Guia general inteligencia de negocio y big data

1

Guía general Inteligencia de negocio y

Big data http://business-intelligence.uoc.edu

Octubre 15

Estudios de Informática, Multimedia y Telecomunicación

2

3

Índice

1. INTRODUCCIÓN 4 2. PRESENTACIÓN DEL PROGRAMA 4 3. OBJETIVOS Y COMPETENCIAS 4 A. OBJETIVOS 4 I. ITINERARIO DE ANÁLISIS DE DATOS 5 II. ITINERARIO DE SISTEMAS DE INFORMACIÓN 5 B. PERFILES 6 C. COMPETENCIAS 6 4. A QUIÉN SE DIRIGE 6 5. SALIDAS PROFESIONALES 7 6. CONOCIMIENTOS PREVIOS 7 7. ESTRUCTURA Y CONTENIDOS 8 8. METODOLOGÍA 15 9. EQUIPO ACADÉMICO 16 10. RECURSOS PARA EL APRENDIZAJE 19 A. HERRAMIENTAS DE SOFTWARE 19 11. CALENDARIO CURSO 2015/2017 20 12. EVALUACIÓN 23 13. TITULACIÓN 26 14. SERVICIO DE ATENCIÓN AL ESTUDIANTE 26

Programa de Business Intelligence/Inteligencia de negocio

4

1. Introducción

La presente guía contiene una explicación de la visión general del programa Business Intelligence/ Inteligencia de negocio y Big data (Máster, posgrados y especializaciones), así como de la metodología general que se seguirá durante su desarrollo.

2. Presentación del programa

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 El máster de Inteligencia de negocio y big data (MIB) y los programas especializados de la UOC en este ámbito ofrecen desde hace más de diez años una formación práctica y profesionalizadora basada en casos de negocio y en el uso de herramientas de mercado, impartida por profesionales de BI del mundo de la empresa y profesores especialistas en ciencias empresariales, matemáticas e ingeniería informática

3. Objetivos y competencias

a. 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 (análisis de datos y sistemas de información).

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.


5

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 la 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.

i. Itinerario de análisis de datos

Conocer y saber manejar técnicas, herramientas y algoritmos avanzados de análisis y minería de datos y desarrollar capacidades superiores de comprensión de problemas, formulación de hipótesis, interrogación e interpretación de la información.

Entender y saber aplicar el proceso de recogida y preparación de datos, las diferentes fuentes, tipos de datos y métodos cuantitativos y cualitativos de análisis.

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.

Saber utilizar, programar y parametrizar a nivel de analista herramientas de estadística avanzada y de creación de cuadros de mando.

ii. Itinerario de sistemas de información

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. Conocer y saber construir y utilizar sistemas de bases de datos no relacionales. Conocer y saber utilizar las arquitecturas y herramientas de sistemas de gestión de datos masivos. 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.


6

b. 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, 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, medicina, ciencias de la información o candidatos con una experiencia profesional equivalente. El itinerario de sistemas de información se recomienda para técnicos e ingenieros informáticos o de telecomunicación, analistas de datos en departamentos de control de gestión u otros, matemáticos o candidatos con una experiencia profesional equivalente.

c. 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". 4. 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. Departamentos de organización y sistemas y tecnologías de la información. Consultores e implantadores de software estándar 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.


7

5. 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 profesionales, 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.

Científicos de datos en departamentos especializados de análisis y estadística o en empresas externas que proporcionan esta clase de servicio a sus clientes.

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.

6. Conocimientos previos

Aunque el programa no requiere formalmente una formación o titulación específica de origen, 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 sistemas de información se recomienda para estudiantes de competencias o formación técnica, ingenieros informáticos o de telecomunicación, matemáticos o candidatos con una experiencia profesional equivalente.


8

7. Estructura y contenidos

El programa/Máster se ha estructurado en un itinerario académico modular por cursos de especialización o semestres, posgrados y máster. En función del itinerario a seguir, el estudiante podrá cursar:

- Máster: Inteligencia de negocio y Big data (60 créditos) - Posgrado: Inteligencia de Negocio y Análisis de Datos (33 créditos) - Posgrado: Sistemas de Información de Inteligencia de Negocio y Big data (30 créditos) - Cursos de especialización:

E1. Fundamentos de Inteligencia de Negocio y Big Data (15 cr) E2. Análisis y Minería de Datos (12cr) E3. Sistemas de Inteligencia de Negocio (Data Warehouse) (12cr) E4.Big Data y Sistemas NoSQL (12cr) E5. Usos de la inteligencia de negocio en la empresa (12 cr) E6. Ciencia de Datos (Data Science) (12 cr)

El máster de Inteligencia de negocio y Big data (MIB) está dirigido a dos perfiles profesionales claramente diferenciados:

Por un lado, un perfil funcional y empresarial interesado en formación de métodos, técnicas y herramientas de análisis y minería de datos y en la utilización de tecnologías de inteligencia de negocio, a nivel de usuario avanzado.

