La inteligencia de negocio y el análisis de datos, bajo diferentes nombres ( business intelligence, business analytics, data science, big data ), es actualmente la mayor área de demanda de profesionales cualificados , la mayor fuente de inversión de las empresas en sistemas de información y la mayor causa de creación de negocios de productos y servicios en todo el mundo.
- Adquirir o completar su formación en el diseño, construcción, explotación y administración de l as bases de datos para entornos analítico s (data warehouse), que son la base de los sistemas y tecnologías de la información de la inteligencia de negocio y el análisis de datos.
- Adquirir formación en el uso de los sistemas Big Data, incluyendo a nálisis en entornos distribuidos y almacenamiento distribuido mediante bases de datos NoSQL.
Especialidades y asignaturas.
E1. Fundamentos de inteligencia de negocio y big data (16 créditos).
Esta especialidad está dirigida a introducir al estudiante en los conceptos, métodos, técnicas y herramientas que utilizan los sistemas de inteligencia de negocio y análisis de datos, a través de casos prácticos y el uso de software especializado.
Esta especialidad es obligatoria en todos los itinerarios del máster.
Se compone de las siguientes asignaturas:
- Fundamentos de inteligencia de negocio (4 créditos) En esta asignatura el estudiante se familiariza con un sistema completo de inteligencia de negocio (la "fábrica de información " ) y con sus diferentes componentes: los procesos de extracción y transformación (ETL), la creación del almacén de datos, el análisis multidimensional y la realización de informes y cuadros de mando. El estudiante trabaja con herramientas Pentaho (Enterprise Edition) y MySQL en una plataforma virtual en la nube y con las bases de conocimiento de la consultora Gartner y otras empresas de prospectiva.
- Gestión de proyectos de BI (4 créditos) En esta asignatura el estudiante se familiariza con el modelo internacional de referencia en gestión de proyectos ( PMBoK ) y con los métodos específicos de producción de proyectos de inteligencia de negocio, a través de un caso práctico y de contenidos teóricos. El estudiante trabaja con herramientas de gestión de proyectos ( MSProject y equivalentes) y con herramientas de ofimática (tipo XLS y PPT).
- Fundamentos y usos del big data (4 créditos) En esta asignatura el estudiante trabaja lo que algunos han llamado la "gestión extrema de la información", es decir, la transformación del enorme volumen de datos oculto en el interior de la propia organización o presente a su alrededor, los diferentes tipos de datos e información y su aplicación en la empresa. Se estudia el ciclo de vida de la gestión de datos masivos y los aspectos tecnológicos, legales y éticos. El estudiante trabaja con universos de datos propios de la universidad, cedidos por empresas o procedentes de las redes sociales, a través de herramientas como Apache Hadoop y Apache Spark .
- Pensamiento analítico en la empresa (4 créditos) El pensamiento analítico representa un cambio en la manera de tomar decisiones y en la cultura de la empresa. En esta asignatura se trabajan las herramientas, el vocabulario y las metodologías básicas para analizar una situación de negocio y de forma sistemática traducirlo en un proyecto de datos. Actúa también como asignatura niveladora para estudiantes que no han recibido anteriormente una formación sobre la arquitectura y componentes de los sistemas de información de empresa (ERP, CRM, SCM, etc.) y su relación con los sistemas de inteligencia de negocio. Finalmente, se propone una metodología para analizar las tendencias del mercado de BI y se presentan las tendencias más actuales.
E2. Análisis y minería de datos ( 16 créditos)
Esta especialidad está dirigida a proporcionar al profesional de perfil empresarial y tecnológico capacidades prácticas de análisis de datos y de manejo de herramientas, dentro del marco científico de data science aplicado a los negocios y las organizaciones.
Esta especialidad es obligatoria en todos los itinerarios del máster.
