Guía estudiantes Máster Inteligencia negocio octubre 2018

Guía general programa
Inteligencia de negocio y Big data
Octubre 18
http://business-intelligence.uoc.edu

Guía General Programa Inteligencia de negocio y Big data Octubre 18 pág 2
Índice
Introducción 3
Presentación del programa 3
Objetivos y competencias 3
Objetivos comunes del Máster 3
Objetivos específicos del itinerario de Ingeniería de datos 4
Objetivos específicos del itinerario de Big data 4
Objetivos específicos del itinerario de Análisis de datos 5
Perfiles 5
Competencias 6
A quién se dirige 6
Salidas Profesionales 7
Conocimientos previos 7
Estructura y contenidos (Plan de estudios) 8
Contenido detallado de cada especialidad y asignaturas Error! No s'ha definit el marcador.
Laboratorio 15
Asignatura transversal optativa: Aprovechar las TIC en posgrado 15
Dedicación 15
Metodología 16
Equipo académico 17
Recursos para el aprendizaje 22
Calendario curso 2018 /2020 (Octubre 18 - Julio 20) Error! No s'ha definit el marcador.
Evaluación 31
Titulación 33
Servicio de atención al estudiante Error! No s'ha definit el marcador.

1. Introducción
La presente guía contiene una explicación de la visión general del programa Business
Intelligence/Inteligencia de negocio y big data (Máster, posgrados y especializaciones), así
como de la metodología general que se seguirá durante su desarrollo. Para el
funcionamiento específico de cada asignatura, os remitimos a los planes docentes, que se
actualizan cada semestre. Del funcionamiento general de la metodología UOC disponéis de
la Guía del estudiante (http://www.uoc.edu/estudiant/portal/guia/es/index.html)
2. Presentación del programa
La inteligencia de negocio y el análisis de datos, bajo diferentes nombres (business
intelligence, business analytics, data science, big data), es actualmente la mayor área
de demanda de profesionales cualificados, la mayor fuente de inversión de las empresa,
la mayor causa de creación de negocios de productos y servicios en todo el mundo.
El máster de Inteligencia de negocio y Big data (MIB) y los programas especializados de
la UOC en este ámbito ofrecen desde hace más de diez años una formación práctica y
profesionalizadora basada en casos de negocio y en el uso de herramientas de
mercado, impartida por profesionales de BI del mundo de la empresa y profesores
especialistas en ciencias empresariales, matemáticas e ingeniería informática.
Este programa se ha diseñado y se ofrece conjuntamente por los Estudios de Economía y
Empresa y los Estudios de Informática, Multimedia y Telecomunicación de la UOC.
3. Objetivos y competencias
a. Objetivos comunes del Máster
De acuerdo con las tendencias actuales en formación universitaria y con la experiencia de la
UOC en programas virtuales, los objetivos del máster se dirigen a la adquisición de
competencias profesionales de carácter práctico, principalmente mediante el uso de
casos de negocio, métodos y herramientas de trabajo, dentro del rigor y el marco científico
de un programa universitario.
Algunos de estos objetivos son comunes a los tres programas y otros son específicos para
cada uno de los itinerarios (Ingeniería de datos, Big data y Análisis de datos).

Objetivos comunes
● Adquirir y estar en condiciones de implantar una mentalidad crítica y analítica dentro
de la empresa, mediante el conocimiento de los diferentes sistemas de información
de empresa, los métodos y técnicas de análisis de datos, la formulación de
preguntas e hipótesis y la obtención de conclusiones útiles para el negocio.
● Conocer el funcionamiento y el mercado de los sistemas de información de
inteligencia de negocio y big data y sus principales utilidades y componentes para
proporcionar información y conocimiento que permita mejorar la toma de decisiones.
● Conocer y estar en condiciones de desarrollar e implantar un proyecto de inteligencia
de negocio dentro de la empresa, las etapas del ciclo de gestión de proyectos y los
métodos específicos de producción de proyectos de BI.
● Conocer las nuevas tendencias en materia de inteligencia de negocio, en particular,
el fenómeno de los big data, que representa el tratamiento e interpretación de datos
de mayor volumen, variedad, complejidad y velocidad, procedentes de múltiples
fuentes. Entender y saber aplicar su uso efectivo y las implicaciones tecnológicas,
legales y éticas.
● Conocer y estar en condiciones de aplicar las técnicas y herramientas de análisis y
minería de datos, los métodos y algoritmos más habituales y sus usos aplicados en
diferentes empresas y organizaciones.
● Conocer y saber utilizar las nuevas tendencias en minería de datos, tales como
minería de textos, análisis de las redes sociales, minería de opinión y sentimientos,
así como el uso de los sistemas de información geográfica y el internet de las cosas.
● Saber utilizar a nivel de usuario avanzado una suite completa de inteligencia de
negocio, un sistema de interrogación y una herramienta de estadística avanzada
para el análisis de datos.
● Saber construir informes y cuadros de mando para la toma de decisiones de los
empleados y directivos y técnicas y herramientas de visualización de datos.
● Saber utilizar, programar y parametrizar a nivel de analista herramientas de
estadística avanzada y de creación de cuadros de mando.
b. Objetivos específicos del itinerario de Ingeniería de datos
● Conocer y saber organizar diferentes estructuras de datos y crear un almacén de
datos (data warehouse).
● Saber utilizar herramientas de análisis multidimensional (OLAP) y crear, en
colaboración con los analistas de datos y departamentos usuarios, cubos de análisis.
● Saber diseñar, parametrizar o construir sistemas complejos de inteligencia de
negocio y asegurar su mantenimiento, trabajando sobre herramientas específicas.
● Saber explotar y administrar sistemas complejos de almacén de datos.
c. Objetivos específicos del itinerario de Big data
● Conocer y saber organizar diferentes estructuras de datos y crear un almacén de
datos (data warehouse).
● Conocer y saber construir y utilizar sistemas de bases de datos no relacionales

(NoSQL).
● Conocer y saber utilizar las arquitecturas y herramientas de sistemas de gestión de
datos masivos (big data).
● Saber utilizar a nivel de analista herramientas de estadística avanzada, almacén de
datos (data warehouse), bases de datos relacionales, bases de datos NoSQL y
sistemas de gestión de big data.
d. Objetivos específicos del itinerario de Análisis de datos
● Saber utilizar técnicas de análisis multidimensional (OLAP) y construir, en
colaboración con el departamento de sistemas de información, cubos de análisis.
● Comprender y saber aplicar los métodos y herramientas de análisis de datos en las
principales funciones y procesos empresariales: gestión económico-financiera,
marketing y ventas y operaciones y logística.
● Saber construir informes y cuadros de mando para la toma de decisiones de los
empleados y directivos y técnicas y herramientas de visualización de datos.
e. Perfiles
El espacio de conocimiento y aplicación de la inteligencia de negocio y el análisis de datos
es, por definición, un ámbito híbrido en el que conviven perfiles de entrada y de salida muy
diferentes. También es muy diferente la organización de las competencias y
responsabilidades sobre inteligencia de negocio dentro de las empresas y organizaciones de
todo tipo.
Aunque el programa no requiere formalmente una formación o titulación específica de
origen, es importante disponer de conocimientos previos, que varían en función del
itinerario:
● Para el itinerario de análisis de datos se requieren conocimientos básicos de
programación, básicamente en lenguaje R. En caso de no disponer de estos
conocimientos, el estudiante recibirá material docente de nivelación, pero deberá
estar dispuesto a invertir un tiempo adicional para adquirir el nivel necesario.
● Para el itinerario de Ingeniería de datos y el itinerario de Big Data se requieren
conocimientos de programación y de diseño y uso de bases de datos relacionales.
Se recomienda pedir asesoramiento para diseñar el itinerario más adecuado, en función de
la formación de entrada y las aspiraciones profesionales de cada candidato.
Normalmente, el itinerario de análisis de datos se recomienda para estudiantes de
formación empresarial, ingenierías de todo tipo, matemáticas, sociología, ciencias de
la información o candidatos con una experiencia profesional equivalente.

