Máster de Formación Permanente en Business Analytics e Inteligencia Artificial
Contenido
Máster de Formación Permanente en Business Analytics e Inteligencia Artificial.
Aprende a convertir datos en conocimiento práctico para impulsar decisiones empresariales inteligentes.
Metodología: Presencial Duración: 10 meses (60 ECTS)
Objetivos.
El objetivo general del Máster de Formación Permanente en Business Analytics e Inteligencia Artificial de Inesdi Business Techschool es ofrecer una visión completa de todo el proceso necesario para sacar valor del dato. Se abarca desde el análisis más estratégico de negocio, hasta el conocimiento necesario para la implantación de un plan de Business Analytics.
Veremos, de manera totalmente práctica, los pasos necesarios para lograrlo: la ingesta de diferentes fuentes tanto internas como externas, el tratamiento y procesamiento de los datos para su posterior análisis tanto descriptivo como predictivo/prescriptivo y por último su reporte o visualización que permita entender mejor el valor resultante de todo el proceso. Sin olvidar el mantener el gobierno y calidad de los datos utilizados y generados con IA, que garantizan que las conclusiones que se han obtenido de los datos son fiables. Además, veremos cómo impacta la Inteligencia Artificial a lo largo de todo el proceso. Se aprenderá a gestionar los proyectos y equipos con una metodología Agile y se obtendrá una visión completa de las herramientas/tecnologías necesarias para obtener el valor del Dato que permite tomar decisiones más acertadas.
Empleabilidad.
58% De nuestros Alumni reciben nuevas ofertas de empleo al finalizar el Máster.
83% De alumnos consideran el Máster como Significativo, Decisivo e Importante.
92% De nuestros Alumni encuentran trabajo relacionado al Máster una vez finalizado.
Razones por las que estudiar Máster en Business Analytics e Inteligencia Artificial Presencial en Inesdi.
Rol estratégico:
Estudiar de forma presencial en Barcelona o Madrid, te prepara para desempeñar un rol clave en cualquier sector empresarial. Por eso, las organizaciones buscan perfiles profesionales que sepan analizar e interpretar sus datos para mejorar sus resultados.
Visión y conocimiento:
Que los datos son la clave del éxito de todo tipo de empresas no es ninguna novedad, y estudiar Business Analytics es la manera de aprender a interpretarlos. También de adquirir la visión y conocimiento necesarios para convertir en líder a una empresa.
Accesibilidad y transparencia:
Estas son dos de las características que los clientes exigen a las empresas cuyos productos y servicios compran. Estudiar inteligencia de negocios te coloca en la posición de ofrecer a esas empresas la posibilidad de dar a sus clientes lo que necesitan.
Escasez de perfiles:
Muchas consultoras de RRHH han reconocido la escasez de perfiles especializados en datos. De ahí que estudiar Business Analytics se haya convertido en un medio de mejorar la empleabilidad en todos los sectores empresariales.
Programa.
El programa en Business Analytics e IA se estructura en 10 módulos, y termina con el Proyecto Final de Máster.
Los alumnos tendrán la posibilidad de prepararse para la certificación de PSM® y Microsoft Certified: Power BI Data Analyst Associate.
Además, aprenderán a utilizar las siguientes herramientas:
Módulo 1. - El valor del dato y estrategias de Business Analytics.
El objetivo de este módulo es conocer el valor que tienen los datos. Se proporcionará al estudiante una comprensión integral de la estrategia de datos en las organizaciones modernas y cómo los datos pueden ser utilizados como un activo estratégico, ofreciendo una visión global que integre fundamentos del business intelligence, el análisis de datos y la inteligencia artificial. Los alumnos serán capaces de diseñar, implementar y gestionar estrategias de datos que impulsen la toma de decisiones y generen valor a la organización.
Objetivos:
El valor de los datos.
Fundamentos del Business Intelligence y Data Analytics.
Transformación en empresa Data-Driven.
Estrategia de datos.
Ciclo de vida del dato, desde su origen hasta la explotación.
Fases del análisis de datos.
Big Data, Machine Learning e IA.
El rol del Chief Data Officer (CDO).
Data Management.
Arquitectura de datos.
Transformación Digital.
Módulo 2.- Big Data, Analytics e IA.
El objetivo de este módulo es comprender los conceptos clave del Big Data y su relación con el Business Intelligence, así como su impacto en el tratamiento de datos. Se explorarán nuevas tecnologías y arquitecturas emergentes, y se trabajará con ejemplos prácticos de Google Cloud y el uso de Inteligencia Artificial, además de aprender el lenguaje SQL.
Objetivos:
Fundamentos del Big Data.
