Home / FACULTAD DE CIENCIA DE DATOS E INTELIGENCIA ARTIFICIAL / Máster en Business Intelligence y Big Data

Máster en Business Intelligence y Big Data

Incluye contenido gratis con tu suscripción

Solicita información gratis

Estoy de acuerdo con la Política de privacidad.

Matricúlate ahora online

Sobre este curso

Este Master de Formación Permanente en Business Intelligence y Big Data está dirigido a una gran diversidad de perfiles y es aplicable a cualquier sector, puesto que es adecuado para todas aquellas personas que quieran adquirir conocimientos sob...

Titulación universitaria

1500 h

Online

60 ECTS (Créditos)

Facultad De Ciencia De Datos E Inteligencia Artificial

Business Intelligence

Másteres De Formación Permanente

Titulación de Máster en Business Intelligence y Big Data

Doble Titulación:

Titulación Propia Universitaria de Master de Formación Permanente en Business Intelligence y Big Data expedida por la Universidad Antonio de Nebrija con 60 créditos ECTS.

Certificación Expedida por la Universidad Antonio de Nebrija

Titulación propia de Master de Formación Permanente en Business Intelligence y Big Data, expedida y avalada por el Instituto Europeo de Estudios Empresariales.(INESEM) “Enseñanza no oficial y no conducente a la obtención de un título con carácter oficial o certificado de profesionalidad.”

Instituto Europeo de Estudios Empresariales

Vídeo de universitarios opinando sobre la Universidad Antonio de Nebrija

Esta formación incluye contenido gratis con tu suscripción Educa University

¿Aún no te has suscrito? En Educa University, respondemos ágilmente a las necesidades educativas de un mundo digitalizado y en constante cambio. Somos líderes en el desarrollo de programas educativos y herramientas IA, con alianzas con prestigiosas universidades en Europa, Estados Unidos y América Latina.

Suscríbete ahora

Objetivos

Entender por qué el Big Data y el Business Intelligence son clave para la transformación digital de una empresa.

Saber cuál es el papel del Big Data como fuente de información para la toma de decisiones estratégicas.

Aplicar las principales técnicas de Data mining y análisis de datos.

Utilizar herramientas como Hadoop, Weka, MongoDB o MySQL para almacenar, gestionar y analizar datos.

Programar en los lenguajes Python y R orientados al análisis y visualización de datos.

Aprender cómo crear visualizaciones de datos profesionales con Tableau, Qlikview o PowerBI.