El itinerario de ingeniería de datos y el itinerario de Big Data se recomienda para
técnicos e ingenieros informáticos o de telecomunicación, matemáticos o candidatos
con una experiencia profesional equivalente.
f. Competencias
El programa está preparado para el desarrollo de capacidades prácticas de uso y
construcción de sistemas de inteligencia de negocio y datos masivos, dentro de un marco
conceptual propio basado en las buenas prácticas y el conocimiento científico.
El diseño de esta titulación propia sigue las recomendaciones y metodología del Espacio
Europeo de Enseñanza Superior (EEES) y por lo tanto se basa en la adquisición de
competencias para el trabajo profesional en empresas privadas y organizaciones públicas.
4. A quién se dirige
Según hemos presentado en el apartado "Perfiles", el programa se dirige a perfiles de
entrada muy diversos, tanto por su formación de origen como por su experiencia profesional.
De acuerdo con nuestra experiencia a lo largo de los últimos diez años, los estudiantes del
máster y los programas de BI de la UOC proceden de los siguientes ámbitos:
● Departamentos de control de gestión en el área económico-financiera, de
marketing y ventas y otros.
● Centros de competencias de inteligencia de negocio o departamentos
especializados en análisis de datos y Data Science.
● Departamentos de organización y sistemas y tecnologías de la información.
● Consultores e implantadores de software estándar o a medida de inteligencia de
negocio, sean de perfil de negocio o de perfil tecnológico.
● Emprendedores que han iniciado o desean hacerlo un proyecto de negocio de
productos y servicios de business intelligence y big data.
Debido a la evolución del sector y las empresas, es frecuente que realicen nuestro programa
profesionales con diferentes niveles de experiencia que necesitan reorientar su carrera
profesional.
Finalmente, en los últimos años, el máster de Inteligencia de negocio y big data (MIB)
está cumpliendo un papel de programa de continuidad para estudiantes que han completado
un grado y desean emplearse rápidamente en un ámbito profesional atractivo y de gran
demanda.

5. Salidas Profesionales
El objetivo del máster de Inteligencia de negocio y big data (MIB) de la UOC ha sido
tradicionalmente la formación de profesionales todo-terreno con una formación en análisis y
solución de problemas de negocio, estadística avanzada y minería de datos y diseño y
construcción de sistemas de información de business intelligence, que podían trabajar en
diferentes departamentos de la empresa o en un centro de competencias transversal.
A medida que esta especialidad ha crecido y las empresas reconocen la necesidad de esta
clase de perfiles, también lo han hecho las diferentes salidas profesionales:
● Analistas de datos en departamentos de control de gestión u otros departamentos
de la empresa, especialmente en el área de marketing y ventas y en las áreas de
producción y operaciones.
● Responsables, jefes de proyecto o analistas de sistemas de información de BI en
departamentos de informática o técnicos y analistas de empresas que han adquirido
o están a punto de hacerlo esta clase de sistemas.
● Consultores e implantadores de sistemas de inteligencia de negocio y big data en
empresas de servicios.
● Emprendedores, que desean crear negocios basados en la creación o la
implantación de sistemas especializados de inteligencia de negocio o de alguno de
sus componentes, así como productos y/o servicios basados en datos.
La UOC dispone de una bolsa de trabajo y acuerdos con empresas para la realización
voluntaria de prácticas.
6. Conocimientos previos
Aunque el programa no requiere formalmente una formación o titulación específica de
origen, es necesario disponer de conocimientos previos de programación. En caso de
no tener conocimientos de programación, pueden adquirirse con una mayor dedicación de
tiempo.
En caso de duda se recomienda pedir asesoramiento docente para diseñar el itinerario más
adecuado en función de la formación de entrada y las aspiraciones profesionales de cada
candidato.

Normalmente, el itinerario de análisis de datos se recomienda para estudiantes de
formación o competencias de gestión empresarial, ingenierías de todo tipo, matemáticas,
sociología, medicina, ciencias de la información o candidatos con una experiencia
profesional equivalente.
El itinerario de ingeniería de datos y el itinerario de Big Data se recomienda para
estudiantes de competencias o formación técnica, ingenieros informáticos o de
telecomunicación, matemáticos o candidatos con una experiencia profesional equivalente.
En estos dos itinerarios, además de conocimientos de programación, se requiere
conocimientos de diseño y uso de bases de datos relacionales.
En todos los casos, es recomendable el conocimiento del inglés a nivel escrito.
7. Estructura y contenidos (Plan de estudios)
El programa de Inteligencia de negocio y Big data está dirigido a dos perfiles
profesionales diferenciados:
- Por un lado, un perfil funcional y empresarial interesado en adquirir o completar su
formación en métodos, técnicas y herramientas de análisis y minería de datos y en la
utilización de tecnologías de inteligencia de negocio, a nivel de usuario avanzado.
- Y, por otro, un perfil técnico interesado en:
● Adquirir o completar su formación en el diseño, construcción, explotación y
administración de las bases de datos para entornos analíticos (data warehouse),
que son la base de los sistemas y tecnologías de la información de la inteligencia de
negocio y el análisis de datos.
● Adquirir formación en el uso de los sistemas Big Data, incluyendo análisis en
entornos distribuidos y almacenamiento distribuido mediante bases de datos
NoSQL.

Para atender a las necesidades de cada perfil, el programa se ha organizado por cursos y
especialidades de manera que el estudiante puede elegir entre tres itinerarios y cursos
según sus intereses:
Semestre
Itinerario de
Ingeniería de datos
Itinerario de
Big Data
Itinerario de
Análisis de datos
1
E1. Fundamentos de inteligencia de negocio y big data (16 créditos)
2
E2. Análisis y minería de datos (16 créditos)
3
E3. Bases de datos para
entornos analíticos
(16 créditos)
E4. Big Data y
sistemas NoSQL
(16 créditos)
E5. Usos de la inteligencia de
negocio en la empresa
(16 créditos)
4
Trabajo final de máster (12 créditos)
Los cursos que conforman el programa para esta edición octubre 2018 son:
Máster en Inteligencia de negocio y Big data (60 créditos)
Diploma de Posgrado en Inteligencia de negocio y análisis de datos (32 créditos)
Diploma de Posgrado en Análisis de Negocio (Business Analytics) (32 créditos)
Diploma de Posgrado en Ingeniería de datos y Big data (32 créditos) (En oferta a partir de
Marzo 18)
Especialización (16 créditos)
● Fundamentos de Inteligencia de Negocio y Big Data
● Análisis y Minería de Datos
● Bases de datos para entornos analíticos (En oferta a partir de Marzo 18)
● Big Data y sistemas NoSQL (En oferta a partir de Marzo 18)
● Usos de la inteligencia de negocio en la empresa (En oferta a partir de Marzo 18)
Cursos (4 créditos)
● Fundamentos de inteligencia de negocio
● Fundamentos y Usos de Big Data

