Master banner

Master´s Program

MASTER IN Business Intelligence & Business Analytics with Big Data

El programa MASTER IN Business Intelligence & Analytics with Big Data, está diseñado para perfeccionar su experiencia en las últimas herramientas y técnicas de Business Intelligence & Business Analytics (BI & BA), que incluyen planificación y monitoreo, análisis de datos y estadísticas, visualizaciones, metodologías Agíles para desarrollo de soluciones de BI / BA, análisis y diseño de bases de datos SQL y NoSQL e implementaciones sobre Big Data Hadoop. Esta certificación en Master Program, avalado por la Universidad Central de Venezuela, lo capacitará de manera práctica con estudios de casos del mundo real, lo que garantiza que esté listo para el mercado.

Universidad Central de Venezuela

Logo UCV

Inicio: Inscripciones abiertas

Sesiones semanales de tutoría online dirigidas por los instructores

Modalidad: 100% online

Duración: 12 meses / 1 año

Constituido por 6 Diplomados, 2 Seminarios/Talleres y un Proyecto de Grado

Avalado por la Universidad Central de Venezuela

Sobre el programa

El MASTER IN Business Intelligence & Business Analytics with Big Data,  es un programa ejecutivo y tecnológico  que profundiza en temas relacionados con la gestión eficiente de las empresas, impulsando el uso de las más novedosas tecnologías de analíticas, tales como Business Intelligence, Business Analytics, Análisis Estadístico, Business Performance Management and Balanced Scorecard, para monitorear y optimizar su desempeño. 

Aprenderás  los conceptos y habilidades necesarios para una carrera activa de Business Intelligence & Analytics. Se convertirá en un experto en Pentaho, Microsoft Power BI, Tableau, Big data Hadoop, MySQL, PostgreSQL, Oracle, MongoDB, Python y RStudio. También obtendrá las habilidades necesarias para crear dashboards interactivos para obtener información sobre el rendimiento empresarial, dominar las metodologías para desarrollar e implementar KPI y Balanced Scorecard. Toda la experiencia de aprendizaje del programa, está vinculada con proyectos del mundo real y simulaciones, para ayudarlo a obtener experiencia en el dominio. Después de completar todos los aspectos de la formación, estará preparado para los diversos roles en las áreas de  Business Intelligence, Business Analytics, Big Data.

Usted aprenderá:

Implementar prácticas de Data Management / Data Governance dentro de la organización para la gestión eficaz de la información.

Desarrollar proyectos de Business Intelligence & Big Data utilizando los frameworks de de Hadoop, Spark, R y Python para procesar grandes cantidades de datos.

Implementar soluciones de análisis y visualización de datos que permitan impulsar mejores decisiones comerciales bajo la plataforma de Pentaho, Power BI y Tableau.

Aplicar modelos analíticos y predictivos a situaciones de negocio con programación estadística básica en Python y R.

Implementar Bases de Datos NoSQL como MongoDB para almacenar y procesar datos con Hadoop.

Desarrollar nuevos modelos de negocio con las herramientas de Business Analytics para Text mining, Web mining, Análisis de las redes sociales y Sentiment analysis.

Business Intelligence & Business Analyst es una sólida elección de carrera para profesionales nuevos y experimentados. Los aspirantes a profesionales de cualquier formación académica con un estado de ánimo analítico son los más adecuados para seguir la Formación del Master, que incluye:

Aspirantes a analistas de Business Intelligence / Busines Analytics, incluidos recién graduados universitarios y aquellos que buscan hacer un cambio de carrera.

Nuevos analistas de negocios que desean mejorar su oficio

Otros puestos que realizan tareas de análisis empresarial, como administradores, gerentes y líderes de proyectos.

Profesionales de TI.

Jefes de proyecto.

Profesionales bancarios y financieros.

Directores de marketing.

Profesionales de ventas.

Economistas, administradores, contadores.

Gerentes de red de la cadena de suministro.

Principiantes en el dominio de la analítica de datos.

Este programa: MASTER IN Business Intelligence & Big Data, cubre todos los fundamentos; no existe un requisito previo obligatorio, pero se recomienda cierta experiencia en análisis de negocios.

Para postularse a este programa, es necesario:

Tener al menos un grado académico equivalente o mayor a TSU o Licenciatura.

Tener estudios o experiencia en Análisis de la Información.

Conocimientos básicos de estadística y matemática

Para más información,

ingresa tus datos

¡Llámanos!

Contacta con uno de nuestros especialistas de inscripciones para mayor información y armar un plan a tu medida.

¡Contáctanos!

Contacta con uno de nuestros especialistas de inscripciones para mayor información y armar un plan a tu medida.