Se compone de las siguientes asignaturas:
- Minería de datos: conceptos y técnicas (4 créditos) En esta asignatura el estudiante trabaja con modelos teóricos, casos prácticos y herramientas estadísticas los procesos de definición de problemas, preparación de datos y exploración, así como los principales conceptos de la estadística clásica: correlaciones, regresiones lineales, reducción de la dimensionalidad, etc. El estudiante recibe una formación y práctica sólidas en la utilización de la herramienta R, un estándar de facto del mercado.
- Business analytics: modelos y algoritmos (4 créditos) La asignatura presenta los conceptos y tipología de análisis de diferentes tipos de datos, los modelos y algoritmos de uso más frecuente de clasificación y agrupación y las metodologías y estándares profesionales y científicos que se usan en analítica de negocio. En esta asignatura el estudiante trabaja principalmente con R , aunque pueden realizarse ejercicios con otras herramientas ( Excel, QlikView )
- Sistemas de reporting y cuadros de mando (4 créditos) En esta asignatura, el estudiante se familiariza con la construcción y el uso de sistemas de reporting y cuadros de mando, tanto desde el punto de vista estratégico como operativo, así como de los marcos conceptuales en que se basan. Se estudian el modelo de "cuadro de mando integral" ( balanced scorecard) y otros sistemas de inteligencia competitiva. La asignatura incluye un caso extenso de construcción de un cuadro de mando a partir de un almacén de datos ( data warehouse ) desarrollado. El estudiante trabaja con herramientas ofimáticas ( XLS , PPT) y con una herramienta dedicada, en este caso QlikView .
- Gobierno de datos (data governace) (4 créditos) En esta asignatura, el estudiante se familiariza con el gobierno de datos, una práctica que aúna personas, procesos y tecnología para cambiar la forma en que los datos son adquiridos, gestionados, mantenidos, transformados en información, compartidos en el contexto de la organización como conocimiento común y sistemáticamente obtenidos por la empresa para mejorar la rentabilidad. El estudiante trabaja con herramientas ofimáticas ( DOC, XLS, PPT) y con herramientas especializadas para el desarrollo de un programa de gobierno de datos.
E3. Bases de datos para entornos analíticos (16 créditos)
En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más habituales, es decir, los que se basan en el uso de bases de datos relacionales para la construcción de un almacén de datos o data warehouse .
Esta especialidad es optativa.
Se compone de las siguientes asignaturas:
- Diseño y construcción del data warehouse (6 créditos) En esta asignatura se aprende a crear un almacén de datos adecuado que ofrezca soporte en la toma de decisiones de la organización. Se presenta a nivel conceptual la arquitectura de almacenamiento de un sistema de BI para Data Warehousing y se dan pautas para la construcción de este tipo de sistemas. La puesta en práctica se lleva a cabo mediante la resolución de un caso práctico extenso para el cual se utilizan diferentes herramientas de Microsoft o Pentaho , sobre bases de datos Oracle o PostgreSQL.
- Bases de datos para data warehouse (5 créditos) Esta asignatura tiene por objeto adquirir conceptos, procedimientos y buenas prácticas para la creación y manipulación de las bases de datos relacionales que dan soporte a la construcción del almacén de datos. Se profundiza en el aprendizaje del lenguaje SQL, y en el diseño físico de bases de datos, así como en bases de datos orientadas a columnas. Estas bases de datos se caracterizan por el almacenamiento de los datos en forma de columnas, a diferencia de las bases de datos relacionales tradicionales que realizan un almacenamiento de los datos por filas. Se trabaja con una base de datos relacional tipo PostgreSQL .
- Explotación y administración del data warehouse (5 créditos) En esta asignatura se aprende a evaluar la viabilidad de la construcción de un almacén de datos y a explotar y administrar sistemas de Data Warehouse. Con este fin se presentan las distintas formas de presentar los datos y qué tipos de herramientas pueden ofrecer el tipo de visualización que interesa. Asimismo se enseña a administrar el sistema durante su desarrollo, implantación y/o posterior explotación de los datos. Se trabaja con la misma familia de herramientas: Microsoft o Pentaho para el almacén de datos y Oracle o PostgreSQL como bases de datos.