Y, por otro, un perfil técnico interesado en formación en el diseño, construcción, explotación y uso de los sistemas y tecnologías de la información de la inteligencia de negocio y el análisis de datos.

Para atender a las necesidades de cada perfil, el máster se ha estructurado en especialidades, de manera que el estudiante puede elegir según sus intereses:

Itinerario de Análisis de datos Itinerario de Sistemas de información

Semestre 1 Fundamentos de inteligencia de negocio y big data (Aplicaciones y casos prácticos)(15 ECTS)

Semestre 2 Análisis y minería de datos (12 ECTS)

Semestre 3 Usos de la inteligencia de negocio en la empresa

(12 ECTS)

Sistemas de inteligencia de negocio (data warehouse)

(12 ECTS)

Semestre 4 Ciencia de los datos (data science) (12 ECTS) Big data y sistemas NoSQL (12 ECTS)

Trabajo de fin de máster (9 ECTS)


9

Especialidades y asignaturas

E1. Fundamentos de inteligencia de negocio y big data (15 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:

A1. 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: el almacén de datos, los procesos de extracción y transformación, el análisis multidimensional y la realización de informes y cuadros de mando.

La asignatura proporciona también una información y formación práctica sobre el mercado, las tendencias y los fabricantes de sistemas de información de BI.

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.

A2. Gestión de proyectos de BI (4 créditos)

En esta asignatura el estudiante se familiariza a través de un caso práctico y de contenidos teóricos con el modelo internacional de referencia en gestión de proyectos (PMBoK) y con los métodos específicos de producción de proyectos de inteligencia de negocio.

El estudiante trabaja con herramientas de gestión de proyectos (MSProject y equivalentes) y con herramientas de ofimática (tipo XLS y PPT).

A3. Fundamentos y usos del big data (3,5 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 Google Analytics, R y Hadoop, a nivel de usuario.

A4. Pensamiento analítico en la empresa (3,5 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.


10

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.)

E2. Análisis y minería de datos (12 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.


A5. Minería de datos (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.

A6. 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)

A7. Fundamentos de data science: nuevas tendencias en minería de datos (4 créditos)

En esta asignatura, el estudiante se introduce en las nuevas tendencias de analítica de negocio con diferentes fuentes de información: minería web, minería de texto, exploración de opiniones y sentimientos, análisis de redes sociales. Asimismo, se presentan principios, casos y herramientas de visualización gráfica.

El estudiante trabaja sobre casos prácticos de uso con diferentes herramientas, tales como Google Analytics, XLS, R, QlikView, Tableau y D3.js.

E5. Usos de la inteligencia de negocio en la empresa (12 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.

Esta especialidad forma parte del itinerario de análisis de datos del máster.



11

A8. Sistemas de soporte a la decisión (3 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.

A9. Gestión económico-financiera: casos de negocio (3 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) y con herramientas de reporting como QlikView y Tableau.

A10. Marketing y ventas: casos de negocio (3 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), de reporting (QlikView) y de análisis (Tableau).

A11. Operaciones y logística: casos de negocio (3 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.

E6. Ciencia de los datos (data science) (12 créditos)

El objetivo de esta especialidad es formar expertos en modelos, métodos y herramientas avanzadas de análisis de datos. Se puede considerar una ampliación y profundización de la especialidad de Análisis y minería de datos (E2) y forma parte del itinerario de análisis de datos del máster.



12

A12. Recogida y preparación de datos (4 créditos)

En esta asignatura se trabajan en profundidad los métodos y técnicas de diseño experimental, recogida y preparación de datos, tanto en métodos cuantitativos (encuestas, etc.) como cualitativos (delphi, focus groups, entrevistas y cuestionarios).

Se trabaja con herramientas de programación (Python), estadística avanzada (R) e investigación científica (Atlas.ti, N-Vivo).

A12. Modelos avanzados de clasificación, relación y predicción (4 créditos)

A partir del trabajo desarrollado en la especialidad de Análisis y minería de datos (E2), es estudiante profundiza en modelos y técnicas más avanzados de relación de variables y agrupación de observación, cadenas de Markov y relación de observaciones y técnicas avanzadas de simulación y predicción.

