BIG DATA
Informática
35h
Bonificable a través del crédito de formación.
BIG DATA
- Proporcionar competencias claves para poder participar en diálogos sobre este tipo de iniciativas en su entorno profesional.
- Conocer las principales técnicas de tratamiento y control de los datos.
- Inmersión en la calidad de datos y gobierno de la información.
- Concepción de la importancia de tener un dato robusto, saneado y veraz.
- Concepción de la complejidad que conlleva un sistema analítico.
- Conocer los diferentes conceptos y herramientas de que disponemos a la hora derepresentar los datos.
- Concepción de la importancia que conlleva representar correctamente los datos.
- Tener un conocimiento más claro de lo que se denomina Big Data.
- Conocer sus principales componentes, librerías y ecosistemas.
- Ser conscientes de las principales diferencias entre Apache Hadoop y Apache Spark.
- Conocer algunos conceptos y principales metodologías utilizadas en la analítica avanzada.
- Cómo se relacionan con el Business Intelligence o analítica tradicional.
UNIDAD 1. ANTECEDENTES, DEFINICIONES Y BASES PARA UN CORRECTO ENTENDIMIENTO
- Necesidades del ejecutivo
- Problemas de IT que resuelve
- ¿Qué es un DSS?
- Business Intelligence
- Business Analytics
- Business Intelligence vs Business Analytics
- Grados de madurez analítica de una empresa
UNIDAD 2. LA IMPORTANCIA DEL DATO VALOR
- Data Governance
- Data Quality
- Data Quality & Governance-GDPR
UNIDAD 3. ALGUNOS CONCEPTOS TÉCNICOS DE LA ANALÍTICA TRADICIONAL
- Analítica clásica: flujo de datos
- Procesos ETL
- DataWarehouse
- Datamart
- Cubos OLAP
- Sistema de Reporting
- Panel de control y dashboard
- Balanced Scorecard
- Comparación de herramientas
- Business Intelligence – Solvencia II
UNIDAD 4. REPRESENTACIÓN DE LOS DATOS
- Analítica clásica: Flujo de datos
- Cuadro de Mando Integral (CMI)
- Tipo de Herramientas
UNIDAD 5. INTRODUCCIÓN AL BIG DATA
- Historia del Big Data
- ¿Qué es el Big Data?
- Apache Hadoop y su ecosistema
- MapReduce: el motor de Hadoop
- Spark
- MapReduce vs Spark
- Big Data y problemas de rendimiento en una TELCO
- Objetivos perseguidos
- Explicación
- Modelo de Fast Data
UNIDAD 6. INTRODUCCIÓN A LA ANALÍTICA AVANZADA
- Algoritmia
- Estadística descriptiva
- Análisis clúster
- Análisis factorial
- Regresión
- Ejemplo: detección de empresas ficticias
La Modalidad ONLINE se adapta a las características y necesidades de cada alumno, combinando las metodologías de enseñanza programada y de trabajo autónomo por parte del alumnado con el asesoramiento de un equipo docente especializado y mediante el uso de las nuevas tecnologías de la información y comunicación, creando un entorno de aprendizaje activo, próximo y colaborativo en el Campus Virtual, disponiendo de los mejores recursos en un mismo entorno educativo.
ENSEÑANZA PROGRAMADA: Persigue transmitir los conocimientos al alumnado sin la intervención directa de el/la formador/a, a través de la organización y estructuración de los contenidos de forma secuencial. La realización periódica de ejercicios y pruebas de autoevaluación permiten afianzar lo aprendido y corregir los posibles errores en el aprendizaje.
TRABAJO AUTÓNOMO: Sistema de trabajo donde el alumno asume la responsabilidad de su proceso de aprendizaje, adaptándolo a su ritmo de trabajo y a sus propias necesidades, lo que exige una mayor implicación por su parte.
Las acciones formativas están diseñadas para propiciar el fomento de las habilidades, conocimientos y experiencias relevantes para el desarrollo profesional dentro del ámbito de la temática del curso.
El material didáctico, objeto fundamental del proceso de enseñanza, estará disponible en el Campus de manera ordenada y en los formatos más idóneos para ajustarlos a las especificaciones del curso. Cada alumno debe trabajarlos de manera autónoma dedicando un tiempo que dependerá de las necesidades individualizadas de cada uno de ellos.