Máster Online
Business Intelligence y Big Data
✓ Titulación Internacional IEP / Certificación EE.UU. por Summa University.
✓ Adquirirás conocimientos sobre minería de datos, bases de datos, modelización de datos, casos de uso de BI aplicados, Deep Learning, Inteligencia artificial, transformación digital, entre otras áreas de conocimiento.
✓ Te prepararás para obtener el certificado de Google Analytics Individual Qualification.
✓ Te prepararás para obtener el certificado de Visual Business Analyst: Exploration and Design Using SAS® Visual Analytics.
- Beca: Disponibles
- Duración: 104 ECTS : 92 ECTS + 12 ECTS de prácticas profesionales convalidables.
- Título Internacional IEP + Certificación EE.UU por Summa University + Título Oficial UEM
Nº1
A nivel mundial en empleabilidad y calidad del profesorado 2022
Ranking FSO
Mejor MBA con énfasis en Dirección General 2022
Ranking Forbes
TOP 6
Mejor institución en formación superior online en el mundo 2022
Ranking FSO
Mejores Masters de España 2023
Mundo Posgrado
Mejores centros para cursar un MBA Online 2023
Características del Máster
La transformación digital ha revolucionado la forma en que las empresas operan, generando la necesidad de analizar datos de manera efectiva para identificar oportunidades, amenazas y tomar decisiones estratégicas sólidas. En el Instituto Europeo de Posgrado, hemos diseñado nuestro Máster en Business Intelligence y Big Data para ayudarte a desarrollar las habilidades necesarias en este campo en constante evolución.
Este máster online tiene un doble objetivo.
- Formar a nuestros estudiantes en diversas áreas de conocimiento relacionadas con el Business Intelligence, permitiéndoles adaptarse a la transformación digital que las empresas están experimentando. Esto implica desarrollar estrategias para evolucionar los modelos de negocio y tomar decisiones informadas basadas en datos disponibles.
- Equipar a nuestros alumnos con las habilidades necesarias para el tratamiento de datos masivos, lo que les permitirá descubrir patrones, tendencias de mercado, analizar y predecir el comportamiento de los usuarios, conocer las necesidades reales de los clientes, entre otros aspectos fundamentales.
La Inteligencia Artificial aplicada al Business Intelligence y Big Data
En nuestro máster de Big Data y Business, hacemos un énfasis especial en la IA. En asignaturas como Datamining en la Digitalización o Machine Learning e Inteligencia Artificial, aprenderás cómo la Inteligencia Artificial y el Machine Learning pueden impulsar los procesos de digitalización y te formaras en la herramienta Python y su poder para desarrollar proyectos de Ciencia de Datos.
También conocerás técnicas avanzadas para el análisis de datos y la predicción de tendencias en el mercado, lo que es esencial para la optimización de la cadena de suministro.
Además, si eres un profesional del sector y quieres profundizar en tus conocimientos a nivel de dirección empresarial basada en el Big Data, en el IEP también impartimos el MBA online en Business Intelligence y Big Data. Tu experiencia y profesionalidad te servirán como base para desarrollar habilidades directivas, especializadas en análisis de datos y inteligencia empresarial.
¿Tienes alguna duda?
Perfil de estudiante
Perfil de Ingreso Recomendado
- Estudiantes recién graduados: aquellos que hayan completado recientemente sus estudios de grado en diversas áreas y estén interesados en adquirir competencias en inteligencia de negocio, herramientas de Big Data y gobierno del dato. Deben complementar su formación con prácticas profesionales asociadas al programa.
- Profesionales con experiencia: con al menos 3 años de experiencia en cualquier área empresarial que deseen familiarizarse con Business Intelligence y Big Data para avanzar en su carrera profesional.
Competencias adquiridas al finalizar tu Máster
- Conocimiento sólido del análisis de datos y la generación de información estratégica para la toma de decisiones empresariales en una industria con alta demanda de nuevos profesionales
- Dominio de técnicas de minería de datos y la aplicación del análisis en distintas ramas: negocio, finanzas y marketing
- Supervisión y control de la gestión y uso de datos, incluyendo el diseño e implementación de la base de datos de la empresa, así como proporcionar el soporte necesario.
- Competencias en programación y herramientas de desarrollo del Big Data, así como en Machine y Deep Learning e inteligencia artificial.
- Gestión ética y eficiente de la información, incluyendo el gobierno del dato y la seguridad de la información.
- Control avanzado en herramientas y tecnologías relevantes, como SQL o Python, para la gestión y análisis de datos.
