Guia General Programas Inteligencia de Negocio y Big data 17/19

Guía General Programa Inteligencia de negocio y Big data Marzo 17 pág 1

Guía general

Inteligencia de negocio y Big data

Marzo 17

http://business-intelligence.uoc.edu

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


Índice

1. INTRODUCCIÓN 3 2. PRESENTACIÓN DEL PROGRAMA 3 3. OBJETIVOS Y COMPETENCIAS 3 A. OBJETIVOS COMUNES DEL MÁSTER 3 B. OBJETIVOS ESPECÍFICOS DEL ITINERARIO DE INGENIERÍA DE DATOS 4 C. OBJETIVOS ESPECÍFICOS DEL ITINERARIO DE BIG DATA 5 D. OBJETIVOS ESPECÍFICOS DEL ITINERARIO DE ANÁLISIS DE DATOS 5 E. PERFILES 6 F. COMPETENCIAS 6 4. A QUIÉN SE DIRIGE 7 5. SALIDAS PROFESIONALES 7 6. CONOCIMIENTOS PREVIOS 8 7. ESTRUCTURA Y CONTENIDOS (PLAN DE ESTUDIOS) 9 8. METODOLOGÍA 16 9. EQUIPO ACADÉMICO 17 10. RECURSOS PARA EL APRENDIZAJE 22 A. HERRAMIENTAS DE SOFTWARE 23 11. CALENDARIO CURSO 2016/2018 (MARZO 17 - MARZO 19) 24 12. EVALUACIÓN 27 13. TITULACIÓN 29 14. SERVICIO DE ATENCIÓN AL ESTUDIANTE 30


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. Para el funcionamiento específico de cada asignatura, os remitimos a los planes docentes, que se actualizan cada semestre.

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 empresa, 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. Este programa se ha diseñado y se ofrece conjuntamente por los Estudios de Economía y Empresa y los Estudios de Informática, Multimedia y Telecomunicación de la UOC.

3. Objetivos y competencias

a. Objetivos comunes del Máster

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 tres 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.

b. Objetivos específicos del 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.

c. Objetivos específicos del itinerario de Big data

Conocer y saber organizar diferentes estructuras de datos y crear un almacén de datos (data warehouse).

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.

d. Objetivos específicos del 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.


e. 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.

f. 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 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.

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 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.

6. Conocimientos previos

Aunque el programa no requiere formalmente una formación o titulación específica de origen, 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.


7. Estructura y contenidos (Plan de estudios)

Máster en Inteligencia de negocio y Big data (60 créditos)

Diploma de Posgrado en Inteligencia de negocio y análisis de datos (30 créditos)

Especialización (16 créditos)

Fundamentos de Inteligencia de Negocio y Big Data

Análisis y Minería de Datos

Bases de datos para entornos analíticos

Big Data y Sistemas NoSQL

Usos de la inteligencia de negocio en la empresa El programa de Inteligencia de negocio y Big data está dirigido a dos perfiles profesionales diferenciados:

- Por un lado, un perfil funcional y empresarial interesado en adquirir o completar su formación en 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:

Adquirir o completar su formación en el diseño, construcción, explotación y administración de las bases de datos para entornos analíticos (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 análisis en entornos distribuidos y almacenamiento distribuido mediante bases de datos NoSQL.


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

Semestre Itinerario de

Ingeniería de datos Itinerario de

Big Data Itinerario de

Análisis de datos

1 E1. Fundamentos de inteligencia de negocio y big data (16 créditos)

2 E2. Análisis y minería de datos (16 créditos)

3

E3. Bases de datos para entornos analíticos (16 créditos)

E4. Big Data y sistemas NoSQL (16 créditos)

E5. Usos de la inteligencia de negocio en la empresa (16 créditos)

4 Trabajo final de máster (12 créditos)

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

http://cv.uoc.edu/tren/trenacc/web/GAT_EXP.PLANDOCENTE?any_academico=20162&cod_asignatura=B2.320&idioma=CAS&pagina=PD_PREV_SECRE&cache=S




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 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 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,


http://cv.uoc.edu/tren/trenacc/web/GAT_EXP.PLANDOCENTE?any_academico=20162&cod_asignatura=B2.339&idioma=CAS&pagina=PD_PREV_SECRE

http://cv.uoc.edu/tren/trenacc/web/GAT_EXP.PLANDOCENTE?any_academico=20162&cod_asignatura=B2.340&idioma=CAS&pagina=PD_PREV_SECRE


orientadas a columnas y grafos) con herramientas como Riak, MongoDB o Neo4j.