Contenido detallado de cada especialidad y asignaturas
E1. Fundamentos de inteligencia de negocio y big data (16 créditos).
Esta especialidad está dirigida a introducir al estudiante en los conceptos, métodos, técnicas
y herramientas que utilizan los sistemas de inteligencia de negocio y análisis de datos, a
través de casos prácticos y el uso de software especializado.
(Especialidad obligatoria en todos los itinerarios del máster)
Se compone de las siguientes asignaturas:
● Fundamentos de inteligencia de negocio (4 créditos) En esta asignatura el
estudiante se familiariza con un sistema completo de inteligencia de negocio (la
"fábrica de información") y con sus diferentes componentes: los procesos de
extracción y transformación (ETL), la creación del almacén de datos, el análisis
multidimensional y la realización de informes y cuadros de mando. El estudiante
trabaja con herramientas Pentaho (Community Edition) y MySQL en una plataforma
virtual en la nube y con las bases de conocimiento de la consultora Gartner y otras
empresas de prospectiva.
● Gestión de proyectos de BI (4 créditos) En esta asignatura el estudiante se
familiariza con el modelo internacional de referencia en gestión de proyectos
(PMBoK) y con los métodos específicos de producción de proyectos de inteligencia
de negocio, a través de un caso práctico y de contenidos teóricos. El estudiante
trabaja con herramientas de gestión de proyectos (MSProject y equivalentes) y con
herramientas de ofimática (tipo XLS y PPT).
● Fundamentos y usos del big data (4 créditos) En esta asignatura el estudiante
trabaja lo que algunos han llamado la "gestión extrema de la información", es decir,
la transformación del enorme volumen de datos oculto en el interior de la propia
organización o presente a su alrededor, los diferentes tipos de datos e información y
su aplicación en la empresa. Se estudia el ciclo de vida de la gestión de datos
masivos y los aspectos tecnológicos, legales y éticos. El estudiante trabaja con
universos de datos propios de la universidad, cedidos por empresas o procedentes
de las redes sociales, a través de herramientas como Apache Hadoop y
Apache Spark.
● Pensamiento analítico en la empresa (4 créditos) El pensamiento analítico
representa un cambio en la manera de tomar decisiones y en la cultura de la
empresa. En esta asignatura se trabajan las herramientas, el vocabulario y las
metodologías básicas para analizar una situación de negocio y de forma sistemática
traducirlo en un proyecto de datos. Actúa también como asignatura niveladora para
estudiantes que no han recibido anteriormente una formación sobre la arquitectura y
componentes de los sistemas de información de empresa (ERP, CRM, SCM, etc.) y

su relación con los sistemas de inteligencia de negocio. Finalmente, se propone una
metodología para analizar las tendencias del mercado de BI y se presentan las
tendencias más actuales.
E2. Análisis y minería de datos (16 créditos)
Esta especialidad está dirigida a proporcionar al profesional de perfil empresarial y
tecnológico capacidades prácticas de análisis de datos y de manejo de herramientas, dentro
del marco científico de data science aplicado a los negocios y las organizaciones.
(Especialidad obligatoria en todos los itinerarios del máster)
● Minería de datos: conceptos y técnicas (4 créditos) En esta asignatura el
estudiante trabaja con modelos teóricos, casos prácticos y herramientas estadísticas
los procesos de definición de problemas, preparación de datos y exploración, así
como los principales conceptos de la estadística clásica: correlaciones, regresiones
lineales, reducción de la dimensionalidad, etc. El estudiante recibe una formación y
práctica sólidas en la utilización de la herramienta R, un estándar de facto del
mercado.
● Business analytics: modelos y algoritmos (4 créditos) La asignatura presenta los
conceptos y tipología de análisis de diferentes tipos de datos, los modelos y
algoritmos de uso más frecuente de clasificación y agrupación y las metodologías y
estándares profesionales y científicos que se usan en analítica de negocio. En esta
asignatura el estudiante trabaja principalmente con R, aunque pueden realizarse
ejercicios con otras herramientas (Excel, QlikView).
● Sistemas de reporting y cuadros de mando (4 créditos) En esta asignatura, el
estudiante se familiariza con la construcción y el uso de sistemas de reporting y
cuadros de mando, tanto desde el punto de vista estratégico como operativo, así
como de los marcos conceptuales en que se basan. Se estudian el modelo de
"cuadro de mando integral" (balanced scorecard) y otros sistemas de inteligencia
competitiva. La asignatura incluye un caso extenso de construcción de un cuadro de
mando a partir de un almacén de datos (data warehouse) desarrollado. El estudiante
trabaja con herramientas ofimáticas (XLS, PPT) y con una herramienta dedicada, en
este caso QlikView.
● Gobierno de datos (data governance) (4 créditos) En esta asignatura, el estudiante
se familiariza con el gobierno de datos, una práctica que aúna personas, procesos y
tecnología para cambiar la forma en que los datos son adquiridos, gestionados,
mantenidos, transformados en información, compartidos en el contexto de la
organización como conocimiento común y sistemáticamente obtenidos por la
empresa para mejorar la rentabilidad. El estudiante trabaja con herramientas
ofimáticas (DOC, XLS, PPT) y con herramientas especializadas para el desarrollo de

un programa de gobierno de datos, en este caso, Trifacta y Talend Open Studio
para MDM (master data management).
E3. Bases de datos para entornos analíticos (16 créditos)
En esta especialidad se adquieren las competencias para diseñar, construir, mantener y
explotar los sistemas de información de inteligencia de negocio más habitual, es decir, los
que se basan en el uso de bases de datos relacionales para la construcción de un almacén
de datos o data warehouse.
(Especialidad optativa)
● Diseño y construcción de data warehouse (6 créditos) En esta asignatura se
aprende a crear un almacén de datos adecuado que ofrezca soporte en la toma de
decisiones de la organización. Se presenta a nivel conceptual la arquitectura de
almacenamiento de un sistema de BI para Data Warehousing y se dan pautas para
la construcción de este tipo de sistemas. La puesta en práctica se lleva a cabo
mediante la resolución de un caso práctico extenso para el cual se utilizan diferentes
herramientas de Microsoft o Pentaho, sobre bases de datos Oracle o PostgreSQL.
● Bases de datos para data warehouse (5 créditos) Esta asignatura tiene por objeto
adquirir conceptos, procedimientos y buenas prácticas para la creación y
manipulación de las bases de datos relacionales que dan soporte a la construcción
del almacén de datos. Se profundiza en el aprendizaje del lenguaje SQL, y en el
diseño físico de bases de datos, así como en bases de datos orientadas a columnas.
Estas bases de datos se caracterizan por el almacenamiento de los datos en forma
de columnas, a diferencia de las bases de datos relacionales tradicionales que
realizan un almacenamiento de los datos por filas. Se trabaja con una base de datos
relacional tipo PostgreSQL.
● Explotación y administración del data warehouse (5 créditos) En esta asignatura
se aprende a evaluar la viabilidad de la construcción de un almacén de datos y a
explotar y administrar sistemas de Data Warehouse. Con este fin se presentan las
distintas formas de presentar los datos y qué tipos de herramientas pueden ofrecer el
tipo de visualización que interesa. Asimismo se enseña a administrar el sistema
durante su desarrollo, implantación y/o posterior explotación de los datos. Se trabaja
con la misma familia de herramientas: Microsoft o Pentaho para el almacén de
datos y Oracle o PostgreSQL como bases de datos.
E4. Big data y sistemas NoSQL (16 créditos)
En esta especialidad se adquieren las competencias para diseñar, construir, mantener y
explotar los sistemas de información de inteligencia de negocio más nuevos, basados en la