E4. Big data y sistemas NoSQL (16 créditos)
En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más nuevos, basados en la captura, procesamiento y gestión de datos masivos, de diferentes procedencias y tipología.
Esta especialidad es optativa.
Se compone de las siguientes asignaturas:
- Escenarios de uso de Big data (5 créditos) En esta asignatura se presentan distintos escenarios de negocio que combinan tanto la analítica de negocio como el big data, y cómo pueden ser utilizados para la creación de nuevos productos y servicios basados en los datos. Entre estos escenarios destacan la inteligencia geográfica , la analítica social o el paradigma de datos abiertos . Asimismo se presentan tecnologías no cubiertas en otras asignaturas como serían stream data o los sistemas de indexación y búsqueda distribuida. Por las características de la asignatura se trabaja con diferentes herramientas que se actualizan continuamente y pueden cambiar en cada edición y que incluyen R y GeoBI entre otros..
- Tecnologías Big data: tecnologías (6 créditos) En esta asignatura se presentan las bases para el almacenamiento y procesamiento de datos masivos o big data. Veremos los principales modelos de procesamiento ( batch y stream ), así como los frameworks más utilizados en la actualidad (Apache Hadoop y Spark). De cada uno, presentaremos sus ecosistemas e introduciremos los módulos más relevantes para el acceso, proceso y visualización de datos, incluyendo análisis de datos, machine learning y manipulación de datos en formato de grafos. Se trabaja principalmente con el entorno de almacenamiento distribuido HDFS y con los frameworks de procesamiento Apache Hadoop y/o ApacheSpark sobre máquinas virtuales accesibles desde el aula.
- Bases de datos NoSQL (5 créditos) Las bases de datos NoSQL constituyen una alternativa a las bases de datos relacionales y son especialmente idóneas para ciertos dominios de aplicación: dominios que trabajan con grandes volúmenes de datos, dominios donde se requiera una alta distribución y/o disponibilidad, dominios que trabajan con datos poco estructurados y dominios en los que se establecen múltiples y complejas interrelaciones entre los datos. En esta asignatura se presentan los principios y conceptos de este tipo de bases de datos, los modelos de datos que subyacen y los problemas que presenta la distribución en el almacenaje y gestión de los datos. Se trabajan diferentes tipos de bases de datos NoSQL (clave-valor, documentos, orientadas a columnas y grafos) con herramientas como Riak, MongoDB o Neo4 j.
E5. Usos de la inteligencia de negocio en la empresa (16 créditos)
Esta especialidad está dirigida a proporcionar al profesional de perfil más empresarial casos prácticos de uso de la inteligencia de negocio tanto en la estrategia de empresa como en la gestión operativa de los procesos de negocio más importantes: gestión económico-financiera, marketing y ventas, operaciones y logística, etc.
E
sta especialidad es optativa.
Se compone de las siguientes asignaturas:
- Gestión económico-financiera: casos de negocio (4 créditos) En esta asignatura, a través de casos prácticos, se analiza el uso de sistemas de inteligencia analítica en los procesos de gestión y seguimiento presupuestario, gestión de tesorería y finanzas estratégicas y operativas, en diferentes sectores económicos. El estudiante trabaja con herramientas ofimáticas ( XLS , PPT), estadísticas ( R ) y de reporting y análisis ( QlikView o Tableau).
- Marketing y ventas: casos de negocio (4 créditos) En esta asignatura, el estudiante estudia el empleo de herramientas de business intelligence en una de las áreas en las que el uso de la inteligencia de negocio está más desarrollado y es más prometedor. Se analizan los conceptos y buenas prácticas de investigación de mercado, gestión de las ventas y las relaciones con los clientes y análisis y predicción del comportamiento de los clientes ( customer analytics ). El estudiante trabaja con herramientas ofimáticas ( XLS , PPT), estadísticas ( R ), y de reporting y análisis ( QlikView o Tableau) .