Se adquieren estas capacidades a través de casos prácticos de aplicación en la empresa (investigación en la web, redes sociales, grafos, tablas, textos¿) y con el empleo de herramientas de programación (Python) y estadística (R).

A13. Visualización de datos (4 créditos)

Esta asignatura cierra el ciclo de profundización en métodos y técnicas de analítica de negocio y data science, con la presentación de las tendencias más actuales en visualización de información: gestión de hojas y tablas de datos, composición de informes e identificación de relaciones mediante gráficos, periodismo de datos (storytelling)¿

Se trabaja con herramientas de programación (Python), estadística avanzada (R) y herramientas de visualización (Gephi, D3.js, Tableau).

E3. Sistemas de información de inteligencia de negocio (data warehouse) (12 créditos)

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más habitual, 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 forma parte del itinerario de sistemas de información del máster.


A14. Diseño y construcción del almacén de datos (4 créditos)

En esta asignatura el estudiante aprende a crear un almacén de datos en el que se organiza la información, que luego se explota con diferentes herramientas para analizar la información y dar soporte a la toma de decisiones. Se presentan los diferentes componentes de la factoría de información corporativa y las técnicas para su diseño y construcción, carga de datos y diseño multidimensional.

Se trabaja con un caso práctico extenso y con diferentes herramientas de Microsoft o Pentaho, sobre bases de datos Oracle o PostgreSQL.


13

A15. Bases de datos para data warehouse (4 créditos)

Esta asignatura tiene por objeto adquirir conceptos, procedimientos y buenas prácticas para la creación y gestión de las bases de datos relacionales que dan soporte a la construcción del almacén de datos. Incluye aspectos de diseño lógico y físico y las nuevas bases de datos orientadas a columnas.

Se trabaja con una base de datos relacional tipo PostgreSQL y una base de datos orientada a columnas (MonetDB o Vertica).

A16. Explotación y administración de sistemas de data warehouse (4 créditos)

Esta asignatura se centra en la explotación de datos de un sistema de inteligencia de negocio para almacén de datos y las diferentes maneras de extraer y presentar la información. Incluye también un ejercicio de análisis de viabilidad de la inversión en un sistema de almacén de 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

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más nuevo, basados en la captura, procesamiento y gestión de datos masivos, de diferentes procedencias y tipología.

Esta especialidad forma parte del itinerario de sistemas de información del máster.


A17. Gestión de big data: datos y usos (4 créditos)

En esta asignatura se profundiza en los conceptos que se introdujeron en la primera especialidad (E1. Fundamentos de inteligencia de negocio y big data). Se presentan los cambios relevantes en el tipo de computación, los ecosistemas de procesamiento distribuido y los modelos de análisis y visualización más frecuentes.

Se trabaja principalmente con el entorno Hadoop, sobre máquinas virtuales accesibles desde el aula. La universidad cuenta con un universo de datos propio con decenas de millones de registros.

A18. Gestión de big data: tecnologías (4 créditos)

En esta asignatura se presentan los nuevos escenarios del espacio de big data: la internet de las cosas, inteligencia geográfica, analítica social, datos abiertos y las tecnologías no cubiertas en otras asignaturas, como stream, in-memory, time series. Así como 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: R, GeoBI, Python, VoltDB


14

A19. Bases de datos NoSQL (4 créditos)

Las bases de datos NoSQL constituyen una alternativa a las bases de datos relacionales y son especialmente idóneas para ciertos dominios de aplicación, por razones de volumen, tipología o complejidad. En esta asignatura se presentan los principios y conceptos de este tipo de bases de datos, los modelos de datos y su distribución. Se trabajan diferentes tipos de bases de datos NoSQL (clave valor, documentos, grafos) con herramientas como Riak, MongoDB o Neo4j.

Trabajo final de máster (TFM).

El máster se completa con un trabajo final, y tiene un valor de 9 créditos. 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.

(1 crédito = 25 horas de trabajo por parte del estudiante)

El máster consta de un total de 60 créditos, equivalentes a 1.500 horas de trabajo del estudiante, y tiene una duración de 2 años (4semestres). Los posgrados constan de 33 y 30 créditos, equivalentes a 825 750 horas de trabajo del estudiante y tiene una duración de 1 año (2 semestres) Las especializaciones constan de 15 y 12 créditos, equivalentes a 375 y 300 horas de trabajo del estudiante y tiene una duración de 1 semestre. Durante el desarrollo del programa, el estudiante tendrá acceso a un laboratorio Laboratorio: tecnología y herramientas BI, donde se le dará soporte en los temas de carácter tecnológico: instalación y uso de programas, problemas técnicos, etc.

