Objetivos
- Participar en diálogos sobre competencias clave en su entorno profesional,
conocer un mercado – tecnológico – en constante expansión, realizar
breve inmersión en el mundo analítico actual y ser capaz de acceder a
casos de éxito en distintos sectores. - Conocer el significado del concepto big data y de dónde surge esta manera de tratar los datos.
- Aprender qué elementos conforman la elección de un análisis a través de big data.
- Diferenciar entre big data y business intelligence y saber qué características específicas definen a cada metodología.
- Tomar consciencia de la utilidad de la gestión de los datos en un entorno social, económico y empresarial.
- Saber diferenciar los diferentes tipos de datos con los que podemos trabajar y las fuentes desde las que podemos extraerlos.
- Conocer cómo deben tratarse estos datos y cómo debemos realizar el proceso de ejecución de ese tratamiento.
- Conocer la problemática que encuentra el big data a la hora de realizar el almacenamiento masivo, recogida en el Teorema de Brewer o teorema CAP.
- Adquirir conocimientos sobre los diferentes tipos de bases de datos disponibles en el mercado.
- Saber qué funciones realiza MapReduce.
- Saber diferenciar entre big data para fines analíticos u operacionales.
- Conocer en qué consiste un proceso de ETL y qué se lleva a cabo en sus diferentes fases.
- Aprender sobre la importancia de la creación de algoritmos en un proceso de big data.
- Experimentar la utilidad de la creación de un dashboard para nuestra toma de decisiones en el negocio.
- Saber las diferencias entre big data analytics, data mining y data science.
- Conocer el alcance de análisis que pueden llevar a cabo con big data.
- Tomar conciencia de para qué sirve cada herramienta aplicada big data.
- Clarificar cuáles son las fases para desarrollar un buen proyecto de BD.
- Adentrarnos estratégicamente en la analítica de nuestros clientes y en las diferentes técnicas.
- Conocer cómo se llega a la segmentación de datos y de clientes.
- Saber en qué consiste y cuál es la importancia del valor de la vida del cliente.
- Conocer las principales características de R y RStudio.
Descripción
- Unidad 1: Antecedentes, definiciones y bases para un correcto entendimiento.
- Origen y contextualización del big data.
- Conceptos base del big data.
- Orígenes.
- Big data vs. Business intelligence.
- Origen y contextualización del big data.
- Unidad 2: La importancia del dato.
- Contextualización práctica de la productividad del dato.
- Tipología de los datos.
- Tratamiento del dato.
- Estructura arquitectónica en big data
- Unidad 3: Algunos conceptos técnicos de la analítica tradicional.
- El Teorema de Brewer.
- Las nuevas bases de datos.
- Tipos de Bases de Datos NoSQL.
- Procesamientos distribuidos. MapReduce.
- Funcionamiento de MapReduce.
- ¿Qué elementos son clave para la puesta en marcha de MapReduce?
- Herramientas para fines operacionales vs analíticos.
- Unidad 4: Representación de los datos.
- Proceso de ETL. Del dato a la información.
- Aplicaciones de los procesos ETL.
- Análisis y creación de algoritmos I.
- Análisis y creación de algoritmos II.
- Dashboards como herramienta de visualización
- Proceso de ETL. Del dato a la información.
- Unidad 5: Introducción al Big Data.
- Big data analytics.
- Big data analytics, data mining y data science.
- Herramientas fundamentales del big data analytics.
- Futuro del big data.
- Aplicaciones del bussiness intelligence y el big data.
- ¿Qué nos aporta cada una?
- Implantación de un proyecto de big data.
- Fases de un proyecto de big data.
- Big data analytics.
- Unidad 6: Introducción a la analítica avanzada.
- Customer analytics.
- Fases del Customer Analytics.
- Tipología de análisis.
- Segmentación de los datos I.
- Segmentación de los datos II.
- Gestión del valor del cliente.
- Técnicas de segmentación.
- Analítica para la creación de perfiles.
- Customer Lifetime Value.
- Introducción al lenguaje R I.
- Introducción al lenguaje R II.
- Customer analytics.
Información adicional
Horas | |
---|---|
Proveedor | DRED |