Hadoop y Arquitectura Big Data.
Introducción a Spark.
Conceptos básicos del Cloud Computing.
IaaS, PaaS, SaaS.
Google Cloud.
Aplicación de la IA en la empresa.
Programación en SQL.
Módulo 3.- Integración de datos.
El objetivo de este módulo es integrar y organizar datos de diversas fuentes para maximizar su valor en un sistema unificado. Se abordarán los procesos ETL (Extracción, Transformación y Carga) con teoría y ejemplos prácticos, además de introducir el uso de Python y la aplicación de la Inteligencia Artificial generativa en estos procesos.
Objetivos:
Organizando los datos: Extracción, Transformación y Carga.
Feature Engineering.
Modelado de datos.
Modelo entidad – relación.
Buenas prácticas para definición de procesos ETL.
Principales herramientas del mercado.
Democratización de los Datos: Open Data Explorando y utilizando los datos abiertos. Principales portales, APIs.
Programación en Python.
Optimización y generación de código utilizando Inteligencia Artificial Generativa (GenAI).
Documentar código utilizando Inteligencia Artificial.
Módulo 4.- Visualización de datos aplicando la IA.
En este módulo, los alumnos dominarán la visualización de datos, enfocándose en cómo comunicar resultados a distintos stakeholders para facilitar el análisis y la toma de decisiones. Se profundizará en los fundamentos de la visualización y en la búsqueda de las mejores representaciones de insights, así como en el uso de la IA generativa para mejorar el diseño de presentaciones.
Objetivos:
Tipos de gráficos; cuándo y cómo utilizarlos.
Benchmark de principales tecnologías de Business Intelligence del mercado.
Proceso de elaboración y diseño de un dashboard.
Best practices, IBCS, errores más comunes, mal uso de las visualizaciones.
Balanced Scorecard y KPIs más frecuentes.
Storytelling.
Sesgos de las personas al analizar la información.
Diseño de presentaciones con IA generativa.
Tendencias de mercado e impacto de la IA en la visualización de datos.
Customer Analytics.
Módulo 5.- Explotación de datos.
El objetivo de este módulo es dominar Power BI en Business Intelligence. Los alumnos crearán dashboards avanzados, procesarán datos, implementarán KPIs y explorarán el uso de Inteligencia Artificial, además de prepararse para la certificación Microsoft Certified: Power BI Data Analyst Associate.
Además, abordarán los contenidos necesarios para prepararse para la certificación: Microsoft Certified: Power BI Data Analyst Associate.
Objetivos:
Introducción a Power BI.
Ingesta, transformación y modelado de datos en Power BI.
Creación de reportes y dashboards en Power BI.
Programación en DAX.
Publicar y compartir.
Creación automática de dashboards con Inteligencia Artificial en Power BI.
Creación de dashboards en Tableau.
Preparación para la certificación: Microsoft Certified: Power BI Data Analyst Associate
Módulo 6.- Arquitectura, Modelado y Bases de datos.
La arquitectura en la nube o cloud constituye la base más moderna en la que se integran las distintas tecnologías de datos para crear entornos de TI capaces de extraer, procesar, gestionar y compartir información. En este módulo analizaremos las plataformas líderes de mercado y veremos cómo se trabaja con ellas, cuáles son los principales elementos a tener en cuenta y cómo se controlan los costes asociados de manera eficaz.
Objetivos:
Principios básicos de arquitectura de datos.
Arquitecturas en la nube (cloud) VS on premise.
Benchmark tecnológico de los principales proveedores cloud.
Ejemplos prácticos con Microsoft Azure.
Gestión de usuarios.
Gobernanza y cumplimiento.
Administración Cloud.
Redes virtuales.
Almacenamiento Cloud.
Modelo de costes de arquitecturas cloud.
Monitorización de arquitecturas cloud.
Módulo 7.- Data Analytics: Data Science, Machine Learning e Inteligencia Artificial.
Este módulo se centra en la analítica avanzada y su impacto en la optimización de procesos y reducción de costes en empresas. Se explorarán conceptos emergentes, su aplicación en diversas industrias y el uso de Python e inteligencia artificial.
Objetivos:
Introducción Machine Learning / Inteligencia Artificial / Modelos predictivos.
Inteligencia Artificial Generativa (GenAI) y LLMs.
Machine Learning en la empresa.
Estadística, EDA y preparación de datos.
Aprendizaje supervisado (clasificación, regresión, evaluación de modelos).
Aprendizaje no supervisado (modelos de clústering, detección de anomalías).
MLOps.
Módulo 8.- Gestión, Gobierno y Calidad de los Datos.