(En el aula de cada asignatura: Aula/planificación/ Plan docente, encontraréis detallado el plan docente de cada asignatura)

Asignatura transversal optativa

De manera paralela al inicio del programa formativo y para los estudiantes de nuevo acceso a la UOC, se da la opción de cursar la asignatura Aprovechar las TIC en posgrado, que tiene por objetivo desarrollar las competencias en tecnologías de la información y comunicación necesarias para realizar la formación en la UOC.


15

8. Metodología

A lo largo de todo el período docente del programa se presentan diferentes enfoques metodológicos. A parte de las dinámicas de grupo, los estudiantes realizarán parte del aprendizaje basándose en el estudio y análisis de casos reales y el desarrollo de proyectos prácticos. El objetivo: preparar a los estudiantes desde un punto de vista competencial e integral en un sentido amplio, combinando teoría y práctica. En este programa partimos de la idea que el aprendizaje que se quiere promover tiene su base en un paradigma de carácter constructivo y aplicado, dónde la construcción de conocimiento es un acto compartido y parte tanto de la experiencia propia como la de los demás y se ve complementada por un marco teórico que permite comprender mejor algunos de los aspectos prácticos. El entorno virtual de aprendizaje está dotado de la información, los recursos y las herramientas que tanto los estudiantes como los profesores necesitarán a lo largo del proceso formativo. Éste no pretende ser simplemente una plataforma tecnológica dónde comunicarse y albergar los contenidos, sino que los recursos y las dinámicas que puedan ofrecerse desde el mismo signifiquen para docentes y discentes una comunidad educativa real con todos los componentes e interacciones necesarias.

El Campus Virtual es la plataforma tecnológica que ofrece la UOC para que los participantes del Programa puedan acceder a la información y a los procesos de comunicación propia de éste utilizando la comunicación telemática (mediante Internet) en donde los participantes de todos los programas de posgrado llevan a cabo la mayoría de acciones comunicativas. En el Campus Virtual se encuentran los espacios comunes, que se comparten con el resto de los compañeros del curso y con el equipo docente. Estos espacios se distribuyen básicamente en cuatro grandes bloques que concretan la metodología de la UOC - Planificación: Espacio de acceso a la guía general del programa, así como a las guías de aprendizaje específicas de los módulos. También en la agenda se encuentra la organización/calendario previsto de las actividades. - Comunicación (docencia): Comunicación con el profesor y trabajo cooperativo con los compañeros. La tecnología de este entorno y la metodología propia de la UOC facilitan el trabajo en equipo. - Recursos: Desde este espacio se facilita el acceso a los materiales didácticos del curso en formato digital y también a la Biblioteca de la UOC y a otras bibliotecas del mundo, bases de datos, revistas, etc., para complementar el aprendizaje. - Evaluación: Espacio de entrega de las actividades, así como de consulta de la evaluación continua de las actividades de aprendizaje. Es importante tener en cuenta la dedicación requerida y que el estudiante se organice un ritmo de trabajo lo más regular posible semana a semana. La información necesaria para la planificación del aprendizaje (guía de aprendizaje/ plan docente) estará disponible al principio de cada uno de los cursos. Esta información incluirá el calendario de distribución de los enunciados de las actividades, de entrega de las actividades resueltas o participación en los debates por parte de los estudiantes, así como la publicación por parte del profesor consultor de las calificaciones y feedback (según el caso: comentarios o soluciones de las actividades, resumen de debates, etc.).


16

9. Equipo académico

Uno de los elementos clave de la metodología de aprendizaje en la UOC es la tarea del equipo docente. Las personas que integran el equipo docente de los programas de Posgrado de la UOC son profesionales cualificados en su ámbito. Su papel no se limita a tener una posición pasiva, esperando posibles consultas sobre el programa, sino que adoptan una actitud proactiva y toman la iniciativa motivando a los estudiantes y orientando su proceso de aprendizaje. En el equipo docente las siguientes figuras básicas, que pueden ser ejercidas por una o más personas:

Dirección académica: coordina e integra académicamente los contenidos del programa así como el proceso de aprendizaje del estudiante; aporta su dominio de la materia y los conocimientos complementarios al profesorado y colaboradores docentes (consultores y tutor)

José Ramón Rodríguez Bermúdez Licenciado en Filosofía y Letras por la Universidad de Sevilla. Programa de Dirección General (IESE-.Business School). Programa de Dirección de Sistemas de Información (Harvard Business School). Cuerpo Técnico de la Seguridad Social de España (INAP). Profesor de Dirección de las TIC de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya.