- Resolución de problemas complejos, identificación de patrones y tendencias a partir del análisis de datos.
- Dominio en el análisis y seguimiento de sitios web con la herramienta Google Analitycs.
Obtén tu diploma de Harvard ManageMentor
Elige uno de los cursos en gestión y liderazgo en Harvard ManageMentor para mejorar tus habilidades empresariales y obtener tu certificado de Harvard Business Publishing.
Gracias a la colaboración entre Harvard Business Publishing Education (HBP) y IEP, accede a una formación de calidad que impulsará tu desarrollo profesional.
Te preparamos para obtener las certificaciones
Cursos Gratuitos y Certificables en Habilidades Empresariales
Accede gratuitamente a nuestra Escuela de Habilidades de la RedSumma y obtén certificados respaldados por hasta 50 horas de formación en educación empresarial.
Opiniones
Metodología
Aprendizaje sencillo, cómodo y eficaz
Entorno Virtual Avanzado
Método del Caso
Resolución Proactiva de Problemas
Planificación y Seguimiento Personalizado
Con una innovadora plataforma online que permite la realización de ejercicios interactivos y la discusión de casos prácticos para desarrollar las habilidades de gestión y de análisis.
Con recursos de aprendizaje basados en avanzados simuladores empresariales que permiten movilizar el conocimiento y apoyar el emprendimiento entre nuestros alumnos.
Con vídeos explicativos de los profesores en cada módulo que te facilitarán el aprendizaje y te permitirán afianzar mejor los conceptos.
Con Sesiones Virtuales de Repaso, Casos Prácticos Integrales y Masterclass Nuevas Tendencias, que permiten ampliar conocimientos y aportar una visión práctica y aplicada a situaciones reales de las empresas.
Plan de estudios Máster en Business Intelligence y Big Data
Asignaturas comunes
Introducción al Business Intelligence y Big Data (6 ECTS)
Aprenderás las ventajas de implementar una cultura de toma de decisiones basadas en datos en tu empresa. Te capacitarán para liderar programas de Big Data y aprovechar al máximo el valor de los datos. Desarrollarás casos de uso prácticos en el contexto empresarial de la Era de los Datos y estarás listo para transformar tu empresa en una organización impulsada por los datos, permitiéndote tomar decisiones más informadas con una sólida estrategia de datos.
- Fundamentos del Business Intelligence
- El valor de los datos
- Fundamentos del Big Data
- Desarrollo de una Estrategia de Datos
- Elementos clave para el Gobierno y Gestión de los datos
- Organización Data Driven. Retos y oportunidades.
Herramientas de Big Data y Gobierno del Dato (6 ECTS)
Descubre cómo organizar la toma de decisiones basadas en datos en tu empresa. Explora la propiedad de los datos, su almacenamiento y procesamiento, y las herramientas de visualización, incluyendo SAS Visual Analytics. Este curso te sumergirá en las herramientas esenciales de Big Data y Gobierno del Dato.
- Almacenamiento y procesamiento de la información
- Información estructurada
- Tecnologías Big Data
- Análisis y visualización de la información
- Herramienta SAS Visual Analytics
- Gobierno del Dato.
Big Data Dentro de la Informática (6 ECTS)
La evolución de la capacidad de proceso y de las técnicas de paralelización en el tratamiento de datos, así como la disponibilidad de hardware avanzado asequible, permiten hoy procesar ingentes cantidades de datos. Nos familiarizaremos con las principales evoluciones y técnicas de tratamiento masivo de información
Contenidos:
- Capacidad de procesamiento y paralelización extrema. Arquitecturas GPU vs CPU. Núcleos Cuda. Escalabilidad.
- Entornos de trabajo para arquitecturas Deep Learning. Tensor Flow, Keras, Pytorch.
- Aprendizaje supervisado y no supervisado. Entrenamiento. Ejecución y Distribución de modelos. Inteligencia Artificial.
- Regresiones. Series temporales autorregresivas. Clusterización, kmeans.
- Arboles de decisión: Random Forest. Xgboost.
- Redes neuronales, Perceptrón Multicapa. Redes Convolucionales.
Técnicas de Datamining para el Negocio: (6 ECTS)
Proporcionaremos una visión completa de las técnicas clásicas de minería de datos, tanto supervisadas como no supervisadas. Te capacitaremos para abordar problemas de datamining y modelización estadística desde la fase de planteamiento hasta la evaluación de resultados. Los conceptos teóricos se respaldarán con ejemplos prácticos utilizando lenguaje de programación.
