¿Qué tutorial estás buscando?        
Home / Tutorial de Internet / Tutorial de Administración y Servidores

Tecnologías de Business Intelligence: diseño e implementación
Tipo de curso Postgrado
Método Online
Duración 225 horas
Precio/Facilidades 2200 €
Centro UOC, la Universidad Virtual (Posgrados)
Para qué te prepara Aprender a analizar la información desde un punto de vista multidimensional. Ser capaz de diseñar el Datawarehouse sobre la base del Modelo en estrella. Identificar las características principales de un proyecto de minería de datos, las motivaciones y objetivos del mismo y el tipo de soluciones que se ofrece. Conocer las principales técnicas para la fase de análisis de datos y su aplicación
Dirigido a El curso se dirige a profesionales, directivos o responsables de gestión de empresa, jefes de proyecto y consultores que en su ámbito profesional deben tratar con procesos relacionados con el uso o la implantación de soluciones de Business Intelligence.
 
Temario Información adicional y temario
UOC, la Universidad Virtual (Posgrados)

  Solicita información sin compromiso
SOLO PARA RESIDENTES EN ESPAÑA.
*Nombre: *Apellidos:
*Dirección (con número): *Ciudad:
*Código Postal: *e-mail:
*Teléfono: Teléfono2:
*País: *Provincia:
*Sexo: hombre mujer *Fecha nacimiento:
*Nivel de estudios:
*Comentarios:
      
  ¿Deseas recibir información gratuita sobre cursos similares a este en tu email? Sí, quiero darme de alta en Emagister.com
En breve un asesor de UOC, la Universidad Virtual se pondrá en contacto contigo para informarte.
Al presionar "Enviar solicitud/Ver teléfono" estás aceptando expresamente las reglas de uso, así como nuestra política de protección de datos

Cursos de la misma temática
Similitud 		Business Intelligence (Administración de Sistemas de Inteligencia de Negocio)
Curso para trabajadores - Online - Gratuito  Subvención 
Atención garantizada
Similitud 		Máster de Business Intelligence
Master - Online
Atención garantizada
Similitud 		Inteligencia de Negocio en la Empresa (Business Intelligence)
Curso - Online
Atención garantizada
Similitud 		Programa de Formación en Tecnologías para la Inteligencia Del Negocio
Curso para trabajadores - A Distancia - Gratuito
Atención garantizada
Similitud 		Business Intelligence (Administración de Sistemas de Inteligencia de Negocio)
Curso - Online  Descuento 
Atención garantizada


Temario del curso
Objectius Acadèmics
  1. Aprender a analizar la información desde un punto de vista multidimensional.
  2. Ser capaz de diseñar el Datawarehouse sobre la base del Modelo en estrella.
  3. Identificar las características principales de un proyecto de minería de datos, las motivaciones y objetivos del mismo y el tipo de soluciones que se ofrece.
  4. Conocer las principales técnicas para la fase de análisis de datos y su aplicación a los datos.
  5. Poder aplicar los modelos de minería de datos en "producción" y evaluar los resultados y precisión de los mismos.
  6. Identificar las implicaciones técnicas que supone el despliegue y la puesta en producción de modelos de minería de datos, analizando las tecnologías y estándares existentes en el mercado para ello.
  7. Comprender como las soluciones de minería de datos deben integrarse con el resto de herramientas analíticas en el entorno informacional, con el fin de sacar el máximo partido a todas ellas desde una visión conjunta.
  8. Analizar las técnicas de modelado lógico de datos basadas en el modelo Entidad-Relación, así como su aplicación práctica en diversos tipos de entornos aplicativos.
  9. Comprender cómo realizar el diseño físico de bases de datos relacionales a partir del diseño lógico realizado y las opciones y características y como éstas deben elegirse en base a los requerimientos de la aplicación que va a acceder a los datos.
  10. Poder realizar un diseño completo de un sistema de base de datos relacional en base a unos requerimientos específicos del aplicativo que debe acceder a esos datos.
  11. Ser capaz de diseñar el proceso de "Migración de Datos", intrínseco en todo EIS/DSS.
  12. Conocer las diferencias entre las distintas herramientas de migración de datos existentes.
  13. Aprender a utilizar las principales herramientas EIS y DSS del sector y conocer las características más destacadas de cada una de las herramientas.
  14. Analizar que herramienta es la mejor para cada tipo de proyecto y entorno empresarial y ser capaz de utilizar la mejor herramienta para cada tarea.
Programa Académico