Profesor responsable: coordina e integra académicamente los contenidos de la asignatura así como el proceso de aprendizaje del estudiante; aporta su dominio de la materia y los conocimientos complementarios a los colaboradores docentes (consultores)

Jordi Conesa Caralt Doctor en Informática por la UPC. Profesor del área de bases de datos e ingeniería del software de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya. Grupo de investigación Ingeniería del Software (GRES-UOC). Isabel Guitart Hormigo Licenciada en Informática por la UPC. Profesora del área de sistemas de información de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya. Grupo de investigación Ingeniería del Software (GRES-UOC). Josep Maria Marco Licenciado en Informática por la UPC y doctor en Sociedad de la Información y el Conocimiento por la UOC. Profesor del área de sistemas de información de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación ICSS (Information and Communication Systems and Services). David Masip Rodo Doctor en Informática por la UAB. Profesor del área de inteligencia artificial de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya. Grupo de investigación SUNAI (SCENE UNDERSTANDING AND ARTIFICIAL INTELLIGENCE LAB).


17

Julià Minguillón Alonso Doctor Ingeniero en Informática por la UAB. Es profesor de Diseño de Estructuras de Datos y de Minería de Datos en los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación LAIKA (Learning Analytics for Innovation and Knowledge Application in Higher Education) Joan Antoni Pastor Collado Doctor en Informática por la UPC. Es profesor Dirección de las tecnologías de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación ICSS (Information and Communication Systems and Services). Maria Pujol Jover Doctora en Estudios Empresariales por la Universidad de Barcelona. Profesora del área cuantitativa de los Estudios de Economía y Empresa de la Universitat Oberta de Catalunya. Grupo de investigación Go2Sim (Innnovative tools for elearning) Àngels Rius Gavidia Doctora en Informática por la UOC. Profesora de los Estudios de Informática, Multimedia y Telecomunicación de la UOC Grupo de investigación Ingeniería del Software (GRES-UOC).

M. Elena Rodríguez González Doctora en Informática por la U. de Alcalá. Es profesora de Base de datos los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación TEKING (Technology Enhanced Knowledge and Interaction)

Colaboradores docentes

Alex Caminals Sánchez de la Campa Ingeniero en Informática por la UPC. Licenciado en Matemáticas por la UAB. Responsable de Business Intelligence en Grupalia Josep Curto Díaz Licenciado en Matemáticas por la UAB, máster en Business Intelligence y Dirección en Tecnologías y Sistemas de Información por la UOC, MBA por IE Business School. Actualmente es CEO de Delfos Research, empresa especializada en investigación de los mercados de Business Intelligence, Business Analytics y Big Data Elena García Barriocanal Doctora por la U. Alcalá. Profesora Titular de Escuela Universitaria, área de Lenguajes y Sistemas e la U. de Alcalá. Jordi Gironès Roig, Licenciado en Matemáticas por la UAB, y diplomado en ciencias empresariales por la UOC. Experto en SAP R3 y Business Intelligence. Está certificado en Gestión y Mejora de procesos ITSM según normativa ISO / IEC 20000. Actualmente trabaja para los Laboratorios Doctor Esteve como consultor SAP FI&CO)


