Presentación

En el Curso de Big Data Analytics para Gestionar tu Negocio conseguirás una visión clara y amplia de los procesos y las herramientas que permiten a una empresa convertirse en una empresa “data-driven”, orientada a tomar decisiones críticas en base a los datos.

Aprenderás a programar tanto en R como en Python (50%-50%) y resolverás a través de su uso diversos casos de negocio relacionados a empresas como Twitter, Amazon, Yelp, TripAdvisor, etc.

Conocerás cómo tu empresa puede acceder a fuentes de datos con más dimensionalidad (geolocalización, sentimiento, cercanía, intermediación, etc.) y aprenderás diferentes métodos para analizar estos datos, como por ejemplo el aprendizaje supervisado o no supervisado (Machine Learning), la clusterización o el método de componentes principales.

Además de todo el conocimiento de cómo las organizaciones más punteras del mundo están aplicando la ciencia de datos, los alumnos trabajarán en ideas o proyectos de sus propias organizaciones. Así, no solo adquirirán un conocimiento para ellos mismos sino que obtendrán un primer borrador de proyecto real para implementar en sus empresas.

 

 

 

 

 

 

 

¿Para qué te preparan?

Al finalizar el curso, serás capaz de dar respuesta a las siguientes preguntas

  • ¿Cómo nos puede ayudar el Procesamiento de Lenguaje Natural a analizar las opiniones de miles de clientes?
  • ¿Cómo podemos entrar un algoritmo para predecir el éxito de una campaña de marketing?
  • ¿Cómo podemos recomendar el mejor producto o servicio a cada cliente de forma automatizada?
  • ¿Cómo aplican Amazon, Airbnb o Spotify todas las posibilidades que ofrece la ciencia de datos y qué ventajas les confiere sobre sus competidores?
  • ¿Cómo puedo aplicar las técnicas parecidas a las de Netflix o Facebook a mi empresa?

Te servirá para:

  • Conocer y/o mejorar al conocimiento de tus clientes.
  • Posicionar mejor tus productos o servicios.
  • Mejorar la forma de trabajar de tus equipos.
  • Prever mejor tus riesgos operativos.
  • Cambiar tus modelos de negocio, de venta o de producción usando más información.

 

 

 

¿A quién va dirigido?

El curso es apto para mandos intermedios y superiores de organizaciones de diferentes sectores: desde empresas relacionadas con la tecnología, la energía o el marketing hasta ONG y administraciones públicas.

 

Programa

1. Fundamentos

  • La evolución en la toma de decisiones
  • Organización de una empresa y datos
  • Qué es Big Data / IA / Machine learning / Data science?
  • Caso Escucha redes sociales (Twitter)

2. Introducción a las herramientas

  • Instalación de las herramientas del curso
  • Python, R, BigML, QGIS
  • Realización de ejercicios prácticos de programación

3. Big Data, Inteligencia Artificial y Machine Learning

  • Definición de los diferentes conceptos relacionados a la ciencia de los datos (Data Science)
  • Teoría y práctica de diferentes métodos como Machine Learning (supervisado y no supervisado), Clusterización, análisis de componentes principales (PCA)
  • Casos reales de escucha y de uso de datos abiertos
  • Ejercicio: elaboración de nubes de palabras (Word Cloud). Análisis de las centralidades de los datos. Clusterización.

4. Data-driven management

  • Recolección de Datos
  • Big Data versus Bad Data
  • Calidad de los Datos
  • Toma de decisiones basadas en datos
  • New York City unpaid bills
  • Airbnb in Barcelona

5. Desafíos legales del Big Data

  • ¿Qué regulación nos protege como usuarios?
  • El Reglamento General de Protección de Datos
  • Internet: derecho de información y transparencia
  • Análisis de la “ley de cookies”
  • ¿Quién es el propietario del contenido de las bases de datos?

6. Estrategia y Datos

  • “Data-driven”, nueva Estrategia Corporativa
  • ¿Quién es un competidor analítico?
  • Modelos de negocio
  • Metodología de minería de datos
  • Aplicación sobre un caso real

7. Big (brother) Data

  • Data brokerage y consumidores
  • Las mentiras que la gente cuenta
  • ¿Qué sabe Facebook sobre nosotros?
  • Natural Language Processing
  • Yelp
  • Tripadvisor

8. Inteligencia Artificial aplicada

  • Decision Trees
  • Nearest Neighbors
  • Neural Networks
  • Visual Recognition
  • Sound Recognition
  • Natural Language Processing
  • Yelp
  • Tripadvisor
  • Data Scraping
  • Amazon

9. Artificial Intelligence Model Canvas

  • Comentarios sobre casos reales de negocio
  • Estudio de caso – Amazon
  • Aplicación a un caso real: tu negocio
  • Buenas prácticas para implementar AI en tu negocio

10. Big Data para Marketing

  • Caso concreto: analítica de web (Social selling)
  • Caso concreto: analítica para innovar (Social innovation)
  • Measuring Facebook Advertising ROI
  • The use of political ads on facebook in the run-up to the European Parliament elections 2019 in Àustria

11. Organización Data-Driven

  • Estudio de caso - Recruit Japan
  • Gestión del cambio de modelo de negocio
  • Gestión del cambio organizativo y cultural
  • Gestión del cambio estratégico

12. Big Data para Smart City

  • Proyecto IOT
  • Proyecto Digital Twin
  • 5G
  • El futuro de las ciudades
  • Datos y ciudades
  • Datos abiertos
  • Colaboración público-privada
  • Oportunidades de negocio en ciudades

13. Big Datos geolocalizados

  • QGIS
  • Operaciones geoespaciales
  • Algoritmos geoespaciales
  • Visualización de datos geoespaciales
  • Análisis de Airbnb

14. Presentación projectes grupals

  • Conclusión
  • Testimonio de un Data Scientist como Special “Guest”

 

 

Admisión

Uno de los factores clave para el desarrollo del Programa de Másters en La Salle son las personas que se incorporan al programa: personas seleccionadas respondiendo a criterios de currículum, según las dimensiones académicas, funcionales, sectoriales y geográficas, que propiciarán el enriquecimiento del colectivo.

