAMIENTAS ANALÍTICAS Y NOCIONES DE BIG DATA

  • ¿Qué es? Múltiples definiciones. Poner énfasis en que los mismos datos se convierten en big data en función de lo que se quiera hacer con ellos. Ejemplo: 100M registros, hacer una media = no big data, entrenar un modelo complejo = big data.
  • Principio de funcionamiento: MapReduce. Ejemplos clásicos para entender el concepto (contar palabras en un texto, etc.).
  • Concepto de Data Lake
  • Concepto ETL, ELT
  • La importancia del metadato y el data governance para la analítica.
  • Los Datalabs en un modelo de integración analítica con el Data Lake y el Gobierno del dato.


INFRAESTRUCTURA BIG DATA
  • Hadoop: Almacenamiento y procesamiento distribuido
  • Herramientas de obtención de datos: Sqoop y Flume.
  • Motores de consulta SQL:
  • Hive e impala:Principio de funcionamiento.
  • Sintaxis y funciones propias de HiveQL e Impala.
  • Introducción y principio de funcionamiento.
  • DataFrames & Spark SQL.
  • Diferencia entre las bases de datos relacionales con integridad referencial y los motores de consulta para Big Data.
  • Interfaces:
  • Web (Hue, Ambari,Cloudera Manager).
  • Bases de datos NoSQL:
  • Hbase, Cassandra, MongoDB y Neo4J
  • Procesamiento de datos en Streaming
GOBIERNO DEL DATO
  • Gobierno de datosDefinición canónica.
  • Definición desde la experiencia.
  • Algunas preguntas que debería responder.
  • Gestión de metadatosQue es la gestión de metadatos. Cada empresa es un mundo
  • Definir lo que quiero saber de mi dato siempre.Medir el progreso ¿todos mis datos están metadatos de acuerdo a lo que quiero saber?
  • Alarmas. Estructuras definidas vs Estructuras existentes. Nadie puede saltarse los procedimientos.
  • Metadato técnico
  • Metadato de negocio
  • Metadato operacional
  • Metadato operativo.
  • Almacenamiento de datos y Operaciones (TTL. Time To Live)Que es el tiempo de vida de los datos. Cada negocio una necesidad
  • Políticas de retenciónLanding date
  • Date field data
  • Last utilization
  • Tags based
  • Data Security.DSA (Data Sharing Agreement). Seguridad en base a contratos de uso (Compliance)
  • Integración con los sistemas Legacy de seguridad en las empresas (Active Directory)
  • Integración con los sistemas legacy de Service Desk de la empresa (Remedy, etc).
  • Integración de los procesos existentes en una plataforma para que pasen a estar gobernados. Medir progreso y alarmas.
  • Roles típicos dentro de los procedimientos de gobierno.Artefactos a controlar. DSA, Datasets, Procesos
  • Workflows más comunes.
  • Uso de los datos ¿Cómo se están usando los datos de la plataforma? ¿Quién los usa?Detección de dato “inútil”.
  • Detección de dato muy usado.
  • Analítica semántica de los datos de mayor interés para anticipar necesidades futuras de datos.
  • Data lineage. Datos y Procesos
  • Tipos de lineageEstático
  • Semi dinámico
  • Dinámico
  • De negocio
  • Data quality.
  • Niveles de Data Quality.Technical level. KPIs típicos. Beneficios.
  • Functional level. KPIs típicos. Beneficios.
  • Business level. KPIs típicos. Beneficios.
  • Diccionario de datos. Enriquecimiento del metadato
  • Aprovechar las sinergias en cuanto a la existencia de un Diccionario en la empresa
  • Aprovechar las sinergias en cuanto a la existencia de Modelos de Datos en la empresa.