El objetivo de este módulo es aprender a gobernar y gestionar los datos para garantizar su calidad, especialmente con el auge de la IA en las empresas. Se abordarán estrategias para desarrollar un plan de gobierno de datos y su impacto en la calidad de la información.
Objetivos:
La importancia del gobierno de los datos.
Privacidad de los datos, GDPR. Cómo planificar un programa de Data Governance.
Roadmap y plan de acción.
Procesos y Herramientas de soporte al Data Governance.
Objetivos estratégicos de la gestión de los datos.
Calidad del Dato.
Estrategia y Plan de Acción.
Proceso de Calidad de Datos: Actualización, Normalización, De-duplicación.
Casos Prácticos.
Módulo 9.- Gestión de proyectos de Business Intelligence y Data Analytics.
Este módulo se centra en la metodología para optimizar la gestión de proyectos, garantizando entregas de mayor calidad y en menor tiempo. Tras completar las fases del ciclo de vida del dato (módulos 1-8), se asegurará que el resultado cumpla con las necesidades del usuario.
Objetivos:
Fundamentos de gestión de proyectos.
Gestión tradicional (waterfall) vs. Agile.
Metodología Agile: Scrum y Kanban.
Épicas, User Stories y Criterios de Aceptación.
Sprints.
Gestión de equipos.
Presentación de proyectos.
Módulo 10.- Casos de Uso de Data Analytics e IA.
En este último módulo, se aplicará lo aprendido para utilizar los datos en función de necesidades comerciales. Se revisarán casos de uso comunes, su construcción y seguimiento, además de presentar ejemplos de empresas internacionales y resultados de proyectos con inteligencia artificial en Data Analytics.
Objetivos:
Proyectos de Data, Analytics e Inteligencia artificial end-to-end.
Modelo Canvas.
Cuadro de mando de Ventas y otros proyectos típicos.
Cómo las empresas integran Machine Learning e Inteligencia artificial en sus proyectos de datos.
Casos prácticos comunes con Inteligencia Artificial (Optimización de campañas, morosidad, retención…)
Casos prácticos con Inteligencia Artificial Generativa (GenAI).
Talleres
El programa también ofrece talleres complementarios que te proporcionarán conocimientos prácticos adicionales, alineados con las últimas tendencias del mercado, para potenciar aún más tu perfil profesional:
• LAB de Programación: Este laboratorio tiene como objetivo proporcionar, a nuestros estudiantes, una comprensión integral de los conceptos básicos de programación a través de cuatro cursos:
· Fundamentos I y Fundamentos II: Están diseñados para proporcionar una comprensión integral de los conceptos básicos de programación, ideal para principiantes.
· Programación en Python I y Programación en Python II: Esto proporcionará a los alumnos oportunidades para experimentar con datasets y a aquellos que sean más curiosos poder experimentar con modelos básicos antes de avanzar a cursos más especializados.
• Workshop: Cómo destacar con tu Marketing Personal : Este workshop de 3 horas tiene como objetivo fortalecer la marca personal de los alumnos mediante ejercicios prácticos. Se abordarán la propuesta de valor, la optimización de la presencia digital en LinkedIn y la creación de contenidos efectivos, así como técnicas para mejorar la presentación personal en entornos digitales y presenciales.
Certificaciones
El programa incluye la preparación para dos certificaciones clave, asegurando que estés al día con las últimas tendencias y herramientas del mercado, lo que te permitirá destacar en un entorno laboral competitivo:
· Preparación para la certificación de Microsoft: Power BI Data Analyst Associate: Este taller prepara a los alumnos para la certificación que cumple con los requisitos empresariales y técnicos para modelar, visualizar y analizar datos con Microsoft Power BI.
· Preparación para la certificación de Professional Scrum Máster (PSM): Este taller prepara a los alumnos para la certificación PSM I de Scrum.org, explorando los principios de Agile y Scrum. A través de aprendizaje dirigido y actividades en equipo, se abordarán mitos y obstáculos para la agilidad, permitiendo a los estudiantes elegir y aplicar prácticas beneficiosas para sus equipos Scrum.
Perfil del estudiante.
El perfil de los alumnos del máster en Business Analytics e Inteligencia Artificial de Inesdi en anteriores convocatorias es:
DATOS DEMOGRÁFICOS
68% Europa
32% Latinoamérica
EDAD 25 años
Media 2 años
Media experiencia
Salidas profesionales.
Al finalizar el Máster de Business Analytics e IA, los estudiantes podrán ocupar posiciones como:
Responsable de proyecto de Business Intelligence
Analista de datos
Consultor de BI
Especialista en visualización de datos
Ingeniero de datos
Consultor gobierno del dato