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. Esta 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, que tiene un valor de 12 créditos. El

trabajo final es obligatorio para todos itinerarios del máster. 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.

(Los contenidos detallados de cada asignatura se encuentran especificados en el plan

docente)

Laboratorio

Durante el desarrollo del programa, el estudiante tendrá acceso a un aula de laboratorio

de tecnologías y herramientas de inteligencia de negocio y análisis de datos, donde se

le dará soporte en los temas de infraestructura técnica: instalación, configuración y

acceso a los programas, problemas de rendimiento, etc.

El laboratorio cuenta con una wiki, una colección de tutoriales y varios profesores de

apoyo.

Las consultas e incidencias relacionadas con la funcionalidad del software se resuelven

normalmente en las propias aulas propias de las asignaturas donde se proporcionan

máquinas virtuales preparadas y configuradas para realizar y aplicar los conocimientos

teóricos a la práctica

Asignatura transversal optativa: Aprovechar las TIC en posgrado

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 que son convenientes para realizar la formación en la UOC.

Dedicación


Cada crédito ETCS, calculado con los criterios del espacio europeo, equivale a unas

25 horas de dedicación, entre la preparación de los entornos, la familiarización con las

herramientas, el estudio del material y la realización de actividades.

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 (4 semestres).

El posgrado consta de 30 créditos, equivalentes a 750 horas de trabajo del estudiante

y tiene una duración de 1 año (2 semestres).

Las especializaciones constan de 16 créditos, equivalentes a 400 horas de trabajo del

estudiante y tiene una duración de 1 semestre. El periodo lectivo se desarrolla entre

los semestres Octubre – Marzo y Marzo – Julio.

8. Metodología

El modelo de estudio y aprendizaje se basa en una metodología constructiva y aplicada

de aprendizaje en línea, desarrollada por la UOC a lo largo de sus 20 años de existencia.

El estudio se basa en la adquisición de competencias a través de la realización de

actividades, con el apoyo por recursos (materiales didácticos y herramientas), la

interacción con otros compañeros en el foro y el apoyo de un equipo docente en la propia

aula.

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 los estudiantes y el profesorado una

comunidad educativa real con todos los componentes e interacciones necesarias.

El modelo de evaluación es el de evaluación continuada, basada en las actividades

realizadas a lo largo del curso y en la participación y actitud en el aula. No se realizan

exámenes ni pruebas presenciales.

Estos espacios se distribuyen básicamente en cuatro grandes bloques:

Planificación: Espacio de acceso al plan docente específico de la asignatura. 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.

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 continuada 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) está disponible

al principio de cada curso. Esta información incluye el calendario de distribución de los

enunciados de las actividades, de entrega de las actividades resueltas y de participación

en los debates por parte de los estudiantes, así como la publicación por parte del

profesor consultor de las calificaciones y feedback (comentarios o soluciones de las

actividades, resumen de debates, etc.).

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: planifica, coordina, integra y evalúa 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).

Jordi Casas Roma Doctor en Informática por la UAB. Profesor del área de Big data y Data Science de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación: K-riptography and Information Security for Open Networks (KISON)

http://www.uoc.edu/webs/jcasasr/CA/curriculum/index.html

http://in3.uoc.edu/opencms_portalin3/opencms/ca/recerca/list/kison_k-ryptography_and_information_security_for_open_networks

http://in3.uoc.edu/opencms_portalin3/opencms/ca/recerca/list/kison_k-ryptography_and_information_security_for_open_networks


Profesor responsable: programa los contenidos de las asignaturas y las actividades de aprendizaje y coordina a los diferentes colaboradores del equipo docente; aporta su dominio de la materia y los conocimientos complementarios a los colaboradores docentes (consultores). Es el responsable legal de la evaluación.

