Modalidad | TELEFORMACIÓN | Localidad | SORIA |
---|---|---|---|
Fecha de inicio | 13-04-2020 | Fecha de finalización | 22-05-2020 |
Nº horas: | 40 | Horario: | de 00:00 a 00:00 |
Dias de la semana | LUNES, MARTES, MIÉRCOLES, JUEVES, VIERNES | Coste | 90€ |
Subvencionado por | SIN TUTOR. NO BONIFICABLES | ||
Técnico que gestiona el curso |
MARTA OSÉS LISO
|
Presentación
CURSO SIN TUTOR. CURSO NO BONIFICABLE A TRAVÉS DE LOS SEGUROS SOCIALES DE LA EMPRESA
Objetivo
- Una breve inmersión en el mundo analítico actual.
- Conocer un mercado –tecnológico– en constante expansión.
- Acceder a casos de éxito en distintos sectores.
- 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.
- Perder el miedo a utilizar herramientas de inteligencia empresarial.
- Inmersión en los procesos de la analítica clásica.
- Concepción de la complejidad que conlleva un sistema analítico.
- Conocer los diferentes conceptos y herramientas de que disponemos a la hora de representar los datos.
- Concepción de la importancia que conlleva representar correctamente los datos.
- Saber que un análisis no interpretable no vale para mucho.
- 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.
Dirigido
Programa del curso
BIG DATA. LA CUARTA REVOLUCIÓN INDUSTRIAL: EL NEGOCIO ESTÁ E
- Unidad 1. Antecedentes, definiciones y bases para un correcto entendimiento
1. Necesidades del ejecutivo
2. Problemas de IT que resuelve
3. ¿Qué es un DSS?
4. Business Intelligence
4.1. ¿Qué es?
4.2. ¿Qué persigue?
4.3. ¿Qué no es Business Intelligence?
5. Business Analytics
6. Business Intelligence vs Business Analytics
Ejercicio 1
7. Grados de madurez analítica de una empresa - Unidad 2. La importancia del Dato
1. Valor
Ejercicio 2
2. Data Governance
2.1. ¿Qué es?
2.2. Data Governance como proceso, no como proyecto
2.3. Ventajas
3. Data Quality
3.1. ¿Qué es?
3.2. Características del Data Quality
3.3. Factores que contribuyen a tener una baja calidad en los datos
Ejercicio 3
4. Data Quality & Governance-GDPR
Ejercicio 4 - Unidad 3. Algunos conceptos técnicos de la analítica tradicional
1. Analítica clásica: Flujo de datos
2. Procesos ETL
3. DataWarehouse
4. Datamart
5. Cubos OLAP
6. Sistema de Reporting
Ejercicio 5
7. Panel de control y dashboard
8. Balanced Scorecard
9. Comparación de herramientas
10. Business Intelligence – Solvencia II
10.1. Introducción
10.2. Alcance de la solución planteada
10.3. Infraestructura objetivo de la aseguradora
10.4. Entorno analítico para dar respuesta a la normativa
10.5. Factores de éxito - Unidad 4. Representación de los datos
1. Desafíos crecientes
2. Cuadro de Mando Integral (CMI)
2.1. Origen del CMI
2.2. ¿Qué es un CMI?
2.3. ¿Por qué usar un CMI?
2.4. El CMI en el control de gestión
2.5. Perspectivas del CMI
2.5.1. Introducción
2.5.2. Perspectiva financiera
2.5.3. Perspectiva clientes
2.5.4. Perspectiva procesos internos
2.5.5. Perspectiva aprendizaje y crecimiento
3. Tipo de Herramientas
Ejercicio 6 - Unidad 5. Introducción al Big Data
1. Historia del Big Data
2. ¿Qué es?
Ejercicio 7
3. Apache Hadoop y su ecosistema
Ejercicio 8
4. MapReduce: el motor de Hadoop
5. Spark
5.1. ¿El sustituto de MapReduce?
5.2. Componentes de Spark
5.3. Formas de implementar Spark
6. MapReduce vs Spark
Ejercicio 9
7. Big Data y problemas de rendimiento en una TELCO
7.1. Objetivos perseguidos
7.2. Explicación
7.3. Modelo de Fast Data - Unidad 6. Introducción a la analítica avanzada
1. Algoritmia
2. Estadística descriptiva
Ejercicio 10
3. Análisis clúster
4. Análisis factorial
5. Regresión
Ejercicio 11
6. Ejemplo: detección de empresas ficticias