18

Emma Gorgori Bonet, Diplomada en ciencias empresariales y licenciada en administración y dirección de empresas por la URV. Certificada en el desarrollo y arquitectura de soluciones con las plataformas de Business Objects y Oracle BI (anteriormente Siebel BI). Experta en análisis de requerimientos y desarrollo de soluciones de Business Intelligence. Actualmente trabaja como responsable del desarrollo del BI en el organismo autónomo de recaudación de ingresos, BASE, de la Diputación de Tarragona y como profesora asociada del departamento de gestión de empresas de la URV. Jose Luis Gómez García Ingeniero infomático por la UPSAM, máster en Business Intelligence por la UOC. Director Business Intelligence (desde 2011) en Altadis Xavier González Farran Ingeniero técnico en Informática por la UPC, diplomado en Ciencias Empresariales por la UOC y Asesor Financiero Europeo (EFPA). Experto en Business Intelligence y en GRC (Governance, Risk & Compliance). Es director dentro del área de Servicios Informáticos de CaixaBank Carles Llorach Rius Alexandre Pereiras Magariños Ingeniero en Informática por la UOC. Experto en Business Intelligence y Data Warehousing con las tecnologías Oracle e IBM Cognos. Actualmente trabaja como Data Warehouse Architect para la entidad financiera Brown Brothers Harriman & Co., Cracovia (Polonia). Enrique Rodríguez García Diplomado en Estadística y Licenciado en Investigación y Técnicas de Mercado por la UB. Consultor de Inteligencia de Cliente /Negocio y, es profesor de Análisis de Datos e Inteligencia de Cliente /Negocio en diversas organizaciones José Luis Roldán Salgueiro. Licenciado en Ciencias Económicas y Empresariales por la Universidad de Sevilla (US). Doctor en Administración y Dirección de Empresas (US). Experto en Administración de Empresas, Sistemas de Información y Partial Least Squares (PLS). Investigador principal del Grupo de Investigación "Cultura Organizativa, Gestión del Conocimiento e Implantación de TICs en Empresas Andaluzas" (P10-SEJ-6081). Profesor Titular de Universidad en la US.

Tutora: Es el referente académico para los estudiantes. En un primer momento, acoge a los estudiantes, los integra en la comunidad universitaria iniciándolos en el campus virtual y en los elementos del modelo pedagógico de la UOC; y en un segundo momento y hasta la finalización del programa, realiza el seguimiento académico de los estudiantes y le da soporte y asesoramiento.

Núria Braulio Gil nbraulio uoc.edu

Licenciada y Máster en Administración y Dirección de Empresas (ESADE, Barcelona). MBA por la Università Commerciale Luigi Bocconi (Milán, Italia) PDD de IESEExperiencia como docente en marketing y Business Intelligence en ESADE y el Institut Químic de Sarrià (IQS). Actualmente es Gerente Coordinadora de Equipo de Información Comercial en CaixaBank (La Caixa)


19

10. Recursos para el aprendizaje

Existen tres tipos principales de recursos: las guías de aprendizaje o plan docente, los materiales didácticos de contenido y los recursos de la biblioteca. En cada una de las asignaturas, y para poder integrar y organizar todos los contenidos y orientaciones para el aprendizaje dispondréis de un plan docente, cuyo contenido alberga la presentación del curso las competencias y objetivos que los participantes deberán alcanzar, la propuesta de actividades, los indicadores de valoración de evaluación continua a realizar, la bibliografía básica y complementaria a consultar, y finalmente las orientaciones metodológicas implícitas en todo el proceso formativo. En el espacio de Recursos del aula virtual también podréis acceder a la Biblioteca Virtual de Tecnologías. Este espacio exclusivo de los participantes del programa os permitirá acceder a una gran variedad de recursos (bases de datos, revistas, webs, catálogos universitarios, estadísticas, etc.) relacionados con los temas del programa.

El estudiante dispone a lo largo del programa cuenta además con otros con recursos

Un laboratorio de prácticas y servicios de soporte en el uso de las herramientas. El programa cuenta con acuerdos con los principales fabricantes de software de BI y big data, con empresas de infraestructura virtualizada y con un laboratorio de herramientas de software de código abierto.

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.

a. 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 siguen el recorrido no tecnológico (mención en análisis de datos) y reciben formación de nivelación y soporte individualizado si lo requieren.

De igual manera, aquellos profesionales de perfil y vocación más tecnológica adquirirán competencias avanzadas de diseño, construcción y explotación de sistemas de BI, basadas en estas herramientas y disponen de un laboratorio a cargo de personal especializado. Los estudiantes de este perfil siguen el recorrido de sistemas de información.

La UOC tiene acuerdos de colaboración estable con los programas académicos de IBM, Microsoft, Oracle, Pentaho y QlikView. Asimismo continuamente estamos evaluando otras herramientas y acuerdos con otros fabricantes.


20

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 es Hadoop. Para el aprendizaje de bases de datos NoSQL utilizamos herramientas como MongoDB, Riak, Neo4j o GeoBI.

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.

