Denominación de la asignatura |
Business Intelligence para la Toma de Decisiones |
Máster al que pertenece |
Máster en Análisis y Visualización de Datos Masivos |
Créditos ECTS |
3 |
Cuatrimestre en el que se imparte |
Segundo cuatrimestre |
Carácter de la asignatura | Obligatoria |
Con la gran cantidad de datos que se manejan hoy en día, es necesario que las empresas utilicen Inteligencia de negocios para seguir siendo competitivas. Descubrir tendencias y conocimientos que antes no eran posibles es una parte esencial en el direccionamiento estratégico e impulsa la toma de decisiones.
En este curso se ofrece una visión general del business intelligence, conceptos, herramientas, metodologías y aplicaciones que permiten un mejor almacenamiento, análisis y visualización de grandes cantidades de datos e información, facilitando así el proceso de toma de decisiones. Al finalizar el curso, además de obtener unos conocimientos básicos sobre Inteligencia de negocios, se comprenderán los beneficios que se obtienen al implementar sistemas de gestión del conocimiento en la empresa.
Competencias básicas:
Competencias generales:
Competencias específicas:
Competencias transversales:
Tema 1. La dirección estratégica
El proceso de la dirección estratégica
Análisis estratégico
Cuadro de Mando Integral
Toma de decisiones
Referencias bibliográficas
Tema 2. Introducción al business intelligence
Datos, información y conocimiento
Inteligencia de negocios
Business intelligence vs business analytics
Referencias bibliográficas
Tema 3. Data warehouse o almacén de datos
Almacén de datos (data warehouse)
Procesos ETL
OLAP
Referencias bibliográficas
Tema 4. Herramientas de visualización
Informe y sus componentes
Tipos de herramientas
Usuarios
Dashboard
El cuadrante mágico de Gartner
Referencias bibliográficas
Tema 5. Metodologías y tendencias
Metodología Kimball
Metodologías PMI
Arquitectura Inmon
Data-driven decision
Tendencias
Referencias bibliográficas
Las actividades formativas de la asignatura se han elaborado con el objetivo de adaptar el proceso de aprendizaje a las diferentes capacidades, necesidades e intereses de los alumnos.
Las actividades formativas de esta asignatura son las siguientes:
En la programación semanal puedes consultar cuáles son las actividades concretas que tienes que realizar en esta asignatura.
Estas actividades formativas prácticas se completan, por supuesto, con estas otras:
Las horas de dedicación a cada actividad se detallan en la siguiente tabla:
ACTIVIDADES FORMATIVAS | HORAS |
Sesiones Presenciales Virtuales | 8 |
Estudio Personal de material básico | 25 |
Lectura de material complementario | 11 |
Realización de los casos prácticos | 8 |
Autoevaluación exámenes | 7 |
Tutoría individual y grupal | 8 |
Trabajo colaborativo, foro, chat, debates | 3 |
Desarrollo del Trabajo de Fin de Máster | - |
Evaluación Final | - |
Total |
70 |
Bibliografía básica.
Los textos necesarios para el estudio de la asignatura han sido elaborados por la UNIR y están disponibles en formato digital para consulta, descarga e impresión en el aula virtual.
Bibliografía complementaria.
Chandler, A. D. (1969). Strategy and structure: chapters in the history of the industrial enterprise (Vol. 120). MIT press.
Díaz, J. C. (2012). Introducción al business intelligence. Barcelona: UOC.
Drucker, P. F. (junio, 2004). What makes an effective executive. En Harvard Business Review Press [en línea]. Recuperado de: https://hbr.org/2004/06/what-makes-an-effective-executive.
Eckerson, W. y White. C., (2003). Evaluating ETL and Data Integration Platforms. USA: TDWI Report Series.
Cano, J.L. (2007). Business Intelligence. Competir con Información (p. 392). Madrid: ESADE Business School.
Casey, T., Krishnamurthy, K. y Abezgauz, B. (agosto, 2013). Who Should Own Big Data? En Strategy+Business [en línea]. Recuperado de: https://www.strategy-business.com/article/00211?gko=44b8e
Greg, M. (2018). Business Analytics and Intelligence. An Introduction and Considerations for Getting Started. Durham: Information Services and Techonology.
Inmon, W. H., (1992). Building the data warehouse. (1ª edición). New York: Wiley Computer Publishing.
Medina-La Plata, E. (2012). Primera parte: Business Intelligence como propuesta de valor en las organizaciones. En Business intelligence: Una guía práctica (Spanish Edition, 2º ed). Lima. Recuperado de:
https://nurioueet.firebaseapp.com/aa032/business-intelligence-una-gua-prctica-spanish-edition-by-edison-medina-la-plata-b00vtpfbok.pdf
Mendez, A., Mártire, A., Britos, P. y Garcia-Martínez, R. (2003). Fundamentos de data warehouse. Reportes técnicos en ingeniería del software, 5(1), 19-26.
