Guia General Programas Inteligencia de Negocio y Big data 17/19

Guía General Programa Inteligencia de negocio y Big data Marzo 17 pág 1
Guía general
Inteligencia de negocio y Big data
Marzo 17
http://business-intelligence.uoc.edu

Índice
1. INTRODUCCIÓN 3
2. PRESENTACIÓN DEL PROGRAMA 3
3. OBJETIVOS Y COMPETENCIAS 3
A. OBJETIVOS COMUNES DEL MÁSTER 3
B. OBJETIVOS ESPECÍFICOS DEL ITINERARIO DE INGENIERÍA DE DATOS 4
C. OBJETIVOS ESPECÍFICOS DEL ITINERARIO DE BIG DATA 5
D. OBJETIVOS ESPECÍFICOS DEL ITINERARIO DE ANÁLISIS DE DATOS 5
E. PERFILES 6
F. COMPETENCIAS 6
4. A QUIÉN SE DIRIGE 7
5. SALIDAS PROFESIONALES 7
6. CONOCIMIENTOS PREVIOS 8
7. ESTRUCTURA Y CONTENIDOS (PLAN DE ESTUDIOS) 9
8. METODOLOGÍA 16
9. EQUIPO ACADÉMICO 17
10. RECURSOS PARA EL APRENDIZAJE 22
A. HERRAMIENTAS DE SOFTWARE 23
11. CALENDARIO CURSO 2016/2018 (MARZO 17 - MARZO 19) 24
12. EVALUACIÓN 27
13. TITULACIÓN 29
14. SERVICIO DE ATENCIÓN AL ESTUDIANTE 30

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.
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.

Para el conocimiento detallado de las competencias que se adquieren, recomendamos
la lectura de los apartados "Objetivos" y "Programa académico".
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 (MBI)
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 (MBI) 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)
Máster en Inteligencia de negocio y Big data (60 créditos)
Diploma de Posgrado en Inteligencia de negocio y análisis de datos (30 créditos)
Especialización (16 créditos)
 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 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 máster se ha estructurado en
especialidades, de manera que el estudiante puede elegir entre tres itinerarios 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)
Especialidades 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. Esta
especialidad es 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 (Enterprise 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.
Esta especialidad es 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 governace) (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.
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. Esta especialidad es optativa.
 Diseño y construcción del 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. Esta especialidad es optativa.
 Escenarios de uso de Big data (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 y GeoBI 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 ApacheSpark 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. Esta
especialidad es 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 cpuedan
cumplir de una rorma 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 máster se completa con un trabajo final, que tiene un valor de 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 propias 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 30 créditos, equivalentes a 750 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.
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 colaboradores docentes (consultores
y tutor).
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: K-riptography and Information Security for Open Networks
(KISON)

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 colaboradores
docentes (consultores). Es el responsable legal de la evaluación.
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 Ingeniería del Software
(GRES-UOC).
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
Isabel Guitart Hormigo
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 Ingeniería del Software (GRES-UOC).
Daniel Liviano
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 Ingeniería del Software
(GRES-UOC).
Josep Maria Marco
Licenciado en Informática por la UPC y doctor en Sociedad de la Información y el
Conocimiento por la UOC. Profesor del área de sistemas de información de los
Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de
investigación ICSS (Information and Communication Systems and Services).
Julià Minguillón Alonso
Doctor Ingeniero en Informática por la UAB. Es profesor de Diseño de Estructuras
de Datos 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 por la UB. Profesora del área cuantitativa de
los Estudios de Economía y Empresa de la UOC. Grupo de investigación Go2Sim
(Innnovative tools for elearning).
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. Es profesora de Base de datos los Estudios de Informática, Multimedia y
Telecomunicación de la UOC. Grupo de investigación TEKING (Technology
Enhanced Knowledge and Interaction)
Colaboradores docentes: 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 Universidad Politécnica de Cataluña.
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.
David Gañán Jiménez
Ingeniero en Informática especializado en desarrollo de aplicaciones con
tecnologías .NET. Trabaja como profesional independiente realizando tareas
de docencia, consultoría y desarrollo de aplicaciones en el área de .NET
Eduard Gil Blasco
Ingeniero Informático por la Universidad Politécnica de Cataluña. Consultor
experto en Business Intelligence y Big Data.
Jordi Gironès Roig
Licenciado en Matemáticas por la UAB, y diplomado en Ciencias Empresariales
por la UOC. Experto en SAP R3 y Business Intelligence. Está certificado en
Gestión y Mejora de procesos ITSM según normativa ISO / IEC 20000.
Actualmente trabaja para los Laboratorios Doctor Esteve como consultor de
SAP.