El posgrado está organizado temporalmente en dos semestres:
  
Primer semestre: En este semestre el programa toma un cariz más tecnológico. Se presentan conceptos como datawarehouse, datamart, datamining, etc. Se comentan algunas de las soluciones existentes, tanto de grandes fabricantes de software como de fabricantes más pequeños que puedan aportar soluciones más sencillas, rápidas y baratas de implantar. Finalmente, se comentan algunas tendencias como los agentes inteligentes y los sistemas de lógica difusa.

Segundo semestre: En este semestre se mantiene el cariz tecnológico. Se tratan temas de modelado de datos, migración de datos y se realiza una práctica con software original.

1. Datawarehouse, datamart y tecnología OLAP
 
1.1. Los almacenes de datos. Datawarehouses (DW)
 
1.1.1. Datawarehousing y datawarehouse
 
1.1.2. Arquitectura DW
 
1.1.3. Datawarehouse y datamart
 
1.1.4. Explotación del DW
 
1.2. Modelado dimensional. Diseño en estrella
 
1.2.1. Conceptos básicos del modelado dimensional
 
1.2.2. Esquemas de representación
 
1.2.3. Conceptos avanzados de diseño en estrella
 
1.2.4. SQL y Business Intelligence: SQL3
2. Datamining: fundamentos y metodologías
 
2.1. Introducción
 
2.1.1. Objetivos de la minería de datos
 
2.2. Introducción a las técnicas de minería de datos y modelos CRM
 
2.2.1. Clustering/segmentación, clasificación, predicción
 
2.2.2. Modelos CRM (propensión/scoring, retención, venta cruzada)
 
2.3. Fuentes de datos e información
 
2.3.1. Posibles fuentes de datos
 
2.3.2. Posibles formatos de datos
 
2.4. Operaciones de preparación de datos
 
2.4.1. Selección de variables
 
2.4.2. Muestreo, selección de registros
 
2.4.3. Calidad de datos, evaluación, errores, filtros
 
2.5. Reducción de la dimensionalidad
 
2.5.1. Análisis de correlación
 
2.5.2. Análisis factorial
 
2.5.3. Creación de factores, agregación de variables
 
2.6. Técnicas de análisis
 
2.6.1. Visualización
 
2.6.2. Técnicas estadísticas (valores estadísticos básicos)
 
2.6.3. Análisis de secuencias
 
2.6.4. Análisis de series temporales
 
2.7. Creación de modelos de datos
 
2.7.1. Inducción de reglas (C5)
 
2.7.2. Redes neuronales
 
2.7.3. Técnicas estadísticas (regresión)
 
2.7.4. Clustering (Kohonen, k-Means, RBF) y segmentación
 
2.8. Evaluación y uso de modelos
 
2.8.1. Modelos de clustering
 
2.8.2. Modelos supervisados
3. Datamining: soluciones y aplicaciones
 
3.1. Implementación de modelos de minería de datos en entornos de negocio
 
3.1.1. El papel actual de la minería de datos
 
3.1.2. Revisión del entorno informacional y el papel de sus distintos componentes
 
3.2. Escenarios para la puesta en producción de modelos de minería de datos
 
3.2.1. Scoring de un modelo de minería de datos
 
3.2.2. Puntos de aplicación de un modelo: alternativas
 
3.2.3. Servicios de minería de datos dentro de la infraestructura tecnológica
 
3.2.4. Escenarios para la puesta en producción de modelos
 
3.3. Implicaciones tecnológicas: soluciones y estándares del mercado
 
3.3.1. Soluciones tecnológicas de minería de datos en el mercado
 
3.3.2. El concepto in-database-datamining
 
3.3.3. Minería de datos tradicional frente a ad-hoc
 
3.3.4. Mecanismos para la definición y compartición de modelos: El estándar PMML
 