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

11. Calendario curso 2015/2017

El programa se desarrollará por semestres:

Máster en Inteligencia de Negocio y Big data _ Opción Análisis de datos INICIO 14/10/15

FINAL 30/07/17

Tutoría 08/10/15 Julio 17

Aprovechar las TIC en posgrado (optativa) 14/10/15 14/11/15

Semestre 20151_ Esp. Fundamentos de Inteligencia de negocio

1. Fundamentos de Inteligencia de Negocio 14/10/15 17/02/16

2. Gestión de Proyectos de BI 14/10/15 17/02/16

3. Fundamentos y Usos del Big Data 14/10/15 17/02/16

4. Pensamiento Analítico en la Empresa 14/10/15 17/02/16

Laboratorio: tecnología y herramientas BI 14/10/15 17/02/16

Semestre 20152_ Esp. 2 Análisis y Minería de datos

5. Minería de Datos: Conceptos y Técnicas 16/03/16 27/07/16

6. Business Analytics: Modelos y Algoritmos 16/03/16 27/07/16

7. Fundamentos de Data Science: Nuevas Tendencias en Minería de Datos 16/03/16 27/07/16

Semestre 20161 Esp. 3.Sistemas de Inteligencia de Negocio (Data Wareho

8. Sistemas de Soporte a la Decisión Octubre 16* Marzo 17*

9. Gestión Económico-Financiera: Casos de Negocio Octubre 16* Marzo 17*

10. Marketing y Ventas: Casos de Negocio Octubre 16* Marzo 17*

11. Operaciones y Logística: Casos de Negocio Octubre 16* Marzo 17*

Laboratorio: tecnología y herramientas BI Octubre 16* Marzo 17*

Semestre 4 Esp. Big Data y Sistemas NoSQL

12. Recogida y Preparación de Datos Marzo 17* Julio 17*


21

13. Modelos Avanzados de Clasificación, Relación y Predicción Marzo 17* Julio 17*

14. Visualización de Datos: Técnicas Avanzadas Marzo 17* Julio 17*

Laboratorio: tecnología y herramientas BI Marzo 17* Julio 17*

Trabajo final de máster MID_AD Marzo 17* Julio 17*

Máster en Inteligencia de Negocio y Big data _ Opción Sistemas de información

INICIO 14/10/15

FINAL 30/07/17



Semestre 20151_ Esp.1 Fundamentos de Inteligencia de negocio






Semestre 20152_ Esp 2 Análisis y Minería de datos





Semestre 20161 Esp. 3.Sistemas de Inteligencia de Negocio (Data Wareho

15. Diseño y Construcción del Almacén de Datos Octubre 16* Marzo 17*

16. Bases de Datos para Data Warehouse Octubre 16* Marzo 17*

17. Explotación y Administración de Sistemas de Data Warehouse Octubre 16* Marzo 17*

Laboratorio: tecnología y herramientas BI Octubre 16* Marzo 17*

Semestre 4 Esp. Big Data y Sistemas NoSQL

18. Gestión de Big Data: Datos y Usos Marzo 17* Julio 17*

19. Gestión de Big Data: Tecnologías Marzo 17* Julio 17*

20. Bases de Datos NoSQL Marzo 17* Julio 17*

Laboratorio: tecnología y herramientas BI Marzo 17* Julio 17*

Trabajo final de máster MIB_SI Marzo 17* Julio 17*


22

Posgrado en Inteligencia de negocio y Análisis de datos (33 cr) INICIO 14/10/15

FINAL 30/07/17



Semestre 20151_ Esp.1 Fundamentos de Inteligencia de negocio






Semestre 20152_ (Escoger entre la Esp 2 y la Esp 5)

Esp 2 Análisis y Minería de datos





Esp 5 Usos de la inteligencia de negocio en la empresa

8. Sistemas de Soporte a la Decisión 16/03/16 27/07/16

9. Gestión Económico-Financiera: Casos de Negocio 16/03/16 27/07/16

10. Marketing y Ventas: Casos de Negocio 16/03/16 27/07/16

11. Operaciones y Logística: Casos de Negocio 16/03/16 27/07/16


Especializaciones

E1_ Especialista en Fundamentos de Inteligencia de negocio y Big data INICIO 14/10/15

FINAL 30/07/17









23

E2_ Especialista en Análisis y Minería de Datos

INICIO 16/03/16

FINAL 30/07/17








E5_ Usos de la inteligencia de negocio en la empresa INICIO 14/10/15

FINAL 30/07/17



8. Sistemas de Soporte a la Decisión 16/03/16 27/07/16

9. Gestión Económico-Financiera: Casos de Negocio 16/03/16 27/07/16

10. Marketing y Ventas: Casos de Negocio 16/03/16 27/07/16

11. Operaciones y Logística: Casos de Negocio 16/03/16 27/07/16


Las especializaciones 3, 4, 6 se irán desplegando …

* Las fechas exactas inicio y desarrollo del semestre se publicarán en el campus y/o también mediante el aula de tutoría

12. Evaluación

La evaluación del aprendizaje de los participantes dentro de los programas de Posgrado en la UOC se realiza teniendo en cuenta las características de la formación no presencial. La evaluación en la UOC se estructura en torno a la evaluación continua y la evaluación final. La evaluación continua se lleva a cabo por medio de las pruebas de evaluación continua (PEC). Todas las formas de evaluación del Posgrado se realizan de forma no presencial.


