Curso de Especialización en Tecnologías de Business Intelligence Datawarehouse y Datamining

1. Datawarehouse, datamart y tecnología OLAP (2 créd.)

1.1. Nivel 2

1.2. Los almacenes de datos. Datawarehouses (DW)

1.2.1. Datawarehousing y datawarehouse

1.2.2. Arquitectura DW

1.2.3. Datawarehouse y datamart

1.2.4. Explotación del DW

1.3. Modelado dimensional. Diseño en estrella

1.3.1. Conceptos básicos del modelado dimensional

1.3.2. Esquemas de representación

1.3.3. Conceptos avanzados de diseño en estrella

1.3.4. SQL y Business Intelligence: SQL3

2. Minería de datos I (2 créd. )

2.1. Introducción

2.1.1. Objetivos de la minería de datos

2.2. Selección de objetivos/proyectos para minería de datos

2.2.1. Predicción, clasificación, clustering

2.2.2. Modelos CRM (propensión/scoring, retención, venta cruzada)

2.3. Fuentes de datos e información

2.3.1. Datos textuales, minería de datos en la web

2.3.2. Posibles formatos

2.4. Operaciones de preparación de datos

2.4.1. Selección de variables

2.4.2. Muestreo, selección de registros

2.4.3. Calidad de datos, evaluación, errores, filtros

2.5. Reducción de la dimensionalidad

2.5.1. Análisis de correlación, covarianzas

2.5.2. Análisis factorial

2.5.3. Creación de factores, agregación de variables

2.6. Técnicas de análisis

2.6.1. Visualización

2.6.2. Técnicas estadísticas (correlación, análisis factorial)

2.6.3. Análisis de secuencias

2.6.4. Análisis de series temporales

2.7. Creación de modelos de datos

2.7.1. Inducción de reglas (C5)

2.7.2. Redes neuronales

2.7.3. Técnicas estadísticas (regresión)

2.7.4. Clustering (Kohonen, k-Means, RBF) y segmentación

2.7.5. Lógica difusa y sistemas difusos

2.8. Evaluación e uso de modelos

2.8.1. Modelos de clustering

2.8.2. Modelos supervisados

3. Minería de datos II _Soluciones tecnológicas y aplicaciones horizontales (2 créd.)

3.1. Implementación de modelos de minería de datos en entornos de negocio

3.1.1. Revisión del entorno informacional y el papel de sus distintos componentes

3.1.2. Ubicación de la minería de datos en la infraestructura informacional

3.1.3. Flujos de información y metadatos desde el entorno informacional al operacional

3.2. Escenarios para la puesta en producción de modelos de minería de datos

3.2.1. Usos de un modelo de minería de datos: revisión histórica

3.2.2. Mecanismos de invocación de un modelo: procesos de automatización y planificación

3.2.3. Modelización automatizada y en tiempo real: viabilidad y posibles planteamientos

3.2.4. Scoring en tiempo real: aplicaciones y beneficios

3.3. Implicaciones tecnológicas: soluciones y estándares del mercado

3.5. Algunas aplicaciones horizontales

3.5.1. Fases genéricas de un proyecto de minería de datos

3.5.2. Integración de esquemas de segmentación a diferentes niveles

3.5.3. Modelos de abandono de clientes

3.5.4. Optimización de campañas

3.5.5. Análisis de asociaciones de compra

3.5.6. Estimación del potencial del cliente

Dirección Académica

Atanasi Daradoumis Haralabus

Profesor de los Estudios de Informática de la UOC.

Profesorado

David Amorós Alcaraz

Licenciado en Informática por la UPC. Director de proyectos empresa MicroArt. Consultor especializado en implantación de sistemas BI

Víctor López Fandiño

Doctor en Ingeniería Industrial por la Universitat Ramon Llull

Especialista de soluciones de inteligencia de negocio y minería de datos

IBM Software Group

Administración de Programa

Daniel Roman Ramentol

Ingeniero en Telecomunicaciones por la UPC. MBA IESE. Director ejecutivo de Programas de la UOC.