Contenido

MÓDULO 1. TRANSFORMACIÓN DIGITAL

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL LA TRANSFORMACIÓN DIGITAL
Introducción a la transformación digital
Concepto de innovación
Concepto de tecnología
Tipología de la tecnología
Punto de vista de la ventaja competitiva
Según su disposición en la empresa
Desde el punto de vista de un proyecto
Otros tipos de tecnología
La innovación tecnológica
Competencias básicas de la innovación tecnológica
El proceso de innovación tecnológica
Herramientas para innovar
Competitividad e innovación
UNIDAD DIDÁCTICA 2. LA SOCIEDAD 3.0
Filosofía Web 3.0 y su impacto en el mundo empresarial
Socialización de la Web
Adaptación del mundo empresarial a las Nuevas tecnologías
UNIDAD DIDÁCTICA 3. NUEVO ECOSISTEMA DIGITAL
Community Manager
Chief Data Officer
Data Protection Officer
Data Scientist
Otros perfiles
Desarrollo de competencias informáticas
El Papel del CEO como líder en la transformación
UNIDAD DIDÁCTICA 4. NUEVOS MODELOS DE NEGOCIO EN EL ENTORNO DIGITAL
La transición digital del modelo de negocio tradicional
Nuevos modelos de negocio
Freemium
Modelo Long Tail
Modelo Nube y SaaS
Modelo Suscripción
Dropshipping
Afiliación
Infoproductos y E-Learning
Otros
UNIDAD DIDÁCTICA 5. PLAN DE TRANSFORMACIÓN DIGITAL
Diagnóstico de la madurez digital de la empresa
Análisis de la innovación en la empresa
Elaboración del roadmap
Provisión de financiación y recursos tecnológicos
Implementación del plan de transformación digital
Seguimiento del plan de transformación digital
UNIDAD DIDÁCTICA 6. CASOS DE ÉXITO EN LA TRANSFORMACIÓN DIGITAL
BBVA y la empresa inteligente
DKV Salud y #MédicosfrentealCOVID
El Corte Inglés
Cepsa y su apuesta por los servicios cloud de AWS
UNIDAD DIDÁCTICA 7. EL NUEVO CLIENTE DIGITAL
Rediseñando el customer experience
La transformación de los canales de distribución: omnicanalidad
Plan de marketing digital
Buyer´s Journey
Growth Hacking: estrategia de crecimiento
El nuevo rol del marketing en el funnel de conversión
UNIDAD DIDÁCTICA 8. NUEVOS MERCADOS, NUEVAS OPORTUNIDADES
Oportunidades de innovación derivadas de la globalización
Como Inventar Mercados a través de la Innovación
Etapas de desarrollo y ciclos de vida
Incorporación al mercado
Metodologías de desarrollo
UNIDAD DIDÁCTICA 9. LA INNOVACIÓN EN LOS PROCESOS ORGANIZATIVOS
La transformación digital de la cadena de valor
La industria 4.0
Adaptación de la organización a través del talento y la innovación
Modelos de proceso de innovación
Gestión de innovación
Sistema de innovación
Como reinventar las empresas innovando en procesos
Innovación en Procesos a través de las TIC
El Comercio Electrónico: innovar en los canales de distribución
Caso de estudio voluntario: La innovación según Steve Jobs
Caso Helvex: el cambio continuo
La automatización de las empresas: RPA, RBA y RDA

MÓDULO 2. BIG DATA & BUSINESS INTELLIGENCE FUNDAMENTALS

UNIDAD DIDÁCTICA 1. LA REVOLUCIÓN DE LOS DATOS MASIVOS: BIG DATA Y THICK DATA
¿Qué es Big Data?
¿Y Thick Data? ¿Cuál es el matiz para diferenciar ambos términos?
El gran auge del big data
La importancia de almacenar y extraer información
¿Cual es el papel de las fuentes de datos?
Soluciones novedosas gracias a la selección de datos
Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 2. TOMA DE DECISIONES INTELIGENTES
Thick Data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
Fases en un proyecto de Big Data
Big Data enfocado a los negocios
Apoyo del Big Data en el proceso de toma de decisiones
Toma de decisiones operativas
UNIDAD DIDÁCTICA 3. CÓMO HACER CRECER UN NEGOCIO A TRAVÉS DEL BIG DATA Y SUS APLICACIONES
Marketing estratégico y Big Data
Open data
Ejemplo de uso de Open Data
IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 4. BIG DATA EN DIFERENTES SECTORES
Relación entre inteligencia artificial y big data
IA y Big Data combinados
El papel del Big Data en IA
Big Data en salud
Necesidad de Big Data en la asistencia sanitaria
Retos del big data en salud
Big Data y People Analytics en RRHH
UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
Definiendo el concepto de Business Intelligence y sociedad de la información
Arquitectura de una solución Business Intelligence
Business Intelligence en los departamentos de la empresa
Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
Sistemas Operacionales y Procesos ETL en un sistema de BI
Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
Cuadros de Mando Integrales (CMI)
Sistemas de Soporte a la Decisión (DSS)
Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
Introducción a la minería de datos y el aprendizaje automático
Proceso KDD
Modelos y Técnicas de Data Mining
Áreas de aplicación
Minería de Textos y Web Mining
Data mining y marketing
UNIDAD DIDÁCTICA 8. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
Aproximación al concepto de DataMart
Bases de datos OLTP
Bases de Datos OLAP
MOLAP, ROLAP & HOLAP
Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 9. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
Visión General: ¿Por qué DataWarehouse?
Estructura y Construcción
Fases de implantación
Características
Data Warehouse en la nube
UNIDAD DIDÁCTICA 10. INTERNET DE LAS COSAS
Contexto Internet de las Cosas (IoT)
¿Qué es IoT?
Elementos que componen el ecosistema IoT
Arquitectura IoT
Dispositivos y elementos empleados
Ejemplos de uso
Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 11. STORYTELLING
¿Qué es el Data Storytelling?
Elementos clave del Data Storytelling
¿Por qué es importante el Data Storytelling?
¿Cómo hacer Data Storytelling?
UNIDAD DIDÁCTICA 12. ECOSISTEMA HADOOP
¿Qué es Hadoop? Relación con Big Data
Instalación y configuración de insfraestructura y ecosistema Hadoop
Sistema de archivos HDFS
MapReduce con Hadoop
Apache Hive
Apache Hue
Apache Spark

