Máster en Data Analytics & Cognitive Intelligence en Madrid en MSMK - Madrid School of Marketing

Dirigido a:

El Máster en Data Analytics & Cognitive Intelligence - Presencial (Madrid) de MSMK te otorga sólidas habilidades de análisis y los conocimientos para identificar, analizar controlar y gestionar de forma eficaz y ágil la información de la empresas, del mercado y de sus clientes, con el apoyo de tecnología y herramientas avanzadas necesarias para liderar las estrategias de business analytics, cognitive intelligence, big data y business intelligence.

Comentarios:

Durante el programa el alumnos trabajarán el desarrollo de la función de Business Intelligence, manejo y gestión de datos: Datawarehouse, técnicas de visualización de datos, analítica avanzada para el tratamiento de la información de clientes, minería de datos, arquitecturas de big data: principales componentes, Marketing intelligence y análisis de redes sociales, aplicaciones cognitivas, cuadro de mando integral y reporting, gestión técnica de proyectos y equipos de trabajo en business intelligence / big data.

El Leer más Máster en Data Analytics & Cognitive Intelligence - Presencial (Madrid) de MSMK, te permite desarrollar el programa en nuestras instalaciones de la emblemática calle de Príncipe de Vergara de la ciudad de Madrid, lo que te permitirá compatibilizar tu actividad profesional con tu formación, podrás asistir a conferencias, seminarios y workshops por parte de prestigiosos ponentes, trabajarás en grupos reducidos y con claustro de calidad, compuesto por directos de compañías nacionales y multinacionales y donde te beneficiarás de una Bolsa de Empleo Vitalicia y una Bolsa de Prácticas, especializadas en el máster.

Lugar de impartición:

en Madrid

FECHA DE INICIO: Febrero y Noviembre 2018.

Leer menos

01. BIG DATA BIG DATA INSIGHTS - EL ORIGEN DEL BIG DATA
• Principales conceptos de business intelligence (calidad de datos, procesos ETL, DWH).
• El data warehouse y el tratamiento de los datos – Big data.
• Modelo relacional – Modelo transaccional.
• Del operacional al informacional: modelización de los datos (modelo en estrella, modelo en copo de nieve…).
• Arquitectura del data warehouse: diferencia ente DWH y datamart.
• Explotación multidimensional de los datos: cubos OLAP.
• La importancia de la calidad de datos. Limpieza y enriquecimiento.
• Procesos y subprocesos de ETL.
• Interés empresarial del business intelligence.
• Aplicación práctica de la minería de datos: ventas, CRM y marketing.
• Criterios de selección de herramientas de BI - Comparativa de herramientas de BI (Oracle, SAS y Qlik).
• Metodología de un proyecto de BI – Metodología analítica.
• Plataformas tecnológicas.


02. VISUALIZACIÓN
• Storytelling. Representación mediante códigos visuales. Criterios clave.
• Visualización de datos. Casos de uso.
• Visualización de datos con programación (D3, R).
• Visualización de datos con mapas (geolocalización, mapas de calor...).
• Visualización no convencional (textos, redes sociales...).
• Mapa de herramientas de visualización (Tableau, Qlik, Arc GIS, Carto DB, RAW, Chartio, Gapminder...).
• Tendencias de visualización (infogramas, modern BI...).
• Taller de Tableau.
• Taller de Qlik: Qlikview y Qlik Sense, ETL, modelo asociativo QIX, modelización de datos, visualización, modelo D.A.R., maping, extensiones, cloud colaborativo, storytelling, public data/data market.


03. Leer más BIG DATA INSIGHTS - BUSINESS ANALYTICS
• La estadística como herramienta de apoyo para la toma de decisiones: principales funciones y limitaciones.
• Metodología para recoger, organizar, sintetizar, analizar datos y hacer inferencias a partir de ellos. Población y muestra. Tipos de muestreo.
• Utilidad de los modelos de distribución de probabilidad para análisis de fenómenos económicos y sociales de tipo discreto y continuo.
• Adquisición de habilidades útiles para el análisis estadístico desde el razonamiento inductivo. Métodos inferenciales: estimación y contrastación.
• Desarrollo de modelos de comportamiento y su aplicación práctica en la gestión de negocio.
• La minería de datos como proceso de ayuda a la toma de decisiones.
• Proceso de exploración y modelización de grandes volúmenes de datos para
descubrir patrones previamente desconocidos y adquirir ventaja competitiva.
• Desarrollo de algoritmos y modelos de comportamiento a través de la minería de datos.
• Trabajo en clase con SAS Enterprise Miner.
• Introducción a técnicas de Data Mining.
• Árboles de decisión, regresión logística, redes neuronales, comparación de modelos, puesta en producción, segmentación analítica y profiling y market basket analysis.