Recuperado de: http://www.itba.edu.ar/capis/rtis
Simon, A. (2014). Enterprise business intelligence and data warehousing: Program management essentials. Estados Unidos: Morgan Kaufmann Publishers Inc.
Tableau Software (2012). Las cinco mejores prácticas para crear cuadros de mandos eficientes. Recuperado de: http://www.itecsaint.com/pdf/dashboards.pdf
El sistema de calificación se basa en la siguiente escala numérica:
0 - 4, 9 |
Suspenso |
(SS) |
5,0 - 6,9 |
Aprobado |
(AP) |
7,0 - 8,9 |
Notable |
(NT) |
9,0 - 10 |
Sobresaliente |
(SB) |
La calificación se compone de dos partes principales:
CALIFICACIÓN | EXAMEN FINAL | 60% | |
EVALUACIÓN CONTINUA | 40% |
El examen se realiza al final del cuatrimestre y es de carácter PRESENCIAL y OBLIGATORIO. Supone el 60% de la calificación final y para que la nota obtenida en este examen se sume a la nota final, es obligatorio APROBARLO.
La evaluación continua supone el 40% de la calificación final. Este 40% de la nota final se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo durante el cuatrimestre.
Ten en cuenta que la suma de las puntuaciones de las actividades de la evaluación continua permite que realices las que prefieras hasta conseguir el máximo puntuable mencionado en la programación semanal. En ella se detalla la calificación máxima de cada actividad o evento concreto puntuables.
El sistema de evaluación de la asignatura es el siguiente:
SISTEMA DE EVALUACIÓN |
PONDERACIÓN |
PONDERACIÓN |
Participación en foros y otros medios participativos |
0 |
10 |
Realización de trabajos, proyectos y casos |
0 |
20 |
Lecturas complementarias |
0 |
10 |
Prueba de evaluación final |
0 |
60 |
Carolina Diana Caldas
Formación: MBA Executive por la Escuela Europea de Negocios; experta en Gestión y dirección de proyectos - PMI por la Universidad Pontificia de Salamanca; Máster en Ingeniería del Conocimiento por la Universidad Politécnica de Madrid, e ingeniera de sistemas por la Universidad Nacional de Colombia.
Experiencia: Profesional con más de nueve años de experiencia en empresas de diferentes sectores, desarrollando actividades técnicas y de gestión en proyectos multinacionales. Especializada en business intelligence con certificaciones técnicas.
Óscar García Perales
Director de Operaciones e Investigador senior en ICE e Ingeniero Informático por la UPV. Óscar tiene más de quince años de experiencia en proyectos l+D+i europeos. Este año ha terminado el Máster en Inteligencia de Negocio y Big Data impartido en la UOC (60ECTS).
Formación: Ingeniero informático por la Universidad Politécnica de Valencia (UPV, 1995-2002), donde realizó la Intensificación de Ingeniería de los Computadores. En el semestre anterior terminó los estudios del Máster propio en Inteligencia de Negocio y Big Data impartido por la UOC y se especializó en Sistemas de Información (60ECTS, 2016-2018).
Experiencia: Como docente, fue ponente inaugural del curso de verano "Big data: fundamentos tecnológicos y aplicaciones prácticas" impartido por la UA. Como profesional, ha participado en varios proyectos EU en los que se han tratado temas relacionados con big data: CREMA (aplicaciones en cloud-computing para las fábricas del futuro), RED-Alert (CEP para la detección tempra na de contenidos terroristas) y vf-OS (plataforma para el desarrollo de apps para la industria).
Líneas de investigación: lnformation Catalyst (ICE) es una pyme inglesa y española fuerte en la participación de proyectos l+D+i europeos. Además de los mencionados anteriormente, ICE participa en los proyectos CrowdHEALTH (infraestructura para la integración de los datos de salud de pacientes hospitalarios), DIGICOR (infrastructura para la ejecución de proyectos colaborativos en la cadena de suministros) . En la actualidad, ICE coordina vf-OS, liderando las tareas de big data en los proyectos mencionados.
Obviamente, al tratarse de formación on-line puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de actividades, trabajos y exámenes. Nosotros, para ayudarte, te proponemos los siguientes pasos:
Recuerda que en el aula virtual de Lo que necesitas saber antes de empezar puedes consultar el funcionamiento de las distintas herramientas del aula virtual: Correo, Foro, Sesiones presenciales virtuales, Envío de actividades, etc.
Ten en cuenta estos consejos…
|