Aprovecha tu beca de hasta 25% Becas hasta 25%

Titulación Universitaria + 60 Créditos ECTS

Máster en Business Analytics - Big Data y Analytics + 60 Créditos ECTS

Máster en Business Analytics - Big Data y Analytics + 60 Créditos ECTS

¿Quieres convertir los datos en decisiones estratégicas y mejorar la experiencia de usuario? Fórmate en Business Analytics, Big Data y Analytics para gestionar grandes volúmenes y extraer información clave con herramientas actuales.

  • 100% Online
  • 1500
  • Conv. abierta
  • Becas
  • Titulación Universitaria
  • Modalidad 100% online, a tu ritmo
  • 60 Créditos ECTS
  • Sin permanencia · Te contestamos en menos de 24 h
Máster en Business Analytics - Big Data y Analytics + 60 Créditos ECTS

Un máster con datos verificables del programa

  • 60 Créditos ECTS
  • Facultad de Análisis de Datos
  • Prácticas en centros reales
  • Título propio INESEM

¿Qué conseguirás al terminar este máster?

Gestión de datos

Aprende a gestionar grandes volúmenes de información con bases de datos relacionales y no relacionales.

Analítica y visualización

Domina herramientas de analítica y dashboards para visualizar datos y obtener conclusiones relevantes y acertadas.

Machine learning

Realiza analíticas predictivas con Data Mining y Machine Learning para tomar decisiones con mayor acierto.

Python y R

Desarrolla algoritmos de análisis de datos con Python y R, aplicándolos a proyectos de negocio.

Temario del programa

7 módulos que cubren desde la gestión de datos con bases de datos relacionales y no relacionales hasta analítica web con Google Analytics. Haz clic en cada módulo para ver el contenido completo.

01

Módulo 1. Big Data Introduction

Unidad Didáctica 1. Introducción Al Big Data

  • ¿Qué es Big Data?
  • La era de las grandes cantidades de información. Historia del big data
  • La importancia de almacenar y extraer información
  • Big Data enfocado a los negocios
  • Open Data
  • Información pública
  • IoT (Internet of Things-Internet de las cosas)

Unidad Didáctica 2. Fuentes de Datos

  • Definición y relevancia de la selección de las fuentes de datos
  • Naturaleza de las fuentes de datos Big Data

Unidad Didáctica 3. Open Data

  • Definición, Beneficios y Características
  • Ejemplo de uso de Open Data

Unidad Didáctica 4. Fases de un Proyecto de Big Data

  • Diagnóstico inicial
  • Diseño del proyecto
  • Proceso de implementación
  • Monitorización y control del proyecto
  • Responsable y recursos disponibles
  • Calendarización
  • Alcance y valoración económica del proyecto

Unidad Didáctica 5. Business Intelligence y la Sociedad de la Información

  • Definiendo el concepto de Business Intelligence y sociedad de la información
  • Arquitectura de una solución de Business Intelligence
  • Business Intelligence en los departamentos de la empresa
  • Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  • Sistemas operacionales y Procesos ETL en un sistema de BI
  • Ventajas y Factores de Riesgos del Business Intelligence

Unidad Didáctica 6. Principales Productos de Business Intelligence

  • Cuadros de Mando Integrales (CMI)
  • Sistemas de Soporte a la Decisión (DSS)
  • Sistemas de Información Ejecutiva (EIS)

Unidad Didáctica 7. Big Data y Marketing

  • Apoyo del Big Data en el proceso de toma de decisiones
  • Toma de decisiones operativas
  • Marketing estratégico y Big Data
  • Nuevas tendencias en management

Unidad Didáctica 8. del Big Data Al Linked Open Data

  • Concepto de web semántica
  • Linked Data Vs Big Data
  • Lenguaje de consulta SPARQL

Unidad Didáctica 9. Internet de las Cosas

  • Contexto Internet de las Cosas (IoT)
  • ¿Qué es IoT?
  • Elementos que componen el ecosistema IoT
  • Arquitectura IoT
  • Dispositivos y elementos empleados
  • Ejemplos de uso
  • Retos y líneas de trabajo futuras
02