04. BIG DATA INSIGHTS - BIG DATA OPERACIONAL
• Introducción al big data. La obtención del valor de los datos.
• Nuevos retos en la gestión de los datos: velocidad, variedad, volumen y veracidad.
• Tendencias de big data. Evolución de las plataformas.
• Arquitecturas de big data.
• ¿Qué es Hadoop? HDFS y Map Reduce.
• El ecosistema de Hadoop: Sqoop, Pig, Hive, Flume, Mahout, HBase, Ozzie…
• Plataforma big data: Tipos de analíticas y casos de uso.
• Tratamiento de datos por lotes y tratamiento de datos en tiempo real.
• Visualización de datos con big data. Data discovery.
• Taller de SQL.
• Taller de Python.
• Taller de bases de datos: Riak, MongoDB, Cassandra y Neo4j.
• Taller de Spark: tratamiento de datos en tiempo real.
• Taller de big data.


05. TECNOLOGÍAS Y APLICACIONES COGNITIVAS

COMPUTACIÓN COGNITIVA. IBM WATSON COMO MOTOR DE LOS NUEVOS MODELOS DE NEGOCIO COGNITIVOS.

• Introducción a Watson developer cloud. Contexto y capacidades.
• Introducción a IBM Bluemix: Gestionando servicios y desplegando aplicaciones.
• Análisis semántico de contenido: Alchemy Language. Talleres de análisis semántico y extracción de entidades.
• Desarrollo de anotadores customizados: Watson Knowledge Studio. Talleres de creación de anotadores de machine learning.
• Detección de variables de personalidad y descubrimiento del tono: Watson
Personality Insights y Tone Analyzer. Taller de descubrimiento de tono.
• Traducción de texto y clasificación de lenguaje natural. Watson Language Translator y Natural Language Classifier. Taller de clasificación de texto.
• Transcripción y síntesis de voz: Watson Speech to Text y Text to Speech.
• BOT’s: Automatización de las iteraciones con usuarios. Watson Conversation. Taller de creación de un agente virtual.
• Prototipado en IBM Bluemix: Node-RED.
• Búsqueda y recuperación de información: Watson Retrieve & Rank y Watson Discovery: taller de recuperación de información.
• Reconocimiento y clasificación de imágenes con Watson Visual Recognition. Taller de análisis de imágenes y reconocimiento visual.
• Descubrimiento de datos guiados.

WATSON ANALYTICS. PLATAFORMA DE AUTOMATIZACIÓN DE DESCUBRIMIENTO DE DATOS ESTRUCTURADOS.

• Descubrimiento de información, a través del lenguaje natural y de técnicas avanzadas automatizadas.
• Cuadros de mando, infografías y storybooks.
• Acceso y análisis de datos sociales: Twitter.

INTERNET DE LAS COSAS. WATSON IOT.

• Descripción de la plataforma, servicios disponibles, ejemplos.
• Prácticas utilizando dispositivos remotos (uso con smartphones). Por ejemplo recogeremos datos del acelerómetro y envío de comandos simples vía nodered en Bluemix.
• Explotación de datos recolectados desde IoT con Watson Analytics.
• Diseño de soluciones usando los servicios de Watson Developer Cloud.

06. CUSTOMER ANALYTICS
• Aprender a generar y utilizar el conocimiento para facilitar la toma de decisiones y la definición de la mejor estrategia de gestión para llevar a cabo (captación de clientes, fidelización de clientes, retención de clientes).
• Segmentación de clientes.
• Calcular el valor cliente.
• Analizar el impacto del valor de cliente en las estrategias de gestión.
• CRM. Fundamentos. Funcionalidades básicas de un CRM.
• CRM operacional, colaborativo, analítico y social CRM.
• Herramientas CRM.
• Herramientas de visualización de grandes volúmenes de datos en tiempo real: dashboard online.
• Implantación de un CRM: errores, metodología.
• CRM Scorecard. Métricas.
• Monitorización de redes sociales. Análisis de sentimiento en redes sociales.
• Casos prácticos reales de aplicación de la analítica de clientes para el desarrollo de negocio (sector asegurador, sector automoción, sector retail, sector financiero).
• Taller de “data experience”.

07. GESTIÓN POR INDICADORES
• Desarrollo de mapas estratégicos.
• Balanced ScoreCard (cuadro de mando integral) - metodología de Kaplan y Norton.
• Desarrollo de indicadores de gestión comercial.
• Elaboración del business case para el desarrollo de la estrategia de business intelligence, big data y analytics.
• Taller práctico con herramientas de reporting y elaboración de dashboards.
• Visualización analítica de los datos. Visualización interactiva.
• Data discovery. Análisis avanzado para la agilidad de los usuarios de negocio.
• Taller SAP Lumira.Leer menos