captura, procesamiento y gestión de datos masivos, de diferentes procedencias y tipología.
(Especialidad optativa)
● Gestión de Big Data: datos y usos (5 créditos) En esta asignatura se presentan
distintos escenarios de negocio que combinan tanto la analítica de negocio como el
big data, y cómo pueden ser utilizados para la creación de nuevos productos y
servicios basados en los datos. Entre estos escenarios destacan la inteligencia
geográfica, la analítica social o el paradigma de datos abiertos. Asimismo se
presentan tecnologías no cubiertas en otras asignaturas como serían stream data o
los sistemas de indexación y búsqueda distribuida. Por las características de la
asignatura se trabaja con diferentes herramientas que se actualizan continuamente y
pueden cambiar en cada edición y que incluyen R, Python y CartoDB entre otros.
● Tecnologías Big data: tecnologías (6 créditos) En esta asignatura se presentan las
bases para el almacenamiento y procesamiento de datos masivos o big data.
Veremos los principales modelos de procesamiento (batch y stream), así como los
frameworks más utilizados en la actualidad (Apache Hadoop y Spark). De cada uno,
presentaremos sus ecosistemas e introduciremos los módulos más relevantes para
el acceso, proceso y visualización de datos, incluyendo análisis de datos, machine
learning y manipulación de datos en formato de grafos. Se trabaja principalmente con
el entorno de almacenamiento distribuido HDFS y con los frameworks de
procesamiento Apache Hadoop y/o Apache Spark sobre máquinas virtuales
accesibles desde el aula.
● Bases de datos NoSQL (5 créditos) Las bases de datos NoSQL constituyen una
alternativa a las bases de datos relacionales y son especialmente idóneas para
ciertos dominios de aplicación: dominios que trabajan con grandes volúmenes de
datos, dominios donde se requiera una alta distribución y/o disponibilidad, dominios
que trabajan con datos poco estructurados y dominios en los que se establecen
múltiples y complejas interrelaciones entre los datos. En esta asignatura se
presentan los principios y conceptos de este tipo de bases de datos, los modelos de
datos que subyacen y los problemas que presenta la distribución en el almacenaje y
gestión de los datos. Se trabajan diferentes tipos de bases de datos NoSQL (clave-
valor, documentos, orientadas a columnas y grafos) con herramientas como Riak,
MongoDB o Neo4j.
E5. Usos de la inteligencia de negocio en la empresa (16 créditos)
Esta especialidad está dirigida a proporcionar al profesional de perfil más empresarial casos
prácticos de uso de la inteligencia de negocio tanto en la estrategia de empresa como en la
gestión operativa de los procesos de negocio más importantes: gestión económico-
financiera, marketing y ventas, operaciones y logística, etc. (Especialidad optativa)

● Gestión económico-financiera: casos de negocio (4 créditos) En esta asignatura,
a través de casos prácticos, se analiza el uso de sistemas de inteligencia analítica en
los procesos de gestión y seguimiento presupuestario, gestión de tesorería y
finanzas estratégicas y operativas, en diferentes sectores económicos. El estudiante
trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R) y de reporting y
análisis (QlikView o Tableau).
● Marketing y ventas: casos de negocio (4 créditos) En esta asignatura, el
estudiante estudia el empleo de herramientas de business intelligence en una de las
áreas en las que el uso de la inteligencia de negocio está más desarrollado y es más
prometedor. Se analizan los conceptos y buenas prácticas de investigación de
mercado, gestión de las ventas y las relaciones con los clientes y análisis y
predicción del comportamiento de los clientes (customer analytics). El estudiante
trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), y de reporting y
análisis (QlikView o Tableau).
● Operaciones y logística: casos de negocio (4 créditos) Se trabajan los usos del BI
en la cadena de suministro (aprovisionamiento, producción, gestión de almacenes,
transporte y distribución al punto de venta) y las nuevas aplicaciones vinculadas a la
internet de las cosas (IoT) y los sistemas de información geográfica. El estudiante
trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), de reporting y
análisis (QlikView o Tableau), así como ejercicios que integran sistemas de
información geográfica de código abierto.
● Recursos humanos: casos de negocio (4 créditos) La analítica de recursos
humanos (HR analytics) también llamada análisis de talento, es la aplicación de
técnicas sofisticadas de minería de datos y Business Analytics a los datos de
recursos humanos. Mediante un caso práctico, el estudiante verá cómo se pueden
aplicar estas técnicas para una gestión estratégica eficaz de los recursos humanos,
de manera que los objetivos de negocio se puedan cumplir de una forma rápida y
eficiente, obteniendo un rendimiento óptimo sobre el capital humano. Durante el
curso, el estudiante trabaja con herramientas ofimáticas (XLS, PPT), de análisis (R) y
de reporting (QlikView o Tableau).
Trabajo final de máster (TFM) (12 créditos)
El trabajo final es obligatorio para todos itinerarios del máster. Se puede realizar en dos
modalidades:
●Elegir entre una serie de temas propuestos por el equipo docente, que cubren los
componentes o bloques temáticos principales del ámbito de inteligencia de negocio y
análisis de datos.
●Proponer un proyecto propio de interés del estudiante que puede realizar en su
empresa.

(Los contenidos detallados de cada asignatura se encuentran especificados en el plan
docente)
Laboratorio
Durante el desarrollo del programa, el estudiante tendrá acceso a un aula de laboratorio de
tecnologías y herramientas de inteligencia de negocio y análisis de datos, donde se le dará
soporte en los temas de infraestructura técnica: instalación, configuración y acceso a los
programas, problemas de rendimiento, etc.
El laboratorio cuenta con una wiki, una colección de tutoriales y varios profesores de apoyo.
Las consultas e incidencias relacionadas con la funcionalidad del software se resuelven
normalmente en las propias aulas de las asignaturas donde se proporcionan máquinas
virtuales preparadas y configuradas para realizar y aplicar los conocimientos teóricos a la
práctica
Asignatura transversal optativa: Aprovechar las TIC en posgrado
De manera paralela al inicio del programa formativo y para los estudiantes de nuevo acceso
a la UOC, se da la opción de cursar la asignatura Aprovechar las TIC en posgrado, que tiene
por objetivo desarrollar las competencias en tecnologías de la información y comunicación
que son convenientes para realizar la formación en la UOC
Dedicación
Cada crédito ETCS, calculado con los criterios del espacio europeo, equivale a unas 25
horas de dedicación, entre la preparación de los entornos, la familiarización con las
herramientas, el estudio del material y la realización de actividades.
El máster consta de un total de 60 créditos, equivalentes a 1.500 horas de trabajo del
estudiante, y tiene una duración de 2 años (4 semestres).
El posgrado consta de 32 créditos, equivalentes a 800 horas de trabajo del estudiante y
tiene una duración de 1 año (2 semestres).
Las especializaciones constan de 16 créditos, equivalentes a 400 horas de trabajo del
estudiante y tiene una duración de 1 semestre. El periodo lectivo se desarrolla entre los
semestres: Octubre – Marzo y Marzo – Julio.