MÓDULO 3. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS

UNIDAD DIDÁCTICA 1.INTRODUCCIÓN A LA CIENCIA DE DATOS
¿Qué es la ciencia de datos?
Herramientas necesarias para el científico de datos
Data Science & Cloud Computing
Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2.BASES DE DATOS RELACIONALES
Introducción
El modelo relacional
Lenguaje de consulta SQL
MySQL Una base de datos relacional
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
¿Qué es una base de datos NoSQL?
Bases de datos Relaciones Vs Bases de datos NoSQL
Tipo de Bases de datos NoSQL Teorema de CAP
Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
¿Qué es MongoDB?
Funcionamiento y uso de MongoDB
Primeros pasos con MongoDB: Instalación y shell de comandos
Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
Actualización de datos en MongoDB: Sentencias set y update
Trabajando con índices en MongoDB para optimización de datos
Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING
¿Qué es Weka?
Técnicas de Data Mining en Weka
Interfaces de Weka
Selección de atributos
UNIDAD DIDÁCTICA 6. PENTAHO
Una aproximación a PENTAHO
Soluciones que ofrece PENTAHO
MongoDB & PENTAHO
Hadoop & PENTAHO
Weka & PENTAHO
UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA
Introducción a R
¿Qué necesitas?
Tipos de datos
Estadística Descriptiva y Predictiva con R
Integración de R en Hadoop
UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
Obtención y limpieza de los datos (ETL)
Inferencia estadística
Modelos de regresión
Pruebas de hipótesis
UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS
Inteligencia Analítica de negocios
La teoría de grafos y el análisis de redes sociales
Presentación de resultados

MÓDULO 4. DATA MINING, INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO

UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS
Minería de datos
¿Qué podemos hacer con data Mining?
¿Qué usos puede tener el data Mining?
Metodología de la minería de datos
Algunas técnicas estadísticas utilizadas en data mining
Árboles de decisión
Reglas de inducción
Redes Bayesanas
Algoritmos Genéticos
UNIDAD DIDÁCTICA 2. CICLO DATA MINING
Ciclo data mining
Minería de Textos y Web Mining
Data mining y marketing
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
Introducción a la inteligencia artificial
Historia
La importancia de la IA
UNIDAD DIDÁCTICA 4. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 5. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
Relación entre inteligencia artificial y big data
IA y Big Data combinados
El papel del Big Data en IA
Tecnologías de IA que se están utilizando con Big Data
UNIDAD DIDÁCTICA 6. SISTEMAS EXPERTOS
Sistemas expertos
Estructura de un sistema experto
Inferencia: Tipos
Fases de construcción de un sistema
Rendimiento y mejoras
Dominios de aplicación
Creación de un sistema experto en C#
Añadir incertidumbre y probabilidades
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
Introducción
Clasificación de algoritmos de aprendizaje automático
Ejemplos de aprendizaje automático
Diferencias entre el aprendizaje automático y el aprendizaje profundo
Tipos de algoritmos de aprendizaje automático
El futuro del aprendizaje automático
UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
Introducción
Algoritmos
UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
Clasificadores
Algoritmos
UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
Componentes
Aprendizaje
UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación

MÓDULO 5. ANÁLISIS DE DATOS CON PYTHON

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS
UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB
UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS
UNIDAD DIDÁCTICA 4. PIVOT TABLES
UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN
UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES
UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN
UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING
UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA
UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES
UNIDAD DIDÁCTICA 11. NAIVE BAYES
UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)
UNIDAD DIDÁCTICA 13. KNN
UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)
UNIDAD DIDÁCTICA 15. RANDOM FOREST

MÓDULO 6. DATA VISUALIZATION

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
¿Qué es la visualización de datos?
Importancia y herramientas de la visualización de datos
Visualización de datos: Principios básicos
UNIDAD DIDÁCTICA 2. TABLEAU
¿Qué es Tableau? Usos y aplicaciones
Tableau Server: Arquitectura y Componentes
Instalación Tableau
Espacio de trabajo y navegación
Conexiones de datos en Tableau
Tipos de filtros en Tableau
Ordenación de datos, grupos, jerarquías y conjuntos
Tablas y gráficos en Tableau
UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
Fundamentos D3
Instalación D3
Funcionamiento D3
SVG
Tipos de datos en D3
Diagrama de barras con D3
Diagrama de dispersión con D3
UNIDAD DIDÁCTICA 4. LOOKER
UNIDAD DIDÁCTICA 5. QLIKVIEW
Instalación y arquitectura
Carga de datos
Informes
Transformación y modelo de datos
Análisis de datos
UNIDAD DIDÁCTICA 6. GOOGLE CHART
UNIDAD DIDÁCTICA 7. CHARTBLOCKS
UNIDAD DIDÁCTICA 8. INFOGRAM
UNIDAD DIDÁCTICA 9. LEAFLET
UNIDAD DIDÁCTICA 10. CARTO
CartoDB

MÓDULO 7. POWER BI

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A POWER BI
¿Qué es Power BI?
Funciones de Power BI
Versiones de Power BI
Roles de Power BI
Planificación de proyectos con Power BI
UNIDAD DIDÁCTICA 2. INSTALACIÓN DE POWER BI
Instalación y puesta en marcha
Conexión de datos a Power BI
Filtrado de datos
Vista de datos
UNIDAD DIDÁCTICA 3. MODELADO DE DATOS
Introducción al modelado de datos
Creación de medidas
Creación y relación entre tablas
Creación de columnas y medidas calculadas
Dinamizar columnas
Fórmulas de consulta
UNIDAD DIDÁCTICA 4. VISUALIZACIÓN DE DATOS
Creación de gráficas
Tablas dinámicas
Segmentación de datos
Uso de objetos visuales
Formas y cuadros de texto
Imágenes
Matrices y tablas
Cómo crear un velocímetro
Mapas
Slicers
Cómo modificar colores
UNIDAD DIDÁCTICA 5. DASHBOARDS
Uso del Dashboard
Compartir Dashboards
Añadir Widgets
Cómo crear reportes
Ajustes del panel
Preguntas y respuestas del Dashboard
UNIDAD DIDÁCTICA 6. USO COMPARTIDO DE DATOS
Exportar datos de Power BI a Excel
Exportar Dashboards
Crear paquetes de contenido
Presentación de informes
Cómo públicar y compartir informes
Introducción a Power BI mobile

MÓDULO 8. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2

UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R
UNIDAD DIDÁCTICA 2. EJES
UNIDAD DIDÁCTICA 3. TÍTULOS
UNIDAD DIDÁCTICA 4. LEYENDAS
UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA
UNIDAD DIDÁCTICA 6. MÁRGENES
UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES
UNIDAD DIDÁCTICA 8. COLORES
UNIDAD DIDÁCTICA 9. TEMAS
UNIDAD DIDÁCTICA 10. LÍNEAS
UNIDAD DIDÁCTICA 11. TEXTO
UNIDAD DIDÁCTICA 12. COORDENADAS
UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS
UNIDAD DIDÁCTICA 14. CINTAS
UNIDAD DIDÁCTICA 15. SUAVIZADOS
UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS

