El análisis de datos se ha vuelto una práctica muy común en las empresas, ya que les aporta información valiosa, sobre todo de sus clientes potenciales, de esta manera, pueden preparar campañas o estrategias de marketing específicas con la finalidad de fidelizar y captar nuevos clientes, pero también incrementar ventas.

El curso de Business Analytics y Data Driven Decision Making está diseñado para proporcionar una comprensión profunda y práctica de cómo utilizar los datos para tomar decisiones empresariales informadas. A lo largo de 15 horas intensivas, los participantes aprenderán conceptos clave, técnicas de representación de datos, modelos estadísticos y la infraestructura necesaria para gestionar Big Data.

1. Comprender la Necesidad de los Datos: Introducir a los participantes en la importancia de entender y utilizar los datos para la toma de decisiones empresariales efectivas.
2. Explorar Business Intelligence y Business Analytics: Diferenciar entre Business Intelligence y Business Analytics, y entender cómo ambos pueden apoyar la toma de decisiones.
3. Desarrollar Habilidades en Representación de Datos: Enseñar a utilizar dashboards y el Cuadro de Mando Integral (CMI) para la visualización y análisis de datos.
4. Aplicar Modelos y Aprendizajes Estadísticos: Proporcionar conocimientos sobre lógica inductiva, complejidad computacional y procesos estocásticos para la creación de modelos predictivos y descriptivos.
5. Gestionar la Infraestructura de Big Data: Familiarizar a los participantes con la historia, evolución y herramientas de Big Data, incluyendo Data Analytics y Data Science.
6. Experimentar con Técnicas Avanzadas de Analítica: Explorar analítica avanzada, predictiva y prescriptiva, incluyendo técnicas de Data Mining y Machine Learning.
7. Apreciar el Valor de los Datos y su Gobernanza: Destacar la importancia del valor de los datos, su tratamiento, calidad y las normativas que los rigen, como GDPR.

1. Formación Integral y Actualizada: El curso cubre todos los aspectos esenciales de Business Analytics y Big Data, ofreciendo una formación completa y actualizada.
2. Enfoque Práctico y Aplicable: Los participantes obtendrán habilidades prácticas que pueden ser aplicadas inmediatamente en su entorno laboral, mejorando la toma de decisiones basada en datos.
3. Desarrollo de Competencias Clave: Mejora las competencias en análisis de datos, visualización y uso de herramientas analíticas avanzadas, esenciales para el mercado laboral actual.
4. Optimización de Recursos Empresariales: Ayuda a las empresas a optimizar sus procesos de toma de decisiones y a maximizar el valor de los datos.
5. Adaptabilidad a Cambios Tecnológicos: Prepara a los participantes para adaptarse rápidamente a las nuevas tecnologías y tendencias en Business Analytics y Big Data.
6. Conocimiento de Normativas y Gobernanza de Datos: Asegura que los participantes comprendan y cumplan con las normativas de protección de datos, como GDPR, mejorando la gestión y calidad de los datos.
7. Oportunidades de Networking: Facilita la conexión con otros profesionales del sector, creando oportunidades para colaboraciones y crecimiento profesional.

Duración: 15 horas.

Precio: 60 euros para usuarios registrados en Talentoteca.
Precio para usuarios no registrados 120 euros. 

Formato: HTML. MULTISCORM

UNIDAD 1: Aproximación y Conceptos Básicos

1.1. Necesidad de entender los datos.

1.2. Business Intelligence

• 1.2.1. Sistemas de soporte a la decisión

1.3. Business Analytics

1.4. Business Analytics vs Business Intelligence

UNIDAD 2: Representación de los Datos

2.1. Representación de los datos.

2.2. Dashboards como herramienta de visualización

2.3. Cuadro de Mando Integral (CMI)

• 2.3.1. Perspectivas del CMI
• 2.3.2. Visión Global del CMI
• 2.3.3. Mapa estratégico
• 2.3.4. Planes de acción en base al CMI
• 2.3.5. Marcadores idóneos o Indicadores Clave de Desempeño (KPIs)

UNIDAD 3: Modelos y Aprendizajes Estadísticos

3.1. Lógica inductiva

• 3.1.1. Programación lógica inductiva: definición y ejemplos
• 3.1.2. Búsqueda de hipótesis
• 3.1.3. Inducción predictiva y descriptiva 3.2. Teoría de complejidad computacional
• 3.2.1. Definición de complejidad computacional: uso en el diseño de algoritmos
• 3.2.2. Modelos de computación
• 3.2.3. Clases de complejidad 3.3. Procesos estocásticos
• 3.3.1. Matrices estocásticas
• 3.3.2. Cadenas de Markov
• 3.3.3. Procesos gaussianos 3.4. Análisis multivariante. Métodos de Aprendizaje Estadístico. 3.5. Evaluación de modelos

UNIDAD 4: Infraestructura de Big Data

4.1. Historia del Big Data 4.2. Big Data

• 4.2.1. El data 2.0
• 4.2.2. Sectores pioneros en Big Data 4.3. Big Data Analytics 4.4. Data Analytics, Big Data y Data Science

UNIDAD 5: Experimentación y Tipos de Análisis

5.1. Analítica avanzada 5.2. Analítica predictiva

• 5.2.1. Data Mining
• 5.2.2. Machine Learning
• 5.2.3. Técnicas de Data Mining y Machine Learning
• 5.2.4. Otras técnicas de analítica avanzada 5.3. Analítica prescriptiva.

UNIDAD 6: Los Datos

6.1. El valor del dato.

6.2. Tipología de los datos

6.3. Tratamiento del dato

6.4. Data Governance

6.5. Data Quality

6.6. Normativas del Dato. GDPR