El programa proporciona flexibilidad a los alumnos pudiendo iniciar su formación en este
ámbito con una de las especializaciones para, a posteriori, extender su formación a un
posgrado o al máster completo.
8. Metodología
El modelo de estudio y aprendizaje se basa en una metodología constructiva y aplicada de
aprendizaje en línea, desarrollada por la UOC a lo largo de sus 20 años de existencia. El
estudio se basa en la adquisición de competencias a través de la realización de actividades,
con el apoyo por recursos (materiales didácticos y herramientas), la interacción con otros
compañeros en el foro y el apoyo de un equipo docente en la propia aula.
El entorno virtual de aprendizaje está dotado de la información, los recursos y las
herramientas que tanto los estudiantes como los profesores necesitarán a lo largo del
proceso formativo. Éste no pretende ser simplemente una plataforma tecnológica dónde
comunicarse y albergar los contenidos, sino que los recursos y las dinámicas que puedan
ofrecerse desde el mismo signifiquen para los estudiantes y el profesorado una comunidad
educativa real con todos los componentes e interacciones necesarias.
El modelo de evaluación es el de evaluación continuada, basada en las actividades
realizadas a lo largo del curso y en la participación y actitud en el aula. No se realizan
exámenes ni pruebas presenciales.
Estos espacios se distribuyen básicamente en cuatro grandes bloques:
● Planificación: Espacio de acceso al plan docente específico de la asignatura.
También en la agenda se encuentra la organización/calendario previsto de las
actividades.
● Comunicación (docencia): Comunicación con el profesor y trabajo cooperativo con
los compañeros.
● Recursos: Desde este espacio se facilita el acceso a los materiales didácticos del
curso en formato digital y también a la Biblioteca de la UOC y a otras bibliotecas del
mundo, bases de datos, revistas, etc., para complementar el aprendizaje.
● Evaluación: Espacio de entrega de las actividades, así como de consulta de la
evaluación continuada de las actividades de aprendizaje.
Es importante tener en cuenta la dedicación requerida y que el estudiante se organice un
ritmo de trabajo lo más regular posible semana a semana. La información necesaria para la
planificación del aprendizaje (guía de aprendizaje/ plan docente) está disponible al principio
de cada curso. Esta información incluye el calendario de distribución de los enunciados de

las actividades, de entrega de las actividades resueltas y de participación en los debates por
parte de los estudiantes, así como la publicación por parte del profesor consultor de las
calificaciones y feedback (comentarios o soluciones de las actividades, resumen de debates,
etc.).
9. Equipo académico
Uno de los elementos clave de la metodología de aprendizaje en la UOC es la tarea del
equipo docente. Las personas que integran el equipo docente de los programas de
Posgrado de la UOC son profesionales cualificados en su ámbito.
Su papel no se limita a tener una posición pasiva, esperando posibles consultas sobre el
programa, sino que adoptan una actitud proactiva y toman la iniciativa motivando a los
estudiantes y orientando su proceso de aprendizaje. En el equipo docente las siguientes
figuras básicas, que pueden ser ejercidas por una o más personas:
Dirección académica: planifica, coordina, integra y evalúa los contenidos del programa así
como el proceso de aprendizaje del estudiante; aporta su dominio de la materia y los
conocimientos complementarios al profesorado y profesores colaboradores (consultor y
tutor).
Josep Curto Díaz
Licenciado en Matemáticas por la UAB, máster en Business Intelligence y Dirección en
Tecnologías y Sistemas de Información por la UOC, MBA por IE Business School.
Actualmente es CEO de Delfos Research, empresa especializada en investigación de
los mercados de Business Intelligence, Business Analytics y Big Data.
Profesor responsable: programa los contenidos de las asignaturas y las actividades de
aprendizaje y coordina a los diferentes colaboradores del equipo docente; aporta su dominio
de la materia y los conocimientos complementarios a los profesores colaboradores
(consultores). Es el responsable legal de la evaluación.
Laura Calvet Liñán
Doctora en Tecnologías de la Información y de Redes por la UOC. Profesora del área
de Estadística aplicada y Machine Learning de los Estudios de Informática, Multimedia y
Telecomunicación de la UOC. Grupo de investigación ICSO Internet Computing &
Systems Optimization.

Jordi Casas Roma
Doctor en Informática por la UAB. Profesor del área de Big data y Data Science de los
Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de
investigación KISON (K-riptography and Information Security for Open Networks).
Josep Cobarsí Morales
Doctor en Organización de Empresas por la UdG. Ingeniero Superior de
Telecomunicación por la UPC Profesor de Sistemas de información y Gestión del
conocimiento de los Estudios de Informática, Multimedia y Telecomunicación de la UOC.
Grupo de investigación KIMO (Knowledge and Information Management in
Organizations).
Jordi Conesa Caralt
Doctor en Informática por la UPC. Profesor del área de bases de datos e ingeniería del
software de los Estudios de Informática, Multimedia y Telecomunicación de la UOC.
Grupo de investigación SmartLearn.
Isabel Guitart Hormigo
Doctora en Tecnologías de la Información y de Redes por la UOC. Licenciada en
Informática por la UPC. Profesora del Área de Sistemas de Información de los Estudios
de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación
SmartLearn.
Daniel Liviano Solís
Doctor en Economía y licenciado en ADE por la URV. Profesor de Economía,
Matemáticas y Estadística de los Estudios de Economía y Empresa de la UOC Grupo de
investigación i2TIC (Interdisciplinar sobre les TIC).
Julià Minguillón Alonso
Doctor Ingeniero en Informática por la UAB .Profesor de Visualización de Información y
de Minería de Datos en los Estudios de Informática, Multimedia y Telecomunicación de
la UOC. Grupo de investigación LAIKA (Learning Analytics for Innovation and
Knowledge Application in Higher Education).
Maria Pujol Jover
Doctora en Estudios Empresariales y Licenciada en Administración y Dirección de
Empresas por la UB. Es profesora del área cuantitativa de los Estudios de Economía y
Empresa de la UOC. Grupo de investigación MeL (Management and eLearn).
Àngels Rius Gavidia
Doctora en Sociedad de la Información y el Conocimiento por la UOC y Licenciada en
Informática por la UPC. Profesora de Bases de datos en los Estudios de Informática,
Multimedia y Telecomunicación de la UOC. Grupo de investigación Ingeniería del
Software (GRES-UOC).