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 UOC. Grupo de investigación Ingeniería del Software (GRES-UOC). 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 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 UOC. Grupo de investigación Ingeniería del Software (GRES-UOC). Daniel Liviano 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 UOC. 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). 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) Maria Pujol Jover

http://www.uoc.edu/webs/jconesac/CA/curriculum/index.html

http://gres.uoc.edu/


http://www.uoc.edu/webs/iguitarth/CA/curriculum/index.html


http://www.uoc.edu/webs/jconesac/CA/curriculum/index.html



http://www.uoc.edu/webs/jmarco/CA/curriculum/index.html

http://en.wikipedia.org/wiki/User:Juli%C3%A0_Minguill%C3%B3n


Doctora en Estudios Empresariales por la UB. Profesora del área cuantitativa de los Estudios de Economía y Empresa de la UOC. Grupo de investigación Go2Sim (Innnovative tools for elearning). Àngels Rius Gavidia Doctora en Sociedad de la Información y el Conocimiento por la UOC y Licenciada en Informática por la UPC. Profesora de Bases de datos en 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 y Licenciada en Informática por la UPC. 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: son los miembros del equipo docente que mantienen la relación continuada con los estudiantes, atienden las consultas, publican y evalúan las actividades y proponen la calificación final. Normalmente son profesionales en ejercicio en el ámbito de la inteligencia de negocio.

David Conrado Cabanillas Barbacil PhD. en Inteligencia Artificial por la Universidad Politécnica de Cataluña. Consultor experto en Business Intelligence y Big Data y apasionado de R.

Alex Caminals Sánchez de la Campa Ingeniero en Informática por la UPC. Licenciado en Matemáticas por la UAB. Consultor independiente en BI.

David Gañán Jiménez Ingeniero en Informática especializado en desarrollo de aplicaciones con tecnologías .NET. Trabaja como profesional independiente realizando tareas de docencia, consultoría y desarrollo de aplicaciones en el área de .NET Eduard Gil Blasco Ingeniero Informático por la Universidad Politécnica de Cataluña. Consultor experto en Business Intelligence y Big Data. 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 de SAP.

http://www.uoc.edu/webs/mrodriguezgo/ES/curriculum/index.html

http://www.uoc.edu/webs/mrodriguezgo/ES/curriculum/index.html

http://teking.uoc.edu/

http://teking.uoc.edu/


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. 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. 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.

Francesc Julbe López Ingeniero de telecomunicaciones por la UPC. Projecte Manager en Gaia y desarrollador de Big data en Gaia.

Carles Llorach Rius Ingeniero en Informática por la UPC. Máster en Gestión de empresas MBA por la URV. Técnico en Business intelligence. Josep Joaquim Navarro Juani Licenciado en Informática por la UPC, diplomado en Ciencias Empresariales por la UOC y MBA por ESADE Business School. Director de Business intelligence & big data de una empresa de servicios.

Jordi Nin Doctor en Ciencias de la Computación por UAB. Investigador en Marie Curie en el LAAs-CNRS. Senier Data Scientist en BBVA Data&Analytics. 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 U. 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. Víctor Ruiz Marqués Ingeniero técnico en electrónica industrial (especialidad en automática) por la Universidad Politécnica de Cataluña. Ingeniero técnico en informática de gestión por la UOC. Ingeniero en informática por la UOC. Consultor de ERP y de Business Intelligence. José Julio Santos Licenciado en matemáticas por la U. Complutense de Madrid. Máster en Gestión TIC por UOC, y Executive MBA por EOI. Certificado PMP, Scrum Master, ITIL Foundations. Especializado en dirección de proyectos y consultoría de soluciones tecnológicas para Business Intelligence y Big Data. Principalmente tecnologías SAP Business Objects, Microsoft, y de carácter estadístico como R. Juan Vidal Gil Licenciado en Ciencias Físicas por la U. Complutense de Madrid. Responsable de proyectos IT Business Intelligence

Tutor: Es el referente de orientación académica 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 les da soporte y asesoramiento.

Gemma Gironés Roig Llicenciada en Pedagogía per la U. Barcelona y estudiante del Grado en Ingeniería Informática de la UOC.