Contenidos:
- Planteamiento del problema. Análisis supervisado: regresión y clasificación. Análisis no supervisado.
- Preparación de datos en análisis supervisado. Entrenamiento, validación y test.
- Validación cruzada (cross validation).
- Regresión lineal y logística.
- Arboles de decisión.
- Redes neuronales: perceptrón multicapa.
- Evaluación de resultados: curva ROC, lift chart, AUC, Accuracy, F-score, MSE…
- Dicotomía sesgo – varianza en data mining. Curva de aprendizaje.
- Análisis no supervisado: PCA y K-means.
Casos de uso Data Management: (6 ECTS)
Se explicarán las técnicas principales en la monitorización y mejora de procesos de negocio, dentro del paradigma Definir-Medir-Mejorar.
Contenidos:
- Definición de procesos de negocio. BMP’s y principales KPI’s.
- Remodelización. Del Modelo relacional al Modelo en estrella. Desnormalizaciones. Bucles.
- Procesos ETL (Extracción Transformación y Carga). Cargas masivas. Staging.
- Historificación. Agregados.
- Herramientas: ETLs open y comerciales. Herramientas de auto gestión. Business Objects.
- Algoritmos de optimización.
- Caso de uso. Monitorización en tiempo real de web de ventas vía ingesta de logs (desestructurado) y datos de ventas (estructurado).
Casos de uso en Finanzas: (6 ECTS)
Diseño de modelo de datos o Datamart para departamentos financieros y control de gestión para generar los informes de seguimiento, profundización y ad hoc en el terreno de la toma de decisiones.
Contenidos:
- El dato a la información: de la métrica al KPI y las medidas de la vanidad.
- La selección y reducción de datos: informes periódicos- informes ad hoc. Coste de mantener más información de la necesaria y oportunidades de la automatización.
- Herramientas de seguimiento del negocio: evolutivos, year to date, grados de cumplimiento, rentabilidad, amortización, Payback/ROI.
- Series temporales, estacionalidad, comparación con el pasado y grupos de control.
Casos de uso en Marketing: (6 ECTS)
Te guiaremos en el uso de diversas técnicas de modelización, especialmente relevantes para afrontar situaciones de marketing. Los casos prácticos se basarán en experiencias reales de empresas en sectores como el transporte, las telecomunicaciones, el análisis de opinión y el retail. Nuestra meta es que adquieras una comprensión práctica de estas técnicas estadísticas de modelización y desarrolles la capacidad de tomar decisiones fundamentadas sobre cuál aplicar en cada escenario de marketing.
Contenidos:
- Modelos de Churn. Detectar posibles fugas de clientes antes de que sea demasiado tarde…
- Modelos de valoración “inteligente” de clientes (Customer Life Time Value)
- Crosselling y Upselling. Vincular y desarrollar al cliente.
- Casos de uso no supervisado. Análisis cluster y PCA. Conociendo al cliente.
- Marketing Modeling Mix. Evaluar el impacto de la inversión en medios y cómo optimizarla.
Herramientas y Profesionales de BIBD (6 ECTS)
El nuevo paradigma hace que necesitemos nuevos perfiles de profesionales y nuevas herramientas, es importante conocer qué perfiles profesionales intervienen en los proyectos de BIBD, conocer el estado del arte de las herramientas tecnológicas, así como sus principales funciones y ventajas.
Contenidos:
- El nuevo paradigma: open data y open source
- Principales repositorios de open data
- Landscape de herramientas de Data mining y Big Data
- El nuevo científico de datos en las tres esferas: matemática/estadística, informática y conocimiento del negocio
- La cultura de empresa en recursos humanos para incentivación, retención y actualización del talento.
Bases de datos Relacionales y no Relacionales (6 ECTS)
Conocer las principales técnicas, engines, actores y flujos en el almacenamiento y explotación masiva de datos.
Contenidos:
- Metodologías. Modelo Entidad Relación. Normalización. Técnicas de modelado.
- Estructura básica de una BBDD relacional. Patrones de diseño. Transacciones. Implementaciones Físicas.
- Bases de Datos operacionales vs Datawarehouse. Modelos en estrella y desnormalizaciones.
- Principales engines actuales. Comparativa y campos de aplicación: Oracle, Microsoft, Mysql, MariaDB, Postgresql, Teradata, Vertica.
- Caso práctico: Modelización de un catálogo de productos para track de ventas.