M. Elena Rodríguez González
Doctora en Informática por la U. de Alcalá y Licenciada en Informática por la UPC.
Profesora de Base de datos los Estudios de Informática, Multimedia y Telecomunicación
de la UOC. Grupo de investigación TEKING (Technology Enhanced Knowledge and
Interaction).
Profesores colaboradores: son los miembros del equipo docente que mantienen la
relación continuada con los estudiantes, atienden las consultas, publican y evalúan las
actividades y proponen la calificación final. Normalmente son profesionales en ejercicio en el
ámbito de la inteligencia de negocio.
David Conrado Cabanillas Barbacil
PhD. en Inteligencia Artificial por la UPC. Consultor experto en Business Intelligence y
Big Data y apasionado de R.
Alex Caminals Sánchez de la Campa
Ingeniero en Informática por la UPC. Licenciado en Matemáticas por la UAB. Consultor
independiente en BI.
Eduard Gil Blasco
Ingeniero Informático por la UPC. Consultor experto en Business Intelligence y Big Data.
Jordi Gironès Roig
Licenciado en Matemáticas por la UAB. Diplomado en Ciencias Empresariales por la
UOC. Experto en SAP R3 y Business Intelligence. Certificación en Gestión y Mejora de
procesos ITSM según normativa ISO / IEC 20000. Consultor SAP en Laboratorios
Doctor Esteve.
Xavier González Farran
Ingeniero técnico en Informática por la UPC. Diplomado en Ciencias Empresariales por
la UOC. Asesor Financiero Europeo (EFPA). Experto en Business Intelligence y en GRC
(Governance, Risk & Compliance). Director del área de Servicios Informáticos de
CaixaBank.
Francesc Julbe López
Ingeniero de telecomunicaciones por la UPC. Project Manager en Gaia y desarrollador
de Big data en Gaia.
Carles Llorach Rius
Ingeniero en Informática por la UPC. Máster en Gestión de empresas MBA por la URV.
Técnico en Business intelligence.
Josep Joaquim Navarro Juani
Licenciado en Informática por la UPC. Diplomado en Ciencias Empresariales por la

UOC y MBA por ESADE Business School. Director de Business intelligence & big data
de una empresa de servicios.
Jordi Nin
Doctor en Ciencias de la Computación por UAB. Investigador en Marie Curie en el
LAAs-CNRS. Senier Data Scientist en BBVA Data&Analytics.
Alexandre Pereiras Magariños
Ingeniero Técnico en Informática de Gestión por la U. Coruña. Ingeniero en Informática
por la UOC. Experto en Business Intelligence y Data Warehousing. Jefe de equipo y
gestión de proyectos para una entidad financiera en Cracovia (Polonia).
Enrique Rodríguez García
Diplomado en Estadística y Licenciado en Investigación y Técnicas de Mercado por la
UB. Consultor de Inteligencia de Cliente /Negocio y, es profesor de Análisis de Datos e
Inteligencia de Cliente /Negocio en diversas organizaciones.
José Luis Roldán Salgueiro
Doctor en Admon. y Dirección de Empresas por la U. de Sevilla. Experto en
Administración de Empresas, Sistemas de Información y Partial Least Squares (PLS).
Grupo de Investigación "Cultura Organizativa, Gestión del Conocimiento e Implantación
de TICs en Empresas Andaluzas" (P10-SEJ-6081). Profesor Titular de Universidad en la
Universidad de Sevilla.
Víctor Ruiz Marqués
Ingeniero técnico en electrónica industrial (especialidad en automática) por la UPC.
Ingeniero en informática y de Gestión por la UOC. Consultor de ERP y de Business
Intelligence.
José Julio Santos
Licenciado en Matemáticas por la Universidad Complutense de Madrid. Máster en
Gestión TIC por UOC, y Executive MBA por EOI. Certificado PMP, Scrum Master, ITIL
Foundations. Especializado en dirección de proyectos y consultoría de soluciones
tecnológicas para Business Intelligence y Big Data (Tecnologías SAP Business Objects,
Microsoft, y de carácter estadístico como R).
Juan Vidal Gil
Licenciado en Ciencias Físicas por la U. Complutense de Madrid. Responsable de
proyectos IT Business Intelligence.
Álvaro Galán Zapatera
Digital Experience Global Account Manager en Liferay y experto en Business Analytics.
José Luis Gómez García
Ingeniero Informático por la UPSAM. Máster en Business Intelligence por la UOC.
Director Business Intelligence en Altadis

José Fernández González
Ingeniero informático y DEA por la UPC. Head of Data. Schibsted Spain.
Oscar Alonso
Ingeniero informático por la UAB. Data Management & Analytics Technical Manager en
Everis. CIO Advanced Program por ESADE.
Joan Anton Perez Braña
Ingeniero informático por la UOC. Licenciado en Biología por la UB. Asesor técnico de
la Secretaria de Polítiques Educatives (Generalitat de Catalunya).
Jesús de Diego Alarcón
Licenciado en Ciencias geológicas por la U. Complutense de Madrid y Máster en
Sistemas de Información Geográfica por la U. Girona. Consultor de Sistemas de
información geográfica en IDOM Consulting, Engineering, Architecture.
Alex Bartrolí
Ingeniero informático por la UPC. Licenciado en Administración y Dirección de
Empresas en la U. Barcelona. Creador y propietario de Internet Solutions. Máster en
Inteligencia Artificial y Web por el INPG de Grenoble.
Antonio Sarasa
Doctor en Informática por la U. Complutense de Madrid. Ingeniero Técnico en
Informática por la UNED, Ingeniero Superior en Informática por la UOC. Professor en la
U. Complutense de Madrid.
Marcos Pérez González
Ingeniero en Informática por la UVa. Ingeniero de preventa de tecnologías de Big Data
en Cloudera.
Xavier Gumara Rigol
Ingeniero en Informática por la URL. En el pasado ha realizado servicios de consultoría
dentro del mundo del Business Intelligence y actualmente lidera un equipo de Business
Intelligence Engineers y Data Engineers en la empresa Schibsted Media Group.
Tutor: Es el referente de orientación académica para los estudiantes. En un primer
momento, acoge a los estudiantes, los integra en la comunidad universitaria iniciándolos en
el campus virtual y en los elementos del modelo pedagógico de la UOC; y en un segundo
momento y hasta la finalización del programa, realiza el seguimiento académico de los
estudiantes y les da soporte y asesoramiento.

Gemma Gironés Roig
Licenciada en Pedagogia per la U. Barcelona y estudiante del Grado en Ingeniería
Informática de la UOC.
José Luis Gómez García
Ingeniero informático por la UPSAM, máster en Business Intelligence por la UOC.
Director Business Intelligence en Altadis.
Manel Montero Jiménez
Licenciado en Informática por la UPC en Lenguajes y sistemas informáticos y
organización de empresas. Master Business Administration MBA por FESNA.
Escuela de Negocios de Andalucía. Formador Certificados de profesionalidad rama
informática.
Alex Morillas Garcia
Ingeniero Técnico Informática de Gestión por la Universitat Autónoma de Barcelona,
Ingeniería Superior por la UOC, Master Business Intelligence por la UOC.Pre-
doctoral en el IIIA-CSIC
Laura Beltran
Grado en Informática por Escola Universitaria Politécnica de Mataró, Máster
Universitario Big Data y Visual Analytics por UNIR. Consultor BI en Siedor.
10. Recursos para el aprendizaje
El estudiante dispone a lo largo del programa de recursos comunes de soporte y
aprendizaje:
● Una asignatura transversal optativa de adquisición de competencias digitales
(Aprovechar las TIC en posgrado), cuyo objeto es familiarizarse con el uso de las
herramientas del campus y aulas de la UOC, y la formación en técnicas de
información y comunicación social para la formación virtual.
● Un laboratorio virtual de tecnologías y herramientas de business intelligence,
que da servicios de soporte en el uso de las herramientas. El programa cuenta con
acuerdos con los principales fabricantes de software de BI, con empresas de
infraestructura virtualizada y con un laboratorio de herramientas de software de
código abierto.
● Un laboratorio virtual de lenguajes de programación, que proporciona soporte al
estudiante durante todo el programa en los temas relacionados con la programación,
especialmente en el lenguaje R.