24

El modelo concreto de evaluación de cada asignatura se establece semestralmente en el plan docente de cada asignatura, que define:

El modelo concreto de evaluación. Los criterios generales de evaluación de la asignatura relacionados con los objetivos que deben alcanzarse y las competencias que deben adquirirse. Si procede, el tipo concreto de la prueba de evaluación final (PEF), los criterios y fórmulas de evaluación, corrección y nota, y las tablas de cruce o fórmulas ponderadas aplicables.

Evaluación continuada La evaluación continua (EC) se realiza durante el semestre. La evaluación continua es el eje fundamental del modelo educativo de la UOC y es aplicable a todas las asignaturas de los programas formativos que la UOC ofrece. El seguimiento de la EC es el modelo de evaluación recomendado por la UOC y el que se ajusta mejor a su modelo educativo.

La EC consiste en la realización y superación de una serie de pruebas de evaluación continua (PEC) establecidas en el plan docente/plan de aprendizaje, de acuerdo con el número y el calendario que se concretan en el plan. La EC de cada asignatura se ajusta a los objetivos, competencias, contenidos y carga docente de cada asignatura. El plan docente/de aprendizaje establece los criterios mínimos y el calendario de entrega para seguir y superar la EC. En todo caso, para considerar que se ha seguido la EC tiene que haberse realizado y entregado como mínimo el 50 % de las PEC. El no seguimiento de la EC se califica con una N (equivalente al no presentado). La EC se califica con las siguientes notas:

Estas notas son aplicables a las PEC y a la nota final de EC. La nota final de EC se completará con una nota equivalente numérica (sin decimal) de acuerdo con las siguientes

correspondencias:


25

La evaluación global del programa

Es imprescindible haber superado todas las asignaturas que conforman el programa para superarlos globalmente y obtener una nota final positiva. La nota final del programa se obtendrá a partir de la nota final de cada asignatura, de forma proporcional al peso en

créditos de cada curso. La valoración de evaluación es cuantitativa y se expone según las calificaciones siguientes:

Para poder obtener la titulación del cada programa se deben haber completado con éxito la totalidad de las asignaturas que lo conforman

A: 9,10:Calificación muy buena: Sobresaliente Supera

B: 7, 8: Calificación buena: Notable Supera

C+: 6, 7: Calificación suficiente: Aprobado Supera

C-: 3, 4: Calificación baja: Suspenso No supera

D: 1,2: Calificación muy baja: Suspenso No supera

N: No se emite calificación: No presentado No supera


26

13. Titulación

Una vez se haya superado el proceso global de evaluación, la UOC entregará a los participantes que acrediten una titulación universitaria legalizada en España:

Para los matriculados en Máster: Diploma de Máster en Inteligencia de negocio y Big data Para los matriculados en Posgrado:

Diploma de Posgrado en Inteligencia de negocio y análisis de datos Diploma de Posgrado en Sistemas de Información de Inteligencia de Negocio y Big data

En caso de no disponer dicha titulación, se expedirá, en función del programa matriculado:

- Diploma de extensión universitaria en Inteligencia de negocio y Big data - Diploma de extensión universitaria en Inteligencia de negocio y análisis de datos - Diploma de extensión universitaria en Sistemas de Información de Inteligencia de Negocio y Big data

Para los matriculados en las especializaciones e independientemente de la titulación: o Certificado de especialización en :

- Fundamentos de Inteligencia de Negocio y Big Data - Análisis y Minería de Datos - Sistemas de Inteligencia de Negocio (Data Warehouse) - Big Data y Sistemas NoSQL - Usos de la inteligencia de negocio en la empresa - Ciencia de Datos (Data Science)*

14. Servicio de atención al estudiante

Desde el Servicio de Atención (frame superior del campus) podéis acceder a todas las consultas de gestión relacionadas con: Matriculación, Envío de materiales, Pagos posgrado, Facturas, Documentación académica, Expediente, Evaluación Titulación, Servicio de ayuda informática.