Plan de estudio

Fundamentos de programación de bases de datos.

SQL Essential Training.

SQLite Essential Training.

Excel Power Pivot Essential Training.

MySql Essential Training.

PostgreSQL Essential Training.

Oracle Essential Training.

NoSQL Essential Training.

MongoDB Essential Training.

Neo4J Essential Training.

Redis Essential Training.

  • Fundamentos Data management & Data Governance

    Fundamentos de Business Intelligence & Business Analytics

    Arquitecturas y componentes de una solución de BI

    Metodologías de desarrollo de Soluciones de BI & BA

    Fundamentos del Modelado Dimensional y construcción de Data Warehouse

    Taller ETL (Extracción Transformación y Carga)

    Desarrollo de soluciones OLAP

    Pentaho Essential Training

    Power BI Essential Training

    Tableau Essential Training

Fundamentos de la investigación tecnológica

Planteamiento y formulación del Problema de Investigación Tecnológica.

Marco Teórico – Metodológico de Investigación Tecnológica.

Teoría del Problema Tecnológico.

Fundamentos de Data Mining for Business Analytics

  • Definiciones básicas
  •      Conceptos de Business Analytics, Data Mining, Big Data y Data Science.
  •      Relación con otras disciplinas. Aplicaciones y ejemplos.
  •     Objetivos de la Data Mining, Patrones y Modelos.
  • Áreas de aplicación y ejemplos
  •      Ejemplos de aplicación en varias áreas
  •      Tareas de minería de datos para construir modelos.
  • Metodologías y estándares
  •      Proceso KDD y Metodología CRISP-DM
  • Características de los datos:
  •      Fuentes de datos.
  •      Conjuntos de datos.
  • Caja de herramientas.
  • Introducción al lenguaje R.
  • Generación de números aleatorios.
  • Programación vectorial e indexación lógica.
  • Familia de funciones applay.
  • Visualización de los datos.
  • Persistencia de datos y modelos.

 

Fundamentos de los métodos descriptivos en Data Mining.

  • Selección de atributos.
  • Pre-procesamiento y limpieza.
  • Problema de la dimensionalidad.
  • Extracción de características.
  • Tipos de métodos en Minería de Datos.
  • Análisis exploratorio de datos.
  • Mapa de correlaciones.
  • Modelos estadísticos.
  • Bondad de ajuste.
  • Análisis de Componentes Principales (PCA)
  •      Plano principal.
  •      Relación entre variables.
  •      Calidad de la representación.
  •      Reducción de la dimensionalidad con el PCA.
  • Identificación de conglomerados.
  •      La Inercia y el teorema de Fisher.
  •      Cálculo de la distancia.
  •      Estimación del número de grupos.
  •      Árboles de Clasificación Jerárquica.
  •      Método de nubes dinámicas con K-medias.
  •      Paralelizando el método de K-medias.

 

Fundamentos de los métodos predictivos en la Minería de Datos.

  •  

  • Métodos de clasificación. Calibración y selección de modelos.

    • Definiciones de clasificación
    • Problema de separabilidad
    • Uso de funciones Kernel
    • Entrenamiento y testing
    • Medidas de calidad
    •      Cálculo de errores. Matriz de confusión
    •      Curvas ROC
    • Métodos de clasificación
    •      Análisis discriminante
    •      Análisis discriminante cuadrático
    •      Método Bayesiano ingenuo
    •      Regresión logística
    •      Método de K-vecinos más cercanos
    •      Máquinas de Soporte Vectorial (SVM)
    •      Árboles de decisión
    •      Bosques aleatorios
    •      Redes neuronales
    • Evaluación de los métodos
    • Problemas del uso de conjuntos de entrenamiento y testing
    • Sobre ajuste o especialización
    • Validación cruzada
    • Calibración de los métodos
    •      Calibración del K-medias
    •      Calibración del SVM

Análisis Estratégico. Introducción a la Gestión Estratégica.

  • Introducción a la dirección estratégica
  • Creación de Valor, Stakeholders y Gobierno 
  • La Orientación y los Objetivos Estratégicos
  • Análisis del Entorno General
  • Análisis del Entorno Competitivo
  • Análisis Interno

Key Performance Indicator

  • Introducción a KPI
  • Caracteristicas de los KPI
  • Principales errores al definir KPI
  • Mejores prácticas para definir KPI
  • Taller de formulación de KPI
  • Ajustes y redifiniciones de KPI

Balanced Scorecard

  • Definición e importancia del balanced scorecard
  • Pasos para elaborar el mapa estratégico y construir un balanced scorecard
  • Mapa estratégico y las perspectivas del balanced scorecard
  • Objetivo y destino estratégico
  • Conexión entre objetivos estratégicos en cada perspectiva
  • Estrategias funcionales e iniciativas

