• Profesionales que estén liderando proyectos de sistemas informacionales, BI, Datawarehouse/Big Data y que necesiten entender todas las piezas de la cadena de forma global
• Responsables de proyectos de transformación de Datawarehouse clásico a Big Data
• Todos aquellos profesionales que necesiten comprender las nuevas capacidades que pueden ofrecerles Big Data, su arquitectura y las principales tecnologías implicadas
• Responsables de la toma de decisiones en las diferentes unidades de negocio

MÓDULO 1- INTRODUCCIÓN AL BI TRADICIONAL Y AL BIG DATA
1.1 Origen y contexto actual
– Transformación digital. Estado del arte
– La historia del dato
– El dato como activo empresarial: el valor del dato

1.2 Definición y planteamiento de conceptos en un entorno de Business Intelligence (BI)
– Sistemas operacionales vs informacionales
– Sistemas BSS y OSS
– ODS, Datamart, Datawarehouse, BI

1.3 Establecimiento de la organización empresarial en torno al dato
– Roles y funciones: quién es quién
– EL CDO: su función y su ubicación organizativa
– El comité de BI: componentes y órgano de gobierno
– Alternativas organizacionales

1.4 Construcción de un sistema informacional
– Las preguntas y casos de negocio: por dónde empezar
– El diccionario de negocio: utilización de un lenguaje común
– Arquitectura
▪ Arquitectura funcional: el flujo de información
▪ Arquitectura HW: qué componentes hace que funcione
– El proceso ETL:
▪ Extracción: sacar los datos del origen sin impactar
▪ Transformación: convertir los modelos en explotables
▪ Carga: ingestar la información en tiempo y forma
– Explotación y uso de la información. Ejemplos prácticos:
▪ Usos estratégicos de la información
▪ Usos operativos de la información
▪ Usos financieros y monetización

MÓDULO 2- MODERN BI Y ANALYTICS
2.1 Impacto de la revolución digital y tecnológica
– Del marketing tradicional al marketing digital
– Nuevos emergentes: empresas nativas digital
– Los cambios tecnológicos
– Almacenamiento, computación y comunicaciones
– OpenSource: una alternativa real

2.2 Influencia de la nueva información, flujos y tecnologías
– Estructuras de información y almacenamiento
▪ Estructurado, semiestructura y no estructurado
▪ BBDD OLTP, OLAP y NoSQL
▪ Componentes SW
– Arquitectura y Fastdata
▪ El Datalake: su razón de ser y consecuencias
▪ La aparición del Data Streaming
▪ Tecnologías de cómputo: más por menos
▪ Explotación: alternativas a la visualización clásica
▪ Orden en el caos: HDFS, Hive, Sqoop, Kafka, Flume…

2.3 Aplicación de Analytics a la información empresarial
-Inteligencia Artificial. Qué es y cómo puede ayudarnos
– Introducción al machine learning
– Preparación y análisis de datos para nuestros algoritmos
– Soluciones de machine learning:
▪ Aprendizaje supervisado
– Árboles de decisión
– Predicción y evaluación
▪ Aprendizaje NO supervisado
– Segmentación y clustering
– Detección de anomalías
– Reglas de asociación
– Ejemplos prácticos