Diplomado en Inteligencia de Negocios y Minería de Datos
Business Intelligence & Data Mining

Dirigido a profesionales e interesados en obtener conocimientos, métodos y herramientas de inteligencia de negocios y minería de datos, que le permitan acelerar su carrera, transformándose en un profesional internacional con capacidad para apoyar e impulsar la innovación en cualquier tipo de organización.

Este programa está concebido para pequeñas y medianas empresas que puedan encontrar en BI, soluciones propias para sus negocios a partir de la incorporación de técnicas y funcionalidades de inteligencia empresarial, apoyadas en su mayoría, en soluciones de tipo freeware o de servicios de software y de nube más conveniente y de bajo costo, que permiten a este tipo de empresas y organizaciones, una mayor autonomía.

Objetivo:

Proporcionar al participante conocimientos, metodologías, habilidades técnicas y herramientas para la gestión efectiva de datos para la toma de decisiones y como fundamento en el desarrollo de su carrera en inteligencia de negocios.

Contenido:

Fundamentos de desarrollo y gestión de bases de datos ( Database Management System):

  • Base de datos. Fundamentos conceptuales. Consultas, modelado y normalización de datos. Lenguaje de base de datos integrado dentro de un lenguaje de programación host.
  • Introducción a SQL (Structured Query Language). Creación de tablas (relaciones de tipo 1-M, primary keys y foreign keys, sujeto a restricciones).
  • Integración de entidades y referencial. Sentencias SELECT avanzadas. Unión y manipulación y recuperación de datos. l Consultas comunes en inteligencia de negocios (GROUP BY, HAVING). Cálculos analíticos (rankings y distribuciones acumulativas).
  • Operador UNION en consultas de inteligencia empresarial. Modificación de entidades, inserción, actualización y eliminación de filas. Errores de sintaxis, semántica y de redundancia. Notación ERD (Entity Relationship Diagram). Identificación de dependencias. Relaciones M-N con atributos, relaciones M-way y relaciones jerárquicas.  Errores de consistencia en las relaciones de dependencia.
  • Notación Crow´s Foot. ER Assistant y Visual Paradigm. Diagramas de relaciones entre entidades.
  • Transformación de modelado de datos y verificación de coherencia. Resolución de errores de diagramación.
  • Reglas de conversión, dependencias funcionales, Boyce Codd (BCNF) forma normal.
  • Normalización y problemas de conversión y normalización.
  • Almacenaje de datos (Data warehouse), conceptos, diseño e integración de datos: diferencias entre bases de datos operacionales (Online Transactions Processing Databases) y los almacenes de información (Data Warehouses) basados en sistemas OLAP (Online-Analytical Processing). Arquitectura de datos (Top-Down y Bootom-Up).
  • Ciclo de maduración de los sistemas de información y efectos de aprendizaje.
  • Cubos OLAP para el procesamiento analítico de bases de datos relacionales multidimensionales

Almacenaje de datos - Data warehouse -, conceptos, diseño e integración de datos

  • Cubos OLAP (Slice, Dice, Drill-down, Roll-up, Pivot). Lenguajes y herramientas (Microsoft MDX, Servicios SQL y tablas dinámicas de Excel, Hyperion, IBM, SAP, JPIVOT, PIVOT4J, Pentaho). Bases de datos multidimensionales. SQL vs. MDX. Granularidad, cardinalidad y agregación en tablas de hechos
  • Modelado de bases de datos. Calidad de las fuentes utilizadas en la integración de bases de datos. Técnicas de limpieza de bases de datos relacionales. Record linkage
  • Arquitectura ETL y ELT. Diferencias
  • Entorno de desarrollo integrado (IDE) para la integración y transformación de bases de datos.
  • Bases de datos relacionales para almacenaje de datos:
    • Operadores de subtotales de SQL.
    • Modelo de procesamiento para funciones analíticas.
    • Elementos de sintaxis básicos para funciones analíticas de SQL. Funciones analíticas ampliadas para comparaciones de ventanas y clasificación cuantitativa.
  • Definición y procesamiento de vistas materializadas.
  • Práctica y principios de reescritura de consultas.
  • Herramientas de diseño y de integración de datos SQL.
  • Conceptos y procesos de gobernanza de datos.

Inteligencia de negocios (BI), conceptos, herramientas y aplicaciones:

  • Decisiones. Tipos de decisiones. Proceso. Estrategia y enfoques comunes
  • Arquitectura de BI y su relación con los sistemas DSS. Componentes básicos, estructura y tipos de informes comerciales.
  • Sistemas OLAP y sus aplicaciones. Diferencias entre sistemas OLAP y OLTP
  • Power BI para el análisis y visualización de datos. Representación de diferentes tipos de datos. Gráficos básicos y compuestos
  • Mejores prácticas para el diseño de visualizaciones de datos
  • Características comunes de un tablero. Tipos de tableros y atributos de lista de métricas. Pautas para el diseño de tableros y errores comunes de diseño
  • Herramientas de BI para la gestión del rendimiento empresarial. Business Process Management (Orange, KNime, XLMiner). Componentes principals del BPM. Fases del ciclo del BPM y su implementación
  • Sistemas de medición del desempeño y definición de indicadores clave (KPI)
  • Perspectivas del Balanced Scorecard (BSC). Diferencias con la metodología Six Sigma
  • Analítica visual de negocios en BI. Capacidades de visualización y búsqueda de información
  • Introducción a las métricas de entrenamiento para la creación de diferentes modelos predictivos
  • Modelos predictivos con software especializado (Orange, KNIME, otros).

Software

  • PostgreSQL (recomendado): Versión 12.3 para macOS X y Windows 86-64 y 11.8 para Linux 86-64 y Linux 86-32. Requiere estar registrado en Oracle para acceder a su servidor.
  • MySQL: Pertenece a Oracle. Versión libre con limitaciones. Versiones para Windows, macOS y Linux.
  • ER Assistant 2.10: únicamente para sistema operativo Windows.
  • Visual Paradigm Community Edition 16.3
  • Web Pivot Table Online: No requiere instalación.
  • Pentaho Data Integration: Soporta macOS X, Windows 86-64 y Linux 86-64.
  • Orange Software: paquete ligero, sencillo de instalar en Windows 64 bits.
  •  KNIME Software: paquete ligero, sencillo de instalar en Windows 64 bits.
  • SQL Server y herramientas de Microsoft Suite.
  • Power BI, Power Query, Power Pivot de Microsoft Suite.

Durante el desarrollo del diplomado, los participantes obtendrán un número importante de archivos contentivos de bases de datos, tanto para prácticas como para la resolución de planteamientos que forman parte de la evaluación, y que consisten en transformaciones que se realizan con los respectivos programas.

El participante debe contar con una VPN (red privada virtual). Se requiere una capacidad com**cional ideal de 8G. En caso de que su equipo tenga una capacidad menor, se recomienda utilizar un disco duro externo para la instalación de los programas. rkstation 11.3: macOS X y Windows 86-64.

Duración: 120 horas académicas

Modalidad: semipresencial

Horario: lunes (virtual via ZOOM) y jueves (presencial en la UNIMET) de 4:00 a 7:15 pm

Coordinador académico: Jorge Martínez, Ing. Informática. Maestría en administración: Gerencia de Empresas, UNIMET. Especialista en Comunicación y Redes de Comunicación y Datos, UCV.