Construcción e implementación del Balanced Scorecard

  •   Perspectiva financiera: Estados financieros básicos y principales indicadores
  •   Perspectiva de mercado y clientes: principales indicadores de mercado y principales indicadores de clientes
  •   Perspectiva de procesos internos: principales indicadores de innovación y principales indicadores operativos
  •   Perspectiva de aprendizaje y crecimiento: principales indicadores del capital humano y otros indicadores de capacidades
  •   Vinculación de indicador con la estrategia
  •   Metas, iniciativas, asignación de recursos y presupuestos
  •   La gestión de la estrategia del negocio: capacitación, alineación, comunicación, objetivos personales y del equipo, y planes de incentivo
  •   El feedback y el proceso de aprendizaje estratégico

Morphology:  study of words, how they are formed, and their relationship to other words in the same language. You can see:

Nouns and their type: Proper/ Common, abstract/concrete, countable/uncountable, individual/collective, simple/compound, primitive/derivative, animate/inanimate.

Verb: Actions, emotions and natural events in a sentence.

Adjectives: describe the features, characteristic or properties of the nouns

Adverbs: Modify nouns, verbs and adjectives. Manner, place, frequency, time, degree, order, certain.

Sintaxis: study of  the set of rules, principles, and processes that govern the structure of sentences, usually including word order. They  are:

Articles: Indefinite and definite

Pronouns: Personal, object, possessive, reflexive

Prepositions: place or location, movement and time.

Suffixes/Prefixes: Build up  new words adding particles at the beginning or at the end on the words in order to change their meaning or function.

Verbal Tense: grammatical category that has the function of indicating the moment in which an action is carried out.

Fundamentos de Big Data y el proyecto Hadoop

  • La era digital
  • Definiciones básicas
  • Áreas de aplicación
  • Ejemplos de Big Data
  • El proyecto Hadoop y sus componentes
  • Hadoop Distributed File System (HDFS)
  • Ejercicio: Usando HDFS

Programación bajo el paradigma MapReduce

  • Fundamentos de la computación paralela y distribuida
  • El paradigma MapReduce
  • Algunos ejemplos básicos: Consultas y cruces de datos
  • Implementación de algoritmos de análisis de datos: clustering, regresión lineal, regresión logística, clasificación, vecinos más cercanos, entre otros
  • Sistemas de recomendación, Jerarquización con el método PageRank
  • Fundamentos del Text Mining y el Web-Mining
  • Fundamentos del análisis de redes sociales

Implementación de proyecto bajo las Bases de datos NoSQL

  • Introducción a las bases de datos NoSQL (NoSQL o “no solo SQL”)
  • Tipos de bases de datos NoSQL: clave-valor, orientadas a columnas, Orientadas a documento, Bases de datos de grafos
  • Fundamentos de HBASE
  • Fundamentos de MongoDB

Fundamentos de Gestión de Proyectos

  • Introducción a la Gestión de Proyectos
  • ¿Qué es un proyecto?
  • ¿Qué es la Gestión de Proyectos?
  • Gestión de Programa y portafolio de Proyectos
  • El Rol del Gerente de Proyectos
  • La profesión de Gestión de Proyectos
  • Contexto  de la Gestión de Proyectos y Tecnología Información
  • Una vista de Sistemas de la gestión de proyectos
  • Entendiendo a las organizaciones
  • Gestión de Stakeholders
  • Fases y Ciclo de  Vida de los Proyectos
  • Contexto de los Proyectos de Tecnologías de Información
  • Tendencias en la Gestión de Proyectos de Tecnología de la Información

Grupo de Procesos de la Gestión de Proyectos

  • Grupos de Procesos de Gestión de Proyectos
  • Mapeo de los Grupos de Procesos a las Áreas de Conocimiento
  • Desarrollo de una metodología de gestión de proyectos de TI
  • Ciclo de Vida de la gestión de Proyectos
  • Requerimientos
  • Definición de Ciclo de Vida
  • Modelo Lineal, Incremental, Iterativo, Adaptativo, Extremo
  • Proceso de Selección del Ciclo de Vida para el proyecto
  • ¿Cuándo utilizar los modelos?
  • Proceso de Iniciación del Proyecto
  • Proceso de Planificación del Proyecto
  • Conceptualización y Diseño del Plan
  • Herramientas para la administración de Proyectos MS Project
  • Herramientas y procesos para monitorizar y controlar un proyecto
  • Ejecución Control y Seguimiento
  • Herramientas utilizadas para el cierre del proyecto.
  • Exposición de Casos de Estudio
  • Templates para Grupo de Procesos de la gestión de proyecto
  • Proyectos de Software