- BBDD no relacionales. Paradigmas de procesamiento masivo: Apache Hbase. HDFS . Hadoop. Map Reduce.
- Deep Learning. GPU, Núcleos cuda y procesamiento matricial. Frameworks en detalle: Tensor Flow, Keras, Pytorch.
Lenguajes de Programación de Nuevo Entorno (6 ECTS)
El objetivo de esta materia es familiarizarse con los conceptos clave en los entornos software para la ciencia de datos. Leguajes, herramientas de desarrollo, entornos de trabajo y despliegue final de soluciones. Hadoop, Spark, Phyton, Java, lenguajes propios de base de datos. Soluciones en la nube: Amazon (AWS), Google cloud, Microsoft Azure.
Contenidos:
- De C a Spark. Conceptos claves en los lenguajes de programación en la Ciencia de Datos. Eficiencia, compatibilidad, curvas de aprendizaje. Tendencias actuales.
- Herramientas de desarrollo. Principales IDEs de Programación en la ciencia de datos: Eclipse, R-Studio, Spyder, Jupyter Notebook.
- Caso práctico. Cotizaciones Nasdaq con python bajo Jupyter. Ingesta, tratamiento y visualización.
- On Promise, Hosting y Cloud. Definiciones y modelos. Mantenimiento, escalabilidad y despliegues.
- Cloud. Principales actores. Productos sobre cloud. Soluciones llave en mano.
- Caso práctico AWS. Despliegue tienda online extremo a extremo.
Storytelling del Dato
Controlar la narrativa del dato, desde la extracción, reducción e interpretación a la narrativa de cara al cliente interno, usuario stakeholder o cualquier cliente de la información.
Contenidos:
- Optimización en la petición de la información: estados, fechas, clientes.
- Introducción a Power Bi
- Conexión con fuentes de datos
- Objetos visuales Power Bi, posibilidades y mejores combinaciones para la narrativa.
- Fuentes en Tableau
- Visualización en Tableau
Proyecto Fin de Programa (8ECTS)
El Trabajo fin de Máster es el último paso para obtener el título del programa formativo. Consiste en la realización de un trabajo académico en el que se apliquen o desarrollen conocimientos adquiridos a lo largo del programa formativo. Este trabajo deberá contemplar la aplicación de competencias generales asociadas al programa.
Prácticas Profesionales Convalidables (12 ECTS)
Itinerario de negocio
Transformación Digital (6 ECTS)
Esta asignatura ofrece una visión transversal sobre la Transformación Digital, poniéndola en un contexto de negocio, normativo y de actualidad dentro de la revolución digital. Profundiza en herramientas y tecnologías: ¿cómo ayudan a mejorar la productividad y resultados de la empresa?
Contenidos:
- La Transformación Digital y la IV Revolución Industrial
- Start-Up y Digital Business frente a empresas tradicionales
- Contexto actual y desarrollo de nuevos modelos de negocio. Servicios Cloud
- La Uberización de la Economía
- Gestión de Recursos Humanos y Detección Digital de Talento
- Aspectos Legales: La GDPR.
Reporting y Seguimiento del Negocio
Principales reportes de seguimiento de negocio para realizar la primera foto de situación.
Contenidos:
- Seguimiento del negocio: principales métricas y dimensiones
- Detección de oportunidades y base para estudios ad hoc: fraude, avería, seguimiento de objetivos
- Matriz abc-xyz de clientes.
- Mapas de clientes utilizando cuartiles
- Evaluación de acciones comerciales e interactuaciones con el cliente.
Datamining en la Digitalización (6 ECTS)
Conocer el soporte y lanzamiento de los procesos de digitalización tanto de transformación como de conocimiento e interactuación con el cliente, que puede ofrecer la Inteligencia artificial y el Machine learning.
Contenidos:
- Minería de datos en la Industria 4.0 y transformación digital.
- Inteligencia artificial en la gestión de clientes: user-centric, ad-centric, site-centric.
- Fuentes de información: cookies, Id’s e información interna comportamental del cliente
- Construcción de audiencias.
- Personalización de campañas: banners, Display Campaing, Campañas de remarketing
- Publicidad programática: DMP
Itinerario técnico
Modelización de datos estructurados
Profundizar en el conocimiento de SQL como principal herramienta de acceso a datos relacionales.
Contenidos:
- QL. Estandarización. Versión ANSI 92. Otros dialectos. Dialectos propietarios.
- DDL. Definición de estructuras. Comandos principales.
- DML. Manipulación de Datos. Comandos principales.