3.4. Integración de soluciones de minería de datos con otras tecnologías
 
3.4.1. La minería de datos y el resto de servicios analíticos
 
3.4.2. Integración con los servicios de extracción, transformación y carga (ETL)
 
3.4.3. Tecnología OLAP y minería de datos
 
3.5. Algunas aplicaciones horizontales
 
3.5.1. Técnicas de modelización y su aplicabilidad
 
3.5.2. Relación de las técnicas de análisis con las áreas de negocio: metodología
 
3.5.3. La identificación del cliente y la granularidad de los datos: consecuencias
4. Modelado de datos
 
4.1. Datos, conocimiento e información
 
4.1.1. Introducción
 
4.1.2. Metadatos
 
4.2. Bases de datos
 
4.2.1. Introducción
 
4.2.2. Características
 
4.2.3. Modelo jerárquico de base de datos
 
4.2.4. Modelo en red de base de datos
 
4.2.5. Modelo relacional de base de datos
 
4.2.6. Modelos emergentes de bases de datos
 
4.3. Diseño lógico de bases de datos
 
4.3.1. Introducción
 
4.3.2. Modelado de datos
 
4.3.3. Modelo RE/R
 
4.4. Diseño físico de bases de datos
 
4.4.1. Introducción al diseño físico
 
4.4.2. Elementos del diseño físico de bases de datos
 
4.4.3. Introducción al lenguaje SQL
5. Migración e integración de datos
 
5.1. Introducción
 
5.1.1. Migración e integración de datos
 
5.1.2. La importancia de la integración de datos
 
5.2. Calidad de datos
 
5.2.1. Introducción
 
5.2.2. Efectos de la baja calidad de datos
 
5.2.3. Elementos en el proceso de calidad de datos
 
5.3. Integración de datos: técnicas
 
5.3.1. Introducción
 
5.3.2. Propagación de datos
 
5.3.3. Consolidación de datos
 
5.3.4. Federación
 
5.3.5. CDC (change data capture)
 
5.3.6. Transformación de datos
 
5.4. Integración de datos: tecnologías
 
5.4.1. Introducción
 
5.4.2. ETL
 
5.4.3. EII
 
5.4.4. EDR
 
5.5. Desarrollo de una estrategia de integración de datos
 
5.5.1. Introducción
 
5.5.2. Variables a tener en cuenta
 
5.5.3. Principales productos comerciales
 
5.5.4. Conclusiones
6. Herramientas EIS/DSS
 
6.1. Herramienta heterogéneas
 
6.2. Criterios para seleccionar herramientas de Business Intelligence
 
6.2.1. Pedir información general a los vendedores
 
6.2.2. Descripción del entorno téorico
 
6.2.3. Requisitos del sistema
 
6.2.4. Requisitos altamente deseados
 
6.2.5. Descripción detallada de los productos y de la gestión del proyecto
 
6.3. Business Intelligence 2.0
 
6.3.1. Open source
 
6.3.2. Business Intelligence 2.0
 
6.3.2.1. ¿Qué es la Web 2.0?
 
6.3.2.2. ¿Qué es Business Intelligence 2.0?
 
6.3.2.3. ¿Por qué Business Intelligence es el futuro?
 
6.4. Herramientas EIS/DSS
 
6.4.1. Base de datos
 
6.4.1.1. Base de datos relacionales
 
6.4.1.2. Base de datos orientadas a columnas
 
6.4.1.3. Base de datos multidimensionales
 
6.4.2. ETL (extracción, transformación y carga)
 
6.4.3. Workflow
 
6.4.4. Portales
 
6.4.5. Visores analíticos
 
6.4.6. Reporting
 
6.4.7. Datamining
 
6.4.8. RIA (Rich Internet Applications)
 
6.4.9. Otros
7. Proyecto posgrado
Desarrollo de una aplicación Business Intelligence:
 
7.1. Utilización de software libre y gratuito: PALO, Pentaho y Xcelsius
 
7.2. Creación de una herramienta de análisis y reporting
 
7.3. Creación de un cuadro de mando


  Temas Relacionados
  Tutorial de Business Inteligence  
Quienes somos | Normas de uso | Política de privacidad
2004 MundoTutoriales.com ®