Módulo 2. Business Data Analyst

Unidad Didáctica 1. Datamart. Concepto de Base de Datos Departamental

  • Aproximación al concepto de DataMart
  • Bases de datos OLTP
  • Bases de Datos OLAP
  • MOLAP, ROLAP & HOLAP
  • Herramientas para el desarrollo de cubos OLAP

Unidad Didáctica 2. Datawarehouse o Almacén de Datos Corporativos

  • Visión General. ¿Por qué DataWarehouse?
  • Estructura y Construcción
  • Fases de implantación
  • Características
  • Data Warehouse en la nube

Unidad Didáctica 3. Inteligencia de Negocio y Herramientas de Analítica

  • Tipos de herramientas para BI
  • Productos comerciales para BI
  • Productos Open Source para BI
  • Beneficios de las herramientas de BI

Unidad Didáctica 4. Herramienta Powerbi

  • Business Intelligence en Excel
  • Herramienta PowerBI

Unidad Didáctica 5. Herramienta Tableau

  • Herramienta Tableau

Unidad Didáctica 6. Herramienta Qlikview

  • Instalación y arquitectura
  • Carga de datos
  • Informes
  • Transformación y modelo de datos
  • Análisis de datos
03

Módulo 3. Predictive Data Analytics: Data Mining y Machine Learning

Unidad Didáctica 1. Minería de Datos o Data Mining y el Aprendizaje Automático

  • Introducción a la minería de datos y el aprendizaje automático
  • Proceso KDD
  • Modelos y Técnicas de Data Mining
  • Áreas de aplicación
  • Minería de textos y Web Mining
  • Data mining y marketing

Unidad Didáctica 2. Ecosistema Hadoop

  • ¿Qué es Hadoop? Relación con Big Data
  • Instalación y configuración de insfraestructura y ecosistema Hadoop
  • Sistema de archivos HDFS
  • MapReduce con Hadoop
  • Apache Hive
  • Apache Hue
  • Apache Spark

Unidad Didáctica 3. Weka y Data Mining

  • ¿Qué es Weka?
  • Técnicas de Data Mining en Weka
  • Interfaces de Weka
  • Selección de atributos

Unidad Didáctica 4. Introducción Al Machine Learning

  • Introducción
  • Clasificación de algoritmos de aprendizaje automático
  • Ejemplos de aprendizaje automático
  • Diferencias entre el aprendizaje automático y el aprendizaje profundo
  • Tipos de algoritmos de aprendizaje automático
  • El futuro del aprendizaje automático

Unidad Didáctica 5. Extracción de Estructura de los Datos: Clustering

  • Introducción
  • Algoritmos

Unidad Didáctica 6. Sistemas de Recomendación

  • Introducción
  • Filtrado colaborativo
  • Clusterización
  • Sistemas de recomendación híbridos

Unidad Didáctica 7. Clasificación

  • Clasificadores
  • Algoritmos

Unidad Didáctica 8. Redes Neuronales y Deep Learning

  • Componentes
  • Aprendizaje

Unidad Didáctica 9. Sistemas de Elección

  • Introducción
  • El proceso de paso de DSS a IDSS
  • Casos de aplicación
04

Módulo 4. Data Science y Bases de Datos

Unidad Didáctica 1. Introducción a la Ciencia de Datos

  • ¿Qué es la ciencia de datos?
  • Herramientas necesarias para el científico de datos
  • Data Science & Cloud Compunting
  • Aspectos legales en Protección de Datos

Unidad Didáctica 2. Bases de Datos Relacionales

  • Introducción
  • El modelo relacional
  • Lenguaje de consulta SQL
  • MySQL. Una base de datos relacional

