(IFCT128PO) Big Data.
Horas: 40 Formato:
Objetivos
Objetivo General
• 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.
Objetivos Específicos
• 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.
o Conceptos base del big data.
o Orígenes.
o Big data vs. Business intelligence.
Unidad 2: La importancia del dato.
• Contextualización práctica de la productividad del dato.
• Tipología de los datos.
• Tratamiento del dato.
o Estructura arquitectónica en big data
Unidad 3: Algunos conceptos técnicos de la analítica tradicional.
• El Teorema de Brewer.
• Las nuevas bases de datos.
o Tipos de Bases de Datos NoSQL.
• Procesamientos distribuidos. MapReduce.
o Funcionamiento de MapReduce.
o ¿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.
o Aplicaciones de los procesos ETL.
• Análisis y creación de algoritmos I.
o Análisis y creación de algoritmos II.
• Dashboards como herramienta de visualización
Unidad 5: Introducción al Big Data.
• Big data analytics.
o 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.
o ¿Qué nos aporta cada una?
• Implantación de un proyecto de big data.
o Fases de un proyecto de big data.
Unidad 6: Introducción a la analítica avanzada.
• Customer analytics.
o Fases del Customer Analytics.
o Tipología de análisis.
• Segmentación de los datos I.
o Segmentación de los datos II.
• Gestión del valor del cliente.
o Técnicas de segmentación.
o Analítica para la creación de perfiles.
Información adicional
| Horas |
|---|
15 Horas