Áreas de Conocimiento de la Gestión de Proyectos

  • Áreas de Conocimiento de la Gestión de Proyectos
  • Gestión de la Integración del Proyecto
  • Gestión del Alcance del Proyecto
  • Gestión del Tiempo del Proyecto
  • Gestión de los Costes del Proyecto
  • Gestión de la Calidad del Proyecto
  • Gestión del Recurso Humano del Proyecto
  • Gestión de las Comunicaciones del Proyectos
  • Gestión de los Riesgos del Proyecto
  • Gestión de las Adquisiciones del Proyecto
  • Gestión del Stakeholder del Proyecto

El trabajo Especial de Grado (TEG), es el producto de la investigación y desarrollo de un determinado problema, perteneciente al campo de investigación científica, tecnológica, científico-tecnológica, de desarrollo tecnológico, o el nivel y tipo que requiera, problemáticas concernientes al mundo de de la tecnología, los negocios y las ciencias aplicada y disciplinas afines. La síntesis de los resultados obtenidos deberá ser presentada de acuerdo a las modalidades de un trabajo monográfico. Para ello será necesario definir debidamente los límites y alcances del tema propuesto, a fin de no desviar la atención hacia aspectos secundarios y de escasa relevancia para los resultados de la investigación. El TEG, está bajo la conducción y supervisión de un Tutor.

Herramientas cubiertas

Power BI
Tableau
Pentaho logo
MySQL
PostgreSQL
MongoDB
Oracle-Logo
1000px-Hadoop_logo.svg1_-600x155
Spark
RStudio
Python

¿Quienes son tus facilitadores?

Contarás con la tutoría y mentoría de un equipo de profesionales especializados en el área de Business Intelligence & Big Data

master liston

Master's Program Certificate

Certificado del MASTER IN Business Intelligence & Business Analytics with Big Data

Para obtener el Diploma de MASTER IN Business Intelligence & Business Analytics with Big Data, debe cumplir con los siguientes criterios:

Logo UCV

Avalado por la Universidad Central de Venezuela

Certificado en Master Business Intelligence and Business Analytics with Big Data

Lo que dicen nuestros Egresados

Testimonio en Marketing Digital

Marketing Digital

Gracias a este curso pude mejorar en mi área de trabajo y hacer crecer mi negocio por medio de mis redes sociales

Juan Jose Thomas

Estudiante
Testimonio Marketing Digital

Marketing Digital

Gran curso me ayudo a mejorar mis conocimientos de marketing y conseguir un empleo manejando redes sociales

Diana Lugo

Estudiante

Preguntas Frecuentes (FAQs)

El costo del programa es de $5.000 USD, pero usted puede aprovechar la promoción / descuento vigente a la fecha.

Necesitarás acceso a una computadora. Una máquina con sistema operativo en Windows, macOS o Linux funcionará bien.

No. El master es autodidacta y se dividirá en segmentos cortos de video pregrabados con evaluaciones periódicas para verificar su progreso.

Si usted no puede participar en una sesión online, usted la podrá ver luego pues esta queda grabada y estará disponible dentro de los recursos de los foros de sesiones online.

Cada programa tiene un foro activo en línea donde los estudiantes pueden ayudarse entre sí. Además, los instructores, los asistentes de enseñanza y otros facilitadores de

Para obtener el Diploma de Master en Business Intelligence & Business Analytics with Big Data, debe cumplir con los siguientes criterios:

Aprobar cada uno de los seis (06) Diplomados que conforman el programa.

Aprobar un Proyecto de Investigación en las áreas tecnológicas.

Desarrollar y aprobar un artículo en idioma inglés acerca del proyecto de investigación en el área tecnológica.

Desarrollar, defender y aprobar un Trabajo Especial de Grado de Máster del área de Business Intelligence & Big Data.

Por cada diplomado aprobado recibirás un certificado, para lo cuál, deberás alcanzar el 80% en la evaluación total. Hay tres tipos diferentes de evaluaciones dentro de cada programa diplomado que integran al master: auto-evaluaciones, laboratorios/test final de unidad y examen/proyecto final. Las auto-evaluaciones no cuentan para su calificación, pero lo ayudarán a verificar su comprensión. Los laboratorios / entregas parciales y test final de unidad, comprenderán la mitad de su calificación y el examen final / proyecto final, comprenden lo otra mitad de su calificación.

Conviertete en MASTER IN Business Intelligence & Business Analytics with Big Data

Matricúlate y acepta el reto de ser el próximo profesional que el mercado está buscando

All search results