- Operaciones y logística: casos de negocio ( 4 créditos) Se trabajan los usos del BI en la cadena de suministro (aprovisionamiento, producción, gestión de almacenes, transporte y distribución al punto de venta) y las nuevas aplicaciones vinculadas a la internet de las cosas (IoT) y los sistemas de información geográfica. El estudiante trabaja con herramientas ofimáticas ( XLS , PPT), estadísticas ( R ), de reporting y análisis ( QlikView o Tableau ), así como ejercicios que integran sistemas de información geográfica de código abierto.
- Recursos humanos: casos de negocio (4 créditos) La analítica de recursos humanos (HR analytics) también llamada análisis de talento, es la aplicación de técnicas sofisticadas de minería de datos y Business Analytics a los datos de recursos humanos. Mediante un caso práctico, el estudiante verá cómo se pueden aplicar estas técnicas para una gestión estratégica eficaz de los recursos humanos, de manera que los objetivos de negocio se cpuedan cumplir de una rorma rápida y eficiente, obteniendo un rendimiento óptimo sobre el capital humano. Durante el curso, el estudiante trabaja con herramientas ofimáticas ( XLS, PPT ), de análisis (R) y de reporting ( QlikView o Tableau )
- Trabajo final de máster (TFM) (12 créditos)
El máster se completa con un Trabajo final de máster (TFM) , que tiene un valor de 12 créditos. El Trabajo final de máster és obligatorio para todos itinerarios del máster .
El trabajo final se puede realizar en dos modalidades:
- Elegir entre una serie de temas propuestos por el equipo docente, que cubren los componentes o bloques temáticos principales del ámbito de inteligencia de negocio y análisis de datos.
- Proponer un proyecto propio de interés del estudiante que puede realizar en su empresa.
Recursos comunes para el aprendizaje.
El estudiante dispone a lo largo del programa cuenta con recursos comunes de soporte y aprendizaje:
- Una asignatura transversal optativa de adquisición de competencias digitales ( Aprovechar las TIC en posgrado ), cuyo objeto es familiarizarse con el uso de las herramientas del campus y aulas de la UOC, y la formación en técnicas de información y comunicación social para la formación virtual.
- Un laboratorio virtual de tecnologías y herramientas de business intelligence , que da servicios de soporte en el uso de las herramientas. El programa cuenta con acuerdos con los principales fabricantes de software de BI, con empresas de infraestructura virtualizada y con un laboratorio de herramientas de software de código abierto.
- Un laboratorio virtual de lenguajes de programación , que proporciona soporte al estudiante durante todo el programa en los temas relacionados con la programación, especialmente en el lenguaje R.
- Un tutor asignado a lo largo de todo el programa, para el seguimiento individualizado del progreso del estudiante, la resolución de incidencias y la coordinación con los docentes. El aula de tutoría proporciona también información de actualidad, anuncios de eventos y cursos y ofertas de empleo.
- Un conjunto de recursos para el aprendizaje no guiado: un blog sobre temas de actualidad, un canal de vídeo, varias webs propias, una wiki sobre el uso de las herramientas de laboratorio, un repositorio de casos y proyectos de fin de carrera y acceso a las bases de datos de la empresa de prospectiva Gartner, a la biblioteca virtual de la Universidad y a la red de recursos de las bibliotecas públicas.
- Recursos de nivelación , tales como tutoriales, vídeos y materiales docentes de otros programas de la UOC, para aquellos estudiantes que presenten carencias de formación en ámbitos de empresa, sistemas de información, estadística o tecnologías.
- Una bolsa de trabajo , tanto para ofertas de ocupación estable como para la realización de prácticas voluntarias en empresas.
Herramientas de software.
El programa aspira a que los profesionales de vocación y perfil más empresarial y funcional puedan adquirir competencias de usuario avanzado para el análisis de negocio. Los estudiantes de este tipo de perfil habitualmente siguen el recorrido no tecnológico ( itinerario de análisis de datos ).