Jose Luis Gómez García Ingeniero infomático por la UPSAM, máster en Business Intelligence por la UOC. Director Business Intelligence en Altadis

Manel Montero Jiménez Licenciado en Informática por la UPC en Lenguajes y sistemas informáticos y


organización de empresas. Master Business Administration MBA por FESNA. Escuela de Negocios de Andalucía. Formador Certificados de profesionalidad rama informática.

Alex Morillas Garcia Ingeniero Técnico Informática de Gestión por la Universitat Autónoma de Barcelona, Ingeniería Superior por la UOC, Master Business Intelligence por la UOC. pre-doctoral en el IIIA-CSIC

Ruth Vilar Mateo Ingeniera y doctora en Telecomunicaciones por la Universitat Politècnica de València. Máster en Business Intelligence por la UOC. Data Engineer en la cátedra UOC-BSA.

10. Recursos para el aprendizaje

El estudiante dispone a lo largo del programa de 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.

.

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 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.

http://eimt.uoc.edu/bt/


11. Calendario curso 2016/2018 (Marzo 17 - Marzo 19)

Máster en Inteligencia de Negocio y Big data

(60 créditos)

INICIO

15/03/17

FINAL

Marz 19

Tutoría 01/03/17 Oct 2019

Aprovechar las TIC en posgrado (optativa) 15/03/17 15/04/17

Semestre 1.

Especialidad 1_Fundamentos de Inteligencia de negocio

15/03/17

19/07/17

Fundamentos de Inteligencia de Negocio 15/03/17 19/07/17

Gestión de Proyectos de BI 15/03/17 19/07/17

Fundamentos y Usos del Big Data 15/03/17 19/07/17

Pensamiento Analítico en la Empresa 15/03/17 19/07/17

Laboratorio: tecnología y herramientas BI 15/03/17 19/07/17

Semestre 2.

Especialidad 2._Análisis y Minería de datos

Oct 17* Marz 18*

Minería de Datos: Conceptos y Técnicas Oct 17* Marz 18*

Business Analytics: Modelos y Algoritmos Oct 17 Marz 18

Sistemas de reporting y cuadros de mando Oct 17 Marz 18

Gobierno de datos (Data governance) Oct 17 Marz 18

Laboratorio: tecnología y herramientas BI /Lenguajes de programación Oct 17 Marz 18

Itin

era

rio

de

Ing

en

ierí

a d

e d

ato

s

Semestre 3.

Especialidad 3_Bases de datos para entornos analíticos

Marz 18*

Juliol 18*

Diseño y Construcción del Almacén de Datos Data warehouse Marz 18* Juliol 18*

Bases de Datos para Data Warehouse Marz 18 Juliol 18

Explotación y Administración del Data Warehouse Marz 18 Juliol 18

Semestre 4

TFM Ingeniería de datos

Oct 18* Marz 19*


Itin

era

rio

de

Big

Da

ta

Semestre 3.

Especialidad 4_ Big Data y Sistemas NoSQL

Marz 18*

Juliol 18*

Bases de Datos NoSQL Marz 18 Juliol 18

Escenarios de uso de Big Data Marz 18 Juliol 18

Tecnologías de Big data Marz 18 Juliol 18

Semestre 4

TFM Big data

Oct 18*

Marz 19*

Itin

era

rio

de

An

áli

sis

de

da

tos

Semestre 3.

Especialidad 5_ Usos de la inteligencia de negocio en la empresa

Marz 18*

Juliol 18*

Gestión Económico-Financiera: Casos de Negocio Marz 18 Juliol 18

Marketing y Ventas: Casos de Negocio Marz 18 Juliol 18

Operaciones y Logística: Casos de Negocio Marz 18 Juliol 18

Recursos humanos: casos de negocio Marz 18 Juliol 18

Semestre 4

TFM Análisis de negocio (Business Analytics)

Oct 18*

Marz 19*


Posgrado en Inteligencia de Negocio y Analisis de datos

(30 créditos)

INICIO

15/03/17

FINAL

Marz 18



Semestre 1.