Unidad Didáctica 3. Bases de Datos Nosql y el Almacenamiento Escalable

  • ¿Qué es una base de datos NoSQL?
  • Bases de datos Relaciones Vs Bases de datos NoSQL
  • Tipo de Bases de datos NoSQL. Teorema de CAP
  • Sistemas de Bases de datos NoSQL

Unidad Didáctica 4. Introducción a un Sistema de Bases de Datos Nosql. Mongodb

  • ¿Qué es MongoDB?
  • Funcionamiento y uso de MongoDB
  • Primeros pasos con MongoDB. Instalación y shell de comandos
  • Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
  • Actualización de datos en MongoDB. Sentencias set y update
  • Trabajando con índices en MongoDB para optimización de datos
  • Consulta de datos en MongoDB

Unidad Didáctica 5. Pentaho una Solución Open Source para Business Intelligence

  • Una aproximación a Pentaho
  • Soluciones que ofrece Pentaho
  • MongoDB & Pentaho
  • Hadoop & Pentaho
  • Weka & Pentaho
05

Módulo 5. Data Analytics con Python y R

Unidad Didáctica 1. Python y el Análisis de Datos

  • Introducción a Python
  • ¿Qué necesitas?
  • Librerías para el análisis de datos en Python
  • MongoDB, Hadoop y Python. Dream Team del Big Data

Unidad Didáctica 2. R Como Herramienta para Big Data

  • Introducción a R
  • ¿Qué necesitas?
  • Tipos de datos
  • Estadística Descriptiva y Predictiva con R
  • Integración de R en Hadoop

Unidad Didáctica 3. Pre-procesamiento & Procesamiento de Datos

  • Obtención y limpieza de los datos (ETL)
  • Inferencia estadística
  • Modelos de regresión
  • Pruebas de hipótesis

Unidad Didáctica 4. Análisis de los Datos

  • Inteligencia Analítica de negocios
  • La teoría de grafos y el análisis de redes sociales
  • Presentación de resultados
06

Módulo 6. Introducción a la Analítica Web, Kpis y Cuadros de Mando

Unidad Didáctica 1. ¿qué Es la Analítica Web?

  • Introducción
  • La Analítica Web. Un reto cultural
  • ¿Qué puede hacer la analítica web por ti o tu empresa?
  • Glosario de Analítica Web

Unidad Didáctica 2. Analítica Web Básica. Introducción

  • La analítica web en la actualidad
  • Definiendo la analítica web
  • El salto a la analítica web moderna

Unidad Didáctica 3. Analizar la Información Cuantitativa

  • Identificar los factores críticos
  • Otros factores que convienen medir
  • Las macro y microconversiones
  • Medir el valor económico
  • Sitios sin comercio. Valores a medir
  • Medición de sitios B2B

Unidad Didáctica 4. Analizar la Información Cualitativa

  • Introducción
  • La usabilidad Web
  • Pruebas Online y a Distancia
  • Las encuestas

Unidad Didáctica 5. Definición de Kpis

  • Definición de KPIs
  • KPI, CSF y metas
  • Principales KPIS
  • Ejemplos de KPIS
  • Supuesto práctico. Cálculo de KPI con Excel

Unidad Didáctica 6. Ci. Inteligencia Competitiva

  • Introducción
  • Recopilar datos de Inteligencia Competitiva
  • Análisis del tráfico de sitios web
  • Búsquedas

Unidad Didáctica 7. Concepto y Creación de Cuadros de Mando

  • Introducción a los cuadros de mando y dashboard
  • Estrategias para la creación de un cuadro de mando
  • Dashboard en Excel o Google Analytics

Unidad Didáctica 8. Herramientas para la Creación de Cuadros de Mando

  • Aplicaciones gratuitas
  • Aplicaciones propietarias
07

Módulo 7. Analítica Web con Google Analytics, Google Tag Manager y Looker Studio

Unidad Didáctica 1. Analítica Web con Google Analytics

  • Introducción a la analítica web
  • Funcionamiento Google Analytics
  • Introducción e instalación de Google Analytics
  • Interfaz
  • Métricas y dimensiones
  • Informes básicos
  • Informes personalizados
  • Comportamiento de los usuarios e interpretación de datos