● Un tutor asignado a lo largo de todo el programa, para el seguimiento individualizado
del progreso del estudiante, la resolución de incidencias y la coordinación con los
docentes. El aula de tutoría proporciona también información de actualidad, anuncios
de eventos y cursos y ofertas de empleo.
● Un conjunto de recursos para el aprendizaje no guiado: dos blogs sobre temas de
actualidad, un canal de vídeo, varias webs propias, una wiki sobre el uso de las
herramientas de laboratorio, un repositorio de casos y proyectos de fin de carrera y
acceso a las bases de datos de la empresa de prospectiva Gartner, a la biblioteca
virtual de la Universidad y a la red de recursos de las bibliotecas públicas.
● Recursos de nivelación, tales como tutoriales, vídeos y materiales docentes de
otros programas de la UOC, para aquellos estudiantes que presenten carencias de
formación en ámbitos de empresa, sistemas de información, estadística o
tecnologías.
● Una bolsa de trabajo, tanto para ofertas de ocupación estable como para la
realización de prácticas voluntarias en empresas.
.
a. Herramientas de software
El programa aspira a que los profesionales de vocación y perfil más empresarial y funcional
puedan adquirir competencias de usuario avanzado para el análisis de negocio. Los
estudiantes de este tipo de perfil habitualmente siguen el recorrido no tecnológico (itinerario
de análisis de datos).
De igual manera, aquellos profesionales de perfil y vocación más tecnológica adquieren: (1)
competencias avanzadas de diseño, construcción y explotación de sistemas de BI basadas
en estas herramientas (si siguen el itinerario de ingeniería de datos), o (2) competencias
de captura, procesamiento, almacenamiento y análisis de grandes volúmenes de datos (Big
Data) (si siguen el itinerario de Big Data). En ambos itinerarios disponen de un laboratorio
a cargo de personal especializado.
La UOC tiene acuerdos de colaboración estable con los programas académicos de
Cloudera, Databricks, IBM, Microsoft, QlikView y Tableau. Asimismo continuamente
estamos evaluando otras herramientas y acuerdos con otros fabricantes como, por ejemplo,
Trifacta.
La UOC también ha establecido acuerdos con empresas que ceden sus datos para trabajos
finales o asignaturas para desarrollar iniciativas de datos. Estos acuerdos van variando
semestre a semestre en función de diversos factores.
La UOC ha tenido tradicionalmente un compromiso con el software de código abierto, en
especial en el ámbito de la inteligencia de negocio. Nuestra herramienta de referencia en
análisis estadístico y minería de datos es R, para cuyo uso disponemos de manuales,
tutoriales y una web de contenidos. Nuestra herramienta de referencia en la explotación y
análisis de datos masivos son Apache Hadoop y Apache Spark. Para el aprendizaje de

bases de datos NoSQL utilizamos herramientas como MongoDB, Riak o Neo4j. Para la
gestión de datos maestros consideramos Talend.
Dependiendo de las exigencias de rendimiento del software, algunas aplicaciones se
pueden descargar en el ordenador del estudiante o bien acceder a máquinas virtuales de
Amazon y Azure desde la propia aula.
Es recomendable disponer de máquinas y SO de 64 bits y 4Gb de RAM mínimo (6GB
recomendables).
En la descripción de cada especialidad y asignatura, se incluyen las herramientas que se
utilizan para el aprendizaje. Esta elección puede cambiar en cada convocatoria en función
de las necesidades docentes, la actualización del programa y la relación con fabricantes
actuales o nuevos.

11. Calendario curso 2018 / 2020 (Octubre 18 - Julio 20)
Máster en Inteligencia de Negocio y Big data
(60 créditos)
INICIO
19/10/18
FINAL
Julio 20
Tutoría 19/10/18 Julio 20
Aprovechar las TIC en posgrado (optativa) 19/10/18 13/02/19
Semestre 1. Especialidad 1_Fundamentos de
Inteligencia de negocio 19/10/18 13/02/19
Fundamentos de Inteligencia de Negocio 19/10/18 13/02/19
Gestión de Proyectos de BI 19/10/18 13/02/19
Fundamentos y Usos del Big Data 19/10/18 13/02/19
Pensamiento Analítico en la Empresa 19/10/18 13/02/19
Laboratorio: tecnología y herramientas BI 19/10/18 13/02/19
Semestre 2.
Especialidad 2._Análisis y Minería de datos
13/03/19 18/07/19
Minería de Datos: Conceptos y Técnicas 13/03/19 18/07/19
Business Analytics: Modelos y Algoritmos 13/03/19 18/07/19
Sistemas de reporting y cuadros de mando 13/03/19 18/07/19
Gobierno de datos (Data governance) 13/03/19 18/07/19
Laboratorio: tecnología y herramientas BI /Lenguajes
de programación
13/03/19 18/07/19
Itinerario
de
Ingeniería
de datos
Semestre 3. Especialidad 3.Bases de datos para
entornos analíticos
Oct 19*
Febrero 20*
Diseño y Construcción del Almacén de Datos DW Oct 19* Febrero 20*
Bases de Datos para Data Warehouse Oct 19* Febrero 20*
Explotación y Administración del DW Oct 19* Febrero 20*
Semestre 4
TFM Ingeniería de datos
Marzo 20*
Julio 20*
Itinerario de Semestre 3. Oct 19* Febrero 20*

Big Data Especialidad 4_ Big Data y Sistemas NoSQL
Bases de Datos NoSQL Oct 19* Febrero 20*
Escenarios de uso de Big Data Oct 19* Febrero 20*
Tecnologías de Big data Oct 19* Febrero 20*
Semestre 4
TFM Big data
Marzo 20*
Julio 20*
Itinerario de
Análisis de
datos
Semestre 3. Especialidad 5 Usos de la inteligencia de
Oct 19*
Febrero 20*
Gestión Económico-Financiera: Casos de Negocio Oct 19* Febrero 20*
Marketing y Ventas: Casos de Negocio Oct 19* Febrero 20*
Operaciones y Logística: Casos de Negocio Oct 19* Febrero 20*
Recursos humanos: casos de negocio Oct 19* Febrero 20*
Semestre 4
TFM Análisis de negocio (Business Analytics)
Marzo 20*
Julio 20*

Posgrado en Inteligencia de Negocio y Análisis de datos
(32 créditos)
INICIO
19/10/18
FINAL
Julio 19
Semestre 1.
Especialidad 1_ Fundamentos de Inteligencia de negocio
19/10/18 13/02/19
Semestre 2.
Especialidad 2._ Análisis y Minería de datos
13/03/19 18/07/19
Laboratorio: tecnología y herramientas BI /
Lenguajes de programación
13/03/19 18/07/19

Posgrado en Análisis de negocio (Business Analytics)
(32 créditos)
INICIO
19/10/18
FINAL
Julio 19
Semestre 1.
Especialidad 2__ Análisis y Minería de datos
19/10/18 13/02/19
Laboratorio: tecnología y herramientas BI /Lenguajes de programación19/10/18 13/02/19
Semestre 2. Especialidad 5 Usos de la inteligencia de
13/03/19 18/07/19
Gestión Económico-Financiera: Casos de Negocio 13/03/19 18/07/19
Marketing y Ventas: Casos de Negocio 13/03/19 18/07/19
Operaciones y Logística: Casos de Negocio 13/03/19 18/07/19
Recursos humanos: casos de negocio 13/03/19 18/07/19