De igual manera, aquellos profesionales de perfil y vocación más tecnológica adquieren: (1) competencias avanzadas de diseño, construcción y explotación de sistemas de BI basadas en estas herramientas (si siguen el itinerario de ingeniería de datos ), o (2) competencias de captura, procesamiento, almacenamiento y análisis de grandes volúmenes de datos (Big Data) (si siguen el itinerario de Big Data ). En ambos itinerarios disponen de un laboratorio a cargo de personal especializado.
La UOC tiene acuerdos de colaboración estable con los programas académicos de IBM, Microsoft, QlikView y Tableau . Asimismo continuamente estamos evaluando otras herramientas y acuerdos con otros fabricantes.
La UOC ha tenido tradicionalmente un compromiso con el software de código abierto, en especial en el ámbito de la inteligencia de negocio. Nuestra herramienta de referencia en análisis estadístico y minería de datos es R, para cuyo uso disponemos de manuales, tutoriales y una web de contenidos. Nuestra herramienta de referencia en la explotación y análisis de datos masivos son Apache Hadoop y Apache Spark. Para el aprendizaje de bases de datos NoSQL utilizamos herramientas como MongoDB, Riak o Neo4j .
Dependiendo de las exigencias de rendimiento del software, algunas aplicaciones se pueden descargar en el ordenador del estudiante o bien acceder a máquinas virtuales de Amazon y Azure desde la propia aula.
Es recomendable disponer de máquines y SO de 64 bits y 4 Gb de RAM mínimo (6GB recomendables)
En la descripción de cada especialidad y asignatura, se incluyen las herramientas que se utilizan para el aprendizaje. Esta elección puede cambiar en cada convocatoria en función de las necesidades docentes, la actualización del programa y la relación con fabricantes actuales o nuevos.
Itinerario académico:
Diploma de Posgrado: Inteligencia de Negocio y Análisis de Datos
Especialización: Fundamentos de Inteligencia de Negocio y Big Data
Especialización: Análisis y minería de datos
Itinerario 1
Máster: Inteligencia de Negocio y Big Data
Objetivos.
De acuerdo con las tendencias actuales en formación universitaria y con la experiencia de la UOC en programas virtuales, los objetivos del máster se dirigen a la adquisición de competencias profesionales de carácter práctico, principalmente mediante el uso de casos de negocio, métodos y herramientas de trabajo, dentro del rigor y el marco científico de un programa universitario.
Algunos de estos objetivos son comunes a los dos programas y otros son específicos para cada uno de los itinerarios (Ingeniería de datos, Big data y Análisis de datos ).
Objetivos comunes.
- Adquirir y estar en condiciones de implantar una mentalidad crítica y analítica dentro de la empresa, mediante el conocimiento de los diferentes sistemas de información de empresa, los métodos y técnicas de análisis de datos, la formulación de preguntas e hipótesis y la obtención de conclusiones útiles para el negocio.
- Conocer el funcionamiento y el mercado de los sistemas de información de inteligencia de negocio y big data y sus principales utilidades y componentes para proporcionar información y conocimiento que permita mejorar la toma de decisiones.
- Conocer y estar en condiciones de desarrollar e implantar un proyecto de inteligencia de negocio dentro de la empresa, las etapas del ciclo de gestión de proyectos y los métodos específicos de producción de proyectos de BI.
- Conocer las nuevas tendencias en materia de inteligencia de negocio, en particular, el fenómeno de los big data, que representa el tratamiento e interpretación de datos de mayor volumen, variedad, complejidad y velocidad, procedentes de múltiples fuentes. Entender y saber aplicar su uso efectivo y las implicaciones tecnológicas, legales y éticas.
- Conocer y estar en condiciones de aplicar las técnicas y herramientas de análisis y minería de datos, los métodos y algoritmos más habituales y sus usos aplicados en diferentes empresas y organizaciones.
- Conocer y saber utilizar las nuevas tendencias en minería de datos, tales como minería de textos, análisis de las redes sociales, minería de opinión y sentimientos, así como el uso de los sistemas de información geográfica y el internet de las cosas.
- Saber utilizar a nivel de usuario avanzado una suite completa de inteligencia de negocio, un sistema de interrogación y una herramienta de estadística avanzada para el análisis de datos.