15/03/17

19/07/17

Fundamentos de Inteligencia de Negocio

15/03/17 19/07/17

Gestión de Proyectos de BI

15/03/17 19/07/17

Fundamentos y Usos del Big Data

15/03/17 19/07/17

Pensamiento Analítico en la Empresa

15/03/17 19/07/17


Semestre 2.

Especialidad 2._Análisis y Minería de datos

Oct 17* Marz 18*

Minería de Datos: Conceptos y Técnicas

Oct 17* Marz 18*

Business Analytics: Modelos y Algoritmos Oct 17 Marz 18

Sistemas de reporting y cuadros de mando Oct 17 Marz 18

Gobierno de datos (Data governance) Oct 17 Marz 18

Laboratorio: tecnología y herramientas BI /Lenguajes de programación Oct 17 Marz 18


El programa se desarrollará por semestres:

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

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.

El modelo concreto de evaluación de cada asignatura se establece semestralmente en

el plan 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

Especialidad Fundamentos de Inteligencia de negocio

(16 créditos)

INICIO

15/03/17

FINAL

Marz 18



Semestre 1.


15/03/17

19/07/17

Fundamentos de Inteligencia de Negocio 15/03/17 19/07/17

Gestión de Proyectos de BI 15/03/17 19/07/17

Fundamentos y Usos del Big Data 15/03/17 19/07/17

Pensamiento Analítico en la Empresa 15/03/17 19/07/17



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:

La evaluación global del programa:

Es imprescindible haber superado todas las asignaturas que conforman el programa

para superarlo 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.

http://cv.uoc.edu/app/blogout/suport_es/files/2010/05/Normativa_EC_cast

http://cv.uoc.edu/app/blogout/suport_es/files/2010/05/Normativa_EC_cast


La matrícula se realiza por especialidades y cursos completos. Pero, en el caso de

suspender alguna asignatura puede ser objeto de re-matrícula individual y cursarse en

el siguiente semestre. La valoración de evaluación es cuantitativa y se expone

según las calificaciones siguientes:

Para poder obtener la titulación del cada programa se debe haber superado con éxito la

totalidad de las asignaturas que lo conforman

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

Para los matriculados en las especializaciones e independientemente de la titulación, se

expedirá un certificado de especialización en:

Fundamentos de Inteligencia de Negocio y Big Data

Análisis y Minería de Datos

Bases de datos para entornos analíticos

Big Data y Sistemas NoSQL

Usos de la inteligencia de negocio en la empresa

En caso de no haber superado el proceso de evaluación, se expedirá, en función del programa matriculado un certificado de extensión universitaria

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


14. Servicio de atención al estudiante

Consultas, incidencias, sugerencias, reclamaciones y comentarios de tipo

académico

El espacio natural de trabajo y relación del estudiante dentro del campus virtual es el

aula. Si el estudiante tiene consultas, incidencias, sugerencias y reclamaciones de tipo

académico debe dirigirse al colaborador docente (consultor) asignado cuyo nombre

figura en el aula. Si desea ampliar la consulta, no está de acuerdo con la resolución o

tiene alguna reclamación o sugerencia, puede elevarla al profesor responsable de la

asignatura, cuyo nombre figura también en el aula.

Si el estudiante tiene incidencias que afectan a más de una asignatura o al conjunto del

programa y para consultas de orientación académica o profesional puede dirigirse al

tutor y, si necesita ampliar la consulta, considera que no ha sido atendido

adecuadamente o no está de acuerdo con la atención, puede dirigirse al director del

programa.

Consultas, incidencias, sugerencias, reclamaciones y comentarios de tipo

administrativo

A través del Servicio de Atención (frame superior del campus) podéis acceder a todas

las consultas de gestión relacionadas con la Matriculación, Envío de materiales, Pagos

posgrado, Facturas, Documentación académica, Expediente, Evaluación y Titulación.

También se pueden poner a través del Servicio de Atención quejas que se consideren

que no han sido atendidas adecuadamente por el personal del programa.

Otros Servicios de la universidad

http://www.uoc.edu/estudiant/portal/guia/ca/index.html

http://www.uoc.edu/estudiant/portal/guia/ca/index.html