- SELECT. Consulta de datos. JOINS. Relacionando Tablas.
- AGRUPACIONES Y FUNCIONES VENTANA. Conteos y funciones estadísticas.
- PRINCIPALES FUNCIONES. De cadena. Numéricas, Matemáticas, De fecha. Estadísticas,
- IMPLEMENTACIONES PROPIETARIAS. Principales diferencias entre engines.Fechas. Nulos.
- OPTIMIZACION. Herramientas de optimización de consultas. índices, vistas. Hints. Planes de ejecución.
Modelización de datos estructurados
Conocer las principales técnicas del tratamiento de la información no estructurada como eventos masivos, imagen, texto y voz.
Contenidos:
- Distribución de datos. HDFS. Hadoop. Hbase.
- Diferencias con modelos relacionales.
- Algoritmos distribuidos. ingeniería de Features
- Tratamiento de eventos. Buscadores. Recomendadores.
- Tratamiento de imágenes. Redes Convolucionales sobre imagen.
- Tratamiento semántico de la información. Bag of words. Clasificación. Análisis de Sentimiento.
- Voz. Speech to text. VRU.Chat Bots,
Machine learning e Inteligencia Artificial
Entender como Python puede utilizarse como herramienta para desarrollar proyectos de Ciencia de Datos. Desde los conceptos más básicos, a la utilización de librerías avanzadas de Machine y Deep Learning.
Contenidos:
- Python.- Instalación y componentes. Librerías. Comunidades de desarrollo. Módulos para la Ciencia de Datos.
- Bases del lenguaje. Estructuras de control, funciones y variables. Módulos y paquetes.
- Ingesta de datos. Scraping. Ficheros, BBDD. Ingeniería de Features.
- Estructuras de datos. Listas, Diccionarios. Tratamiento y procesamiento. Pandas. Numpy,
- Álgebra Computacional. Simpy.
- Librería matemática, SciPy.
- Machine Learning Sk-Learn
- Deep Learning: Pytorch y Keras.
Formación complementaria
Curso de preparación para la certificación Google Analytics IQ (Módulo Opcional)
El objetivo de esta asignatura es comprender el funcionamiento de Google Analytics. Esta herramienta permite medir todas las acciones que realizan los usuarios en aplicaciones o páginas web, recopilando información sobre el origen de las visitas, el comportamiento dentro del sitio o las acciones de compras o contacto que realizan. Con este aprendizaje se abordará también la certificación oficial de Google Analytics.
Contenidos:
- Introducción a Google Analytics
- Informes de Google Analytics
- Configuración de Google Analytics
- Informes personalizados y seguimientos avanzados
- Google Tag Manager
- Preparación y realización del examen
Solicitud de admisión
CONVOCATORIAS
PROCESO
Para cada convocatoria se realiza el siguiente proceso de admisión, en base a una selección de alumnos para las plazas limitadas ofertadas:
Enviar solicitud
Condiciones de admisión
Los asesores de admisiones de IEP informarán al candidato sobre todas las cuestiones relativas al programa así como del proceso y condiciones de admisión.
Documentación
El candidato deberá cumplimentar el “formulario de admisión y enviarlo a IEP junto con su Currículum Vitae.
Decisión del comité
El Comité de Admisiones estudiará el expediente y comunicará al alumno, si es apto, que le concede la plaza para estudiar el programa.
Salidas Profesionales Máster en Business Intelligence y Big Data
Científico de datos
Business Analyst Manager
Chief Data Officer
Application architect
Operations Research Analyst
Analista en business intelligence
Becas
El Instituto cuenta con un programa de becas que puede llegar a cubrir Disponibles del coste de la matrícula. En cada convocatoria se ofertan un número limitado de becas en base a la situación personal, profesional o económica de los candidatos. Para su adjudicación, se sigue un riguroso orden de solicitud.
Para poder disfrutar de una Beca es necesario realizar una entrevista telefónica personal. En dicha entrevista, se trata de determinar si el candidato cumple los requisitos solicitados por la Fundación para la obtención de la ayuda.
+ 1.000 becas
Concedidas en el último año
Financiación
Existen también condiciones especiales de financiación, promovidas por ambas Instituciones, con el fin de ayudar a soportar la carga financiera de los estudios, para aquellos alumnos que lo soliciten y cumplan con las condiciones requeridas para su aprobación.
+ 10.000 profesionales
Han cumplido su objetivo gracias a nuestras facilidades económicas
Solicita información
Sus datos han sido registrados exitosamente.