- Saber construir informes y cuadros de mando para la toma de decisiones de los empleados y directivos y técnicas y herramientas de visualización de datos.
- Saber utilizar, programar y parametrizar a nivel de analista herramientas de estadística avanzada y de creación de cuadros de mando.
Itinerario de Ingeniería de datos
- Conocer y saber organizar diferentes estructuras de datos y crear un almacén de datos (data warehouse).
- Saber utilizar herramientas de análisis multidimensional (OLAP) y crear, en colaboración con los analistas de datos y departamentos usuarios, cubos de análisis.
- Saber diseñar, parametrizar o construir sistemas complejos de inteligencia de negocio y asegurar su mantenimiento, trabajando sobre herramientas específicas.
- Saber explotar y administrar sistemas complejos de almacén de datos.
Itinerario de Big Data
- Conocer y saber construir y utilizar sistemas de bases de datos no relacionales (NoSQL).
- Conocer y saber utilizar las arquitecturas y herramientas de sistemas de gestión de datos masivos (big data ).
- Saber utilizar a nivel de analista herramientas de estadística avanzada, almacén de datos (data warehouse), bases de datos relacionales, bases de datos NoSQL y sistemas de gestión de big data
Itinerario de Análisis de datos
- Saber utilizar técnicas de análisis multidimensional (OLAP) y construir, en colaboración con el departamento de sistemas de información, cubos de análisis.
- Comprender y saber aplicar los métodos y herramientas de análisis de datos en las principales funciones y procesos empresariales: gestión económico-financiera, marketing y ventas y operaciones y logística.
- Saber construir informes y cuadros de mando para la toma de decisiones de los empleados y directivos y técnicas y herramientas de visualización de datos.
Perfiles.
El espacio de conocimiento y aplicación de la inteligencia de negocio y el análisis de datos es, por definición, un ámbito híbrido en el que conviven perfiles de entrada y de salida muy diferentes. También es muy diferente la organización de las competencias y responsabilidades sobre inteligencia de negocio dentro de las empresas y organizaciones de todo tipo.
Aunque el programa no requiere formalmente una formación o titulación específica de origen, es importante disponer de conocimientos previos, que varían en función del itinerario:
- Para el itinerario de análisis de datos se requieren conocimientos básicos de programación, básicamente en lenguaje R. En caso de no disponer de estos conocimientos, el estudiante recibirá material docente de nivelación, pero deberá estar dispuesto a invertir un tiempo adicional para adquirir el nivel necesario.
- Para el itinerario de Ingeniería de datos y el itinerario de Big Data se requieren conocimientos de programación y de diseño y uso de bases de datos relacionales.
Se recomienda pedir asesoramiento para diseñar el itinerario más adecuado, en función de la formación de entrada y las aspiraciones profesionales de cada candidato.
Normalmente, el itinerario de análisis de datos se recomienda para estudiantes de formación empresarial, ingenierías de todo tipo, matemáticas, sociología, ciencias de la información o candidatos con una experiencia profesional equivalente.
El itinerario de ingeniería de datos y el itinerario de Big Data se recomienda para técnicos e ingenieros informáticos o de telecomunicación, matemáticos o candidatos con una experiencia profesional equivalente.
Competencias.
El programa está preparado para el desarrollo de capacidades prácticas de uso y construcción de sistemas de inteligencia de negocio y datos masivos, dentro de un marco conceptual propio basado en las buenas prácticas y el conocimiento científico.
El diseño de esta titulación propia sigue las recomendaciones y metodología del Espacio Europeo de Enseñanza Superior (EEES) y por lo tanto se basa en la adquisición de competencias para el trabajo profesional en empresas privadas y organizaciones públicas.
Para el conocimiento detallado de las competencias que se adquieren, recomendamos la lectura de los apartados "Objetivos" y "Programa académico".
A quién se dirige.
Según hemos presentado en el apartado "Perfiles", el programa se dirige a perfiles de entrada muy diversos, tanto por su formación de origen como por su experiencia profesional.