El proceso de admisión en La Salle tiene como objetivo seleccionar a los candidatos más adecuados para cada programa y que aseguren el nivel y calidad de la convivencia y comunicación entre los participantes, lo que constituye un rasgo distintivo del estilo de La Salle.

El proceso de admisión para el curso académico ya está abierto y se recomienda a los candidatos que inicien su proceso lo antes posible dado que el período de admisiones se mantiene abierto hasta completar el límite de plazas establecido para cada programa académico.

Coste y Financiación: Solicita información y te enviaremos un completo dossier con información sobre los recursos, entidades bancarias y entidades colaboradoras.

Becas y Ayudas: Solicita Información y recibirás los Programas de Becas y Ayudas.

Si quieres más información del programa, plan de ayudas, financiación y proceso de admisión haz clic en el botón de "Solicita información".

Cursos relacionados

¿Para qué te prepara?

Al finalizar el curso, serás capaz de dar respuesta a las siguientes preguntas

  • ¿Cómo nos puede ayudar el Procesamiento de Lenguaje Natural a analizar las opiniones de miles de clientes?
  • ¿Cómo podemos entrar un algoritmo para predecir el éxito de una campaña de marketing?
  • ¿Cómo podemos recomendar el mejor producto o servicio a cada cliente de forma automatizada?
  • ¿Cómo aplican Amazon, Airbnb o Spotify todas las posibilidades que ofrece la ciencia de datos y qué ventajas les confiere sobre sus competidores?
  • ¿Cómo puedo aplicar las técnicas parecidas a las de Netflix o Facebook a mi empresa?

Te servirá para:

  • Conocer y/o mejorar al conocimiento de tus clientes.
  • Posicionar mejor tus productos o servicios.
  • Mejorar la forma de trabajar de tus equipos.
  • Prever mejor tus riesgos operativos.
  • Cambiar tus modelos de negocio, de venta o de producción usando más información.

 

 

 

Programa

1. Fundamentos

  • La evolución en la toma de decisiones
  • Organización de una empresa y datos
  • Qué es Big Data / IA / Machine learning / Data science?
  • Caso Escucha redes sociales (Twitter)

2. Introducción a las herramientas

  • Instalación de las herramientas del curso
  • Python, R, BigML, QGIS
  • Realización de ejercicios prácticos de programación

3. Big Data, Inteligencia Artificial y Machine Learning

  • Definición de los diferentes conceptos relacionados a la ciencia de los datos (Data Science)
  • Teoría y práctica de diferentes métodos como Machine Learning (supervisado y no supervisado), Clusterización, análisis de componentes principales (PCA)
  • Casos reales de escucha y de uso de datos abiertos
  • Ejercicio: elaboración de nubes de palabras (Word Cloud). Análisis de las centralidades de los datos. Clusterización.

4. Data-driven management

  • Recolección de Datos
  • Big Data versus Bad Data
  • Calidad de los Datos
  • Toma de decisiones basadas en datos
  • New York City unpaid bills
  • Airbnb in Barcelona

5. Desafíos legales del Big Data

  • ¿Qué regulación nos protege como usuarios?
  • El Reglamento General de Protección de Datos
  • Internet: derecho de información y transparencia
  • Análisis de la “ley de cookies”
  • ¿Quién es el propietario del contenido de las bases de datos?

6. Estrategia y Datos

  • “Data-driven”, nueva Estrategia Corporativa
  • ¿Quién es un competidor analítico?
  • Modelos de negocio
  • Metodología de minería de datos
  • Aplicación sobre un caso real

7. Big (brother) Data

  • Data brokerage y consumidores
  • Las mentiras que la gente cuenta
  • ¿Qué sabe Facebook sobre nosotros?
  • Natural Language Processing
  • Yelp
  • Tripadvisor

8. Inteligencia Artificial aplicada

  • Decision Trees
  • Nearest Neighbors
  • Neural Networks
  • Visual Recognition
  • Sound Recognition
  • Natural Language Processing
  • Yelp
  • Tripadvisor
  • Data Scraping
  • Amazon

9. Artificial Intelligence Model Canvas

  • Comentarios sobre casos reales de negocio
  • Estudio de caso – Amazon
  • Aplicación a un caso real: tu negocio
  • Buenas prácticas para implementar AI en tu negocio

10. Big Data para Marketing

  • Caso concreto: analítica de web (Social selling)
  • Caso concreto: analítica para innovar (Social innovation)
  • Measuring Facebook Advertising ROI
  • The use of political ads on facebook in the run-up to the European Parliament elections 2019 in Àustria

11. Organización Data-Driven

  • Estudio de caso - Recruit Japan
  • Gestión del cambio de modelo de negocio
  • Gestión del cambio organizativo y cultural
  • Gestión del cambio estratégico

12. Big Data para Smart City

  • Proyecto IOT
  • Proyecto Digital Twin
  • 5G
  • El futuro de las ciudades
  • Datos y ciudades
  • Datos abiertos
  • Colaboración público-privada
  • Oportunidades de negocio en ciudades

13. Big Datos geolocalizados

  • QGIS
  • Operaciones geoespaciales
  • Algoritmos geoespaciales
  • Visualización de datos geoespaciales
  • Análisis de Airbnb

14. Presentación projectes grupals

  • Conclusión
  • Testimonio de un Data Scientist como Special “Guest”

 

 

Cursos relacionados