Unidad Didáctica 2. Google Analytics 4

  • ¿Qué es Google Analytics 4?
  • Diferencias con respecto a Universal Analytics
  • Implementación de Google Analytics 4
  • Las herramientas de análisis de Google Analytics 4
  • Los espacios de identidad
  • Ventajas de Google Analytics 4
  • Desventajas de Google Analytics 4

Unidad Didáctica 3. Recogida de Datos

  • Planes de medición
  • Configuración de las vistas mediante filtros
  • Métricas y dimensiones personalizadas
  • Seguimiento de eventos

Unidad Didáctica 4. Navegación e Interfaz

  • Informes de visión general
  • informes completos
  • Compartir informes
  • Configuración paneles de control y accesos directos

Unidad Didáctica 5. Informes

  • Informes de Audiencia
  • Informes de Adquisición
  • Informes de Comportamiento

Unidad Didáctica 6. Campañas y Conversiones

  • Campañas personalizadas
  • Realizar un seguimiento de las campañas con el Creador de URLs
  • Configuración y medición de objetivos
  • Cómo medir campañas de Google Ads

Unidad Didáctica 7. Google Analytics 360

  • Analítica avanzada
  • Informes sin muestrear
  • Google BigQuery Export
  • Integraciones

Unidad Didáctica 8. Google Tag Manager

  • Concepto y características
  • Gestión de etiquetas
  • Activadores y gestión de variables
  • Implementación y eventos
  • Tracking

Unidad Didáctica 9. Looker Studio (google Data Studio)

  • Visualización de datos
  • Tipologías de gráficos
  • Fuentes de datos
  • Integración con Analytics
  • Creación de informes

Claustro docente

Facultad de Informática y Tics — profesionales con experiencia en Business Analytics - Big Data y Analytics + 60 Créditos ECTS.

Anabel Fernández

Anabel Fernández

Facultad de Informática y Tics

Gestión y Tecnologías de Proceso de Negocio

¿En qué podrás trabajar?

Con este máster podrás optar a puestos como:

  • Analista de datos
  • Big Data Scientist
  • Business Analyst
  • Experto en análisis web
  • Especialista en analítica
  • Data Analyst para marketing

Metodología

Nuestra metodología educativa

Estudiantes trabajando juntos con sus portátiles
Aprende cuando quieras

Avanza al ritmo que te convenga, desde donde estés
y con seguimiento cercano.

Contenidos de calidad

Ofrecemos una formación completa y actualizada de la mano de un claustro profesional en activo que confecciona los diferentes programas formativos de su área/especialidad.

Materiales y Recursos Didácticos

Tendrás a tu disposición un banco de materiales y recursos didácticos sobre legislación. Así como una Tribuna de noticias y actualidad. Además, podrás asistir a Seminarios online de la mano de nuestro claustro, en el que se tratan temas actuales y de interés.

Claustro Profesional

Los docentes de INESEM son profesionales en activo ofreciendo una docencia de calidad y en constante actualización. Preparan el contenido de aquellos programas formativos cuyas áreas son en las que trabajan.

Tutorización individual

No estarás solo durante tu formación, tendrás al claustro a tu disposición y un tutor asignado con el que podrás mantener el contacto y poder consultar todas las dudas que te vayan surgiendo.

Testimonios

La experiencia de quienes ya estudiaron con nosotros

«Buscaba un Máster oficial sin desplazarme. Estuve atendida en todo momento, todo muy profesional.»

Patricia Ortiz Ruiz

Promoción 2025

Nuestras cifras

+150Kalumnos
99%empleabilidad
+2000acuerdos con empresas
98%satisfacción

Becas INESEM · Descuentos de hasta el 25%

¿Damos el paso para especializarte en Business Analytics - Big Data y Analytics + 60 Créditos ECTS?

Nuestro equipo de asesores responde tus preguntas y te explica las ayudas disponibles, sin compromiso.