De acuerdo con nuestra experiencia a lo largo de los últimos diez años, los estudiantes del máster y los programas de BI de la UOC proceden de los siguientes ámbitos:
- Departamentos de control de gestión en el área económico-financiera, de marketing y ventas y otros.
- Centros de competencias de inteligencia de negocio o departamentos especializados en análisis de datos y Data Science .
- Departamentos de organización y sistemas y tecnologías de la información .
- Consultores e implantadores de software estándar o a medida de inteligencia de negocio, sean de perfil de negocio o de perfil tecnológico.
- Emprendedores que han iniciado o desean hacerlo un proyecto de negocio de productos y servicios de business intelligence y big data.
Debido a la evolución del sector y las empresas, es frecuente que realicen nuestro programa profesionales con diferentes niveles de experiencia que necesitan reorientar su carrera profesional.
Finalmente, en los últimos años, el máster de Inteligencia de negocio y big data (MBI) está cumpliendo un papel de programa de continuidad para estudiantes que han completado un grado y desean emplearse rápidamente en un ámbito profesional atractivo y de gran demanda.
Salidas Profesionales.
El objetivo del máster de Inteligencia de negocio y big data (MBI) de la UOC ha sido tradicionalmente la formación de profesionales todo-terreno con una formación en análisis y solución de problemas de negocio, estadística avanzada y minería de datos y diseño y construcción de sistemas de información de business intelligence , que podían trabajar en diferentes departamentos de la empresa o en un centro de competencias transversal.
A medida que esta especialidad ha crecido y las empresas reconocen la necesidad de esta clase de perfiles, también lo han hecho las diferentes salidas profesionales:
- Analistas de datos en departamentos de control de gestión u otros departamentos de la empresa, especialmente en el área de marketing y ventas y en las áreas de producción y operaciones.
- Responsables, jefes de proyecto o analistas de sistemas de información de BI en departamentos de informática o técnicos y analistas de empresas que han adquirido o están a punto de hacerlo esta clase de sistemas.
- Consultores e implantadores de sistemas de inteligencia de negocio y big data en empresas de servicios.
- Emprendedores , que desean crear negocios basados en la creación o la implantación de sistemas especializados de inteligencia de negocio o de alguno de sus componentes, así como productos y/o servicios basados en datos.
La UOC dispone de una bolsa de trabajo y acuerdos con empresas para la realización voluntaria de prácticas.
Requisitos de acceso y titulación:
Requisitos de acceso:
El programa no requiere formalmente una formación o titulación específica de origen.
Conocimientos previos:
Es necesario disponer de conocimientos previos de programación. En caso de no tener conocimientos de programación, pueden adquirirse con una mayor dedicación de tiempo.
En caso de duda se recomienda pedir asesoramiento docente para diseñar el itinerario más adecuado en función de la formación de entrada y las aspiraciones profesionales de cada candidato.
Normalmente, el itinerario de análisis de datos se recomienda para estudiantes de formación o competencias de gestión empresarial, ingenierías de todo tipo, matemáticas, sociología, medicina, ciencias de la información o candidatos con una experiencia profesional equivalente.
El itinerario de ingeniería de datos y el itinerario de Big Data se recomienda para estudiantes de competencias o formación técnica, ingenieros informáticos o de telecomunicación, matemáticos o candidatos con una experiencia profesional equivalente. En estos dos itinerarios, además de conocimientos de programación, se requiere conocimientos de diseño y uso de bases de datos relacionales.
En todos los casos, es recomendable el conocimiento del inglés a nivel escrito.
Titulación:
Los estudiantes que acrediten una titulación universitaria oficial reconocida recibirán, según el curso superado, un diploma de máster/diploma de posgrado.
Los estudiantes que no acrediten una titulación universitaria oficial reconocida recibirán un diploma de extensión universitaria.
Los estudiantes que superen una especialización (certificado de especialización) recibirán, independientemente de los estudios previos, un certificado de especialización.