MÓDULO 9. ANALÍTICA WEB

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB
¿Qué es la analítica web?
Establecimiento de objetivos y KPIs
Métricas principales y avanzadas
Objetivos y ventajas de medir
Plan de medición
UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4
Introducción a Google Analytics 4
Interfaz
Métricas y dimensiones
Informes básicos
Filtros
Segmentos
Eventos
Informes personalizados
Comportamiento de los usuarios e interpretación de datos
UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER
Introducción a GTM
Implementación con GTM
Medición con GTM
Uso de Debug/Preview Mode
UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN
La atribución
Multicanalidad
Customer Journey
Principales modelos de atribución
Modelos de atribución personalizados
UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO
Planificación del Dashboard
Características del Dashboard
Introducción a Data Studio
Conectores
Tipos de gráficos
Personalización de informes
Elementos de control
Dimensiones y métricas
Campos Calculados
Compartir informes
UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO
Introducción al SEO
Historia de los motores de búsqueda
Componentes de un motor de búsqueda
Organización de resultados en un motor de búsqueda
La importancia del contenido
El concepto de autoridad en Internet
Campaña SEO
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM
Introducción al SEM
Principales conceptos en SEM
Sistema de pujas y Calidad del anuncio
Primer contacto con Google Ads
Creación de anuncios con calidad
Indicadores clave de rendimiento en SEM
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES
Análisis del tráfico en redes sociales
Fijar objetivos en redes sociales
Facebook
Twitter
Youtube
LinkedIn
Tik tok
Instagram
UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS
Usabilidad
Mapas de calor
Grabaciones de sesiones de usuario
Ordenación de tarjetas
Test A/B
Test multivariante
KPI, indicadores clave de rendimiento
Cambios a realizar para optimizar una página web
UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB
Hotjar
Microsoft Power BI
Google Search Console
Matomo
Awstats
Chartbeat
Adobe Analytics
UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO
¿Qué son las cookies?
Tipos de cookies
GDPR
Herramientas para manejar el consentimiento de cookies

MÓDULO 10. PROYECTO FIN DE MASTER

Metodología

Con nuestra metodología de aprendizaje online, el alumno comienza su andadura en INESEM Business School a través de un campus virtual diseñado exclusivamente para desarrollar el itinerario formativo con el objetivo de mejorar su perfil profesional. El alumno debe avanzar de manera autónoma a lo largo de las diferentes unidades didácticas así como realizar las actividades y autoevaluaciones correspondientes. La carga de horas de la acción formativa comprende las diferentes actividades que el alumno realiza a lo largo de su itinerario. Las horas de teleformación realizadas en el Campus Virtual se complementan con el trabajo autónomo del alumno, la comunicación con el docente, las actividades y lecturas complementarias y la labor de investigación y creación asociada a los proyectos. Para obtener la titulación el alumno debe aprobar todas la autoevaluaciones y exámenes y visualizar al menos el 100% de los contenidos de la plataforma. El Proyecto Fin de Máster se realiza tras finalizar el contenido teórico-práctico en el Campus. Para aprobarlo es necesaria una nota mínima de 5. Por último, es necesario notificar la finalización del Máster desde la plataforma para comenzar la expedición del título.

Para qué te prepara

Gracias a este Master de Formación Permanente en Business Intelligence y Big Data aprenderás los aspectos fundamentales de estas tecnologías, logrando analizar datos de multitud de fuentes que te permitan tomar decisiones estratégicas de manera rápida y eficiente. Utilizarás herramientas como Hadoop, Weka, Tableau, PowerBI o Google Analytics y lenguajes de programación como Python y R para analizar y visualizar información.

A quién va dirigido

Oportunidades profesionales

Cualquier empresa busca diferenciarse del resto de competidores y obtener una ventaja competitiva sacando decisiones estratégicas basada en un gran análisis de datos. Gracias a este Master de Formación Permanente en Business Intelligence y Big Data optarás a puestos como Analista de datos, Experto en Inteligencia de Negocio, Big Data Engineer, Visual Analyst o Data Scientist.