Especialidad 1 Fundamentos de Inteligencia de Negocio
y Big Data (16 créditos)
INICIO
19/10/18
FINAL
Febrero 19
Tutoría 19/10/18 13/02/19
Especialidad 2 Análisis y Minería de datos
(16 créditos)
INICIO
19/10/18
FINAL
Febrero 19
Tutoría 19/10/18 13/02/19

Especialidad 3 Bases de datos para entornos analíticos
(16 créditos)
INICIO
19/10/18
FINAL
Febrero 19
Tutoría 19/10/18 13/02/19
Diseño y construcción de data warehouse 19/10/18 13/02/19
Bases de datos para data warehouse 19/10/18 13/02/19
Explotación y administración del data warehouse 19/10/18 13/02/19
Especialidad 4 Big data y sistemas NoSQL (16 créditos)
INICIO
19/10/18
FINAL
Febrero 19
Tutoría 19/10/18 13/02/19
Gestión de Big Data: datos y usos 19/10/18 13/02/19
Tecnologías Big data: tecnologías 19/10/18 13/02/19
Bases de datos NoSQL 19/10/18 13/02/19
Especialidad 5 Usos de la inteligencia de negocio en la
empresa (16 créditos)
INICIO
19/10/19
FINAL
Febrero 19
Tutoría 19/10/18 13/02/19
Gestión económico-financiera: casos de negocio 19/10/18 13/02/19
Marketing y ventas: casos de negocio 19/10/18 13/02/19
Operaciones y logística: casos de negocio 19/10/18 13/02/19
Recursos humanos: casos de negocio 19/10/18 13/02/19

Curso Fundamentos de inteligencia de negocio
(4 créditos)
INICIO
19/10/18
FINAL
Febrero 18
Tutoría 19/10/18 13/02/19
Fundamentos de inteligencia de negocio 19/10/18 13/02/19
Curso Fundamentos y Usos de Big Data (4 créditos)
INICIO
19/10/18
FINAL
Febrero 18
Tutoría 19/10/18 13/02/19
Fundamentos y Usos de Big Data 19/10/18 13/02/19
El programa se desarrollará por semestres.
* Las fechas exactas inicio y desarrollo del semestre se publicarán en el campus y en el aula de
tutoría
12. Evaluación
La evaluación del aprendizaje de los participantes dentro de los programas de Posgrado en
la UOC se realiza teniendo en cuenta las características de la formación no presencial.
La evaluación en la UOC se estructura en torno a la evaluación continua y la evaluación
final. La evaluación continua se lleva a cabo por medio de las pruebas de evaluación
continua (PEC). Todas las formas de evaluación del programa se realizan de forma no
presencial.
El modelo concreto de evaluación de cada asignatura se establece semestralmente en el
plan docente de cada asignatura.

El plan docente/de aprendizaje establece los criterios mínimos y el calendario de entrega
para seguir y superar la EC. En todo caso, para considerar que se ha seguido la EC tiene
que haberse realizado y entregado como mínimo el 50 % de las PEC. El no seguimiento de
la EC se califica con una N (equivalente al no presentado). La EC se califica con las
siguientes notas:
Estas notas son aplicables a las PEC y a la nota final de EC. La nota final de EC se
completará con una nota equivalente numérica (sin decimal) de acuerdo con las siguientes
correspondencias:
La evaluación global del programa:
Es imprescindible haber superado todas las asignaturas que conforman el programa para
superarlo globalmente y obtener una nota final positiva. La nota final del programa se
obtendrá a partir de la nota final de cada asignatura, de forma proporcional al peso en
créditos de cada curso.
La matrícula se realiza por especialidades y cursos completos. Pero, en el caso de
suspender alguna asignatura puede ser objeto de re-matrícula individual y cursarse en el
siguiente semestre.

La valoración de evaluación es cuantitativa y se expone según las calificaciones siguientes:
A: 9,10:Calificación muy buena: Sobresaliente Supera
B: 7, 8: Calificación buena: Notable Supera
C+: 5, 6: Calificación suficiente: Aprobado Supera
C-: 3, 4: Calificación baja: Suspenso No supera
D: 1,2: Calificación muy baja: Suspenso No supera
N: No se emite calificación: No presentado No supera
Para poder obtener la titulación de cada programa se debe haber superado con éxito la
totalidad de las asignaturas que lo conforman.
13. Titulación
Una vez se haya superado el proceso global de evaluación, la UOC entregará a los
participantes que acrediten una titulación universitaria legalizada en España:
Para los matriculados en Máster:
Diploma de Máster en Inteligencia de negocio y Big data
Para los matriculados en Posgrado:
Diploma de Posgrado en Inteligencia de negocio y análisis de datos
Diploma de Posgrado en Análisis de Negocio (Business Analytics)
Diploma de Posgrado en Ingeniería de datos y Big data.
Para los matriculados en las especializaciones y cursos, e independientemente de la
titulación, se expedirá un certificado de especialización o curso en:
● Fundamentos de Inteligencia de Negocio y Big Data
● Análisis y Minería de Datos
● Bases de datos para entornos analíticos
● Big Data y Sistemas NoSQL
● Usos de la inteligencia de negocio en la empresa
● Fundamentos de inteligencia de negocio
● Fundamentos y Usos de Big Data

En caso de no disponer de la titulación universitaria se expedirá, en función del
programa matriculado un Certificado de extensión universitaria.
14. Servicio de atención al estudiante
Consultas, incidencias, sugerencias, reclamaciones y comentarios de tipo académico
El espacio natural de trabajo y relación del estudiante dentro del campus virtual es el aula. Si
el estudiante tiene consultas, incidencias, sugerencias y reclamaciones de tipo académico
debe dirigirse al profesor colaborador (consultor) asignado cuyo nombre figura en el aula. Si
desea ampliar la consulta, no está de acuerdo con la resolución o tiene alguna reclamación
o sugerencia, puede elevarla al profesor responsable de la asignatura, cuyo nombre figura
también en el aula.
Si el estudiante tiene incidencias que afectan a más de una asignatura o al conjunto del
programa y para consultas de orientación académica o profesional puede dirigirse al tutor y,
si necesita ampliar la consulta, considera que no ha sido atendido adecuadamente o no está
de acuerdo con la atención, puede dirigirse al director del programa.
Consultas, incidencias, sugerencias, reclamaciones y comentarios de tipo
administrativo
A través del Servicio de Atención (frame superior del campus) podéis acceder a todas las
consultas de gestión relacionadas con la Matriculación, Envío de materiales, Pagos
posgrado, Facturas, Documentación académica, Expediente, Evaluación y Titulación.
También se pueden poner a través del Servicio de Atención quejas que se consideren que
no han sido atendidas adecuadamente por el personal del programa.
Otros Servicios de la universidad
http://www.uoc.edu/estudiant/portal/guia/ca/index.html

Guía estudiantes Máster Inteligencia negocio octubre 2018

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (15)

Similar a Guía estudiantes Máster Inteligencia negocio octubre 2018

Similar a Guía estudiantes Máster Inteligencia negocio octubre 2018 (20)

Más de UOC Estudios de Informática, Multimedia y Telecomunicación

Más de UOC Estudios de Informática, Multimedia y Telecomunicación (20)

Último

Último (20)

Guía estudiantes Máster Inteligencia negocio octubre 2018