GESTIÓN DE PROYECTOS BIG DATA



  • Introducción en la gestión de proyectos Big Data
  • Cómo organizar, estructurar y desplegar un Proyecto de Big Data: etapas, riesgos, metodologías, claves para el éxito y desafíos de la gestión.
  • Cuáles son los principales desafíos de un Proyecto de Big Data.
  • Análisis de riesgos propio de un Proyecto de Big Data.
  • Cómo organizar un proyecto de Big Data desde el punto de vista organizacional.
  • Optimización y elaboración de Plan de Desarrollo de proyecto (PDP)
  • Operatividad en los proyectos: implantación, IC, seguridad, etc.
  • Cultura y Metodologías Ágiles: Nuevas capacidades y Roles, metodologías LEAN: Scrum y Kanban. Etapas y entregables.
  • Aciertos y errores en los casos de uso de Big Data.
  • Claves para el éxito un proyecto de Big Data.
COACHING DESIGN THINKING EN LOS PROYECTOS

Coaching de proyectos

Introducción al Coaching

Coaching Directivo

  • Introducción del coaching ejecutivo en la empresa.
  • Impacto y contribución en el rendimiento organizativo.
  • Relación de Coaching entre las partes involucradas.
  • Herramientas específicas para el Coaching ejecutivo.
  • Plan para la consecución de los objetivos del Coaching.

Coaching Equipos

  • Introducción y objetivos del Coaching de equipos.
  • Modelos de Coaching de equipos
  • El rol del Coach de Equipo.
  • Etapas de desarrollo y evolución de un equipo.
  • Del diagnóstico al cambio. Técnicas de diagnóstico.
  • Las leyes sistémicas aplicadas a los equipos.
  • Técnicas de desarrollo de coaching de equipo.

Design thinking

  • Introducción al DesignThinking
  • Procesos del DesignThinking
  • Técnicas del Design ThinkingTécnicas aplicadas en cada fase de los procesos.
  • Técnicas: shadowing, tarjetas de atributos, ¿qué-cómo-por qué?
  • El mapa de la empatía
  • POV (Point of View)
  • Técnicas creativas (brainstorming, método 635, inversión, provocación, SCAMPER, etc…)
  • PrototiparTestearPráctica: identificación y resolución de un problema utilizando el DesignThinking
TRANSFORMACIÓN EN LOS NEGOCIOS INTERNACIONALES

  • Modelos de Negocios Internacionales soportados por Big Data.
  • Evaluación de Herramientas Tecnológicas Aplicadas al Negocio
  • Estrategias de Marketing Digital a través de los medios sociales.
  • Las brechas entre las PYMES y Big Data ¿verdad o mito?
  • Responsabilidad Social Corporativa (medio ambiente, recursos) y buenas Prácticas de Gobierno Corporativo
  • Gestión de riesgos en Negocios Internacionales utilizando Big Data.
  • Gestión estratégica de la información (cross-secctor) B2C / B2C
  • Aplicación práctica a cada sector de negocio definido previamente
  • Drivers Big Data: internet de las cosas, cloud computing, redes sociales, Blockchain, etc.
ESTUDIO Y MODELO DEL DATO

Análisis inicial del dato

  • Análisis exploratorio.
  • Localización de dato atípico y métodos de detección de outliers.
  • Realización de estadísticos descriptivos.
  • Evaluación de la calidad del dato.
  • Tipologías de datos: categóricos, numéricos, ordinales, temporales (fechas).
  • Caso práctico.

El modelo de datos en tres capas.

  • Capa raw.
  • Capa Master.
  • Capa de consumo.
  • Caso Práctico: Construir un modelo en tres capas a partir del análisis anterior.

Explotación eficiente del dato mediante herramientas de BI y Data Discovery.

  • Cómo explotar un modelo de datos sin sobrecargar el sistema.
  • Herramientas de reporting (Spotfire, PBI…).

Visualización

  • Matplotlib: principal librería de visualización en Python.
  • folium: librería para visualización geográfica en Python.
  • seaborn: librería a alto nivel de visualización estadística basada en Matplotlib.
  • Basadas en D3: Bokeh, Plotly. Visualización general.
  • Para Big Data (visualización de millones / billones de registros): datashader.
CASOS PRÁCTICOS Y TRABAJO FIN DE MASTER

Modulo en el que se propondrá al alumno una serie de casos prácticos de empresa en el que desarrollar todos los conocimientos. De igual manera se trabajará en un trabajo fin de máster que formará parte de la nota final.

Magíster Executive Big Data

Precio a consultar