Xavier González Farran
Ingeniero técnico en Informática por la UPC, diplomado en Ciencias
Empresariales por la UOC y Asesor Financiero Europeo (EFPA). Experto en
Business Intelligence y en GRC (Governance, Risk & Compliance). Es director
dentro del área de Servicios Informáticos de CaixaBank.
Emma Gorgori Bonet
Diplomada en Ciencias Empresariales y licenciada en Administración y
Dirección de Empresas por la URV. Certificada en el desarrollo y arquitectura
de soluciones con las plataformas de Business Objects y Oracle BI
(anteriormente Siebel BI). Experta en análisis de requerimientos y desarrollo de
soluciones de Business Intelligence. Responsable del desarrollo del BI en el
organismo autónomo de recaudación de ingresos, BASE, de la Diputación de
Tarragona y como profesora asociada del departamento de gestión de
empresas de la URV.
Francesc Julbe López
Ingeniero de telecomunicaciones por la UPC. Projecte 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 en Informática por la UOC. Experto en Business Intelligence y Data
Warehousing con las tecnologías Oracle e IBM Cognos. Actualmente trabaja
como Data Warehouse Architect para la entidad financiera Brown Brothers
Harriman & Co., 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
Licenciado en Ciencias Económicas y Empresariales por la U. Sevilla (US).

Doctor en Administración y Dirección de Empresas (US). Experto en
Administración de Empresas, Sistemas de Información y Partial Least Squares
(PLS). Investigador principal del Grupo de Investigación "Cultura Organizativa,
Gestión del Conocimiento e Implantación de TICs en Empresas Andaluzas"
(P10-SEJ-6081). Profesor Titular de Universidad en la US.
Víctor Ruiz Marqués
Ingeniero técnico en electrónica industrial (especialidad en automática) por la
Universidad Politécnica de Cataluña. Ingeniero técnico en informática de
gestión por la UOC. Ingeniero en informática por la UOC. Consultor de ERP y
de Business Intelligence.
José Julio Santos
Licenciado en matemáticas por la U. 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.
Principalmente 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
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
Llicenciada en Pedagogía per la U. Barcelona y estudiante del Grado en
Ingeniería Informática de la UOC.
Jose Luis Gómez García
Ingeniero infomático 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
Ruth Vilar Mateo
Ingeniera y doctora en Telecomunicaciones por la Universitat Politècnica de
València. Máster en Business Intelligence por la UOC. Data Engineer en la
cátedra UOC-BSA.
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: un blog 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
IBM, Microsoft, QlikView y Tableau. Asimismo continuamente estamos evaluando
otras herramientas y acuerdos con otros fabricantes.
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.
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 máquines y SO de 64 bits y 4 Gb 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 2016/2018 (Marzo 17 - Marzo 19)
Máster en Inteligencia de Negocio y Big data
(60 créditos)
INICIO
15/03/17
FINAL
Marz 19
Tutoría 01/03/17 Oct 2019
Aprovechar las TIC en posgrado (optativa) 15/03/17 15/04/17
Semestre 1.
Especialidad 1_Fundamentos de Inteligencia de negocio 15/03/17 19/07/17
Fundamentos de Inteligencia de Negocio 15/03/17 19/07/17
Gestión de Proyectos de BI 15/03/17 19/07/17
Fundamentos y Usos del Big Data 15/03/17 19/07/17
Pensamiento Analítico en la Empresa 15/03/17 19/07/17
Laboratorio: tecnología y herramientas BI 15/03/17 19/07/17
Semestre 2.
Especialidad 2._Análisis y Minería de datos
Oct 17* Marz 18*
Minería de Datos: Conceptos y Técnicas Oct 17* Marz 18*
Business Analytics: Modelos y Algoritmos Oct 17 Marz 18
Sistemas de reporting y cuadros de mando Oct 17 Marz 18
Gobierno de datos (Data governance) Oct 17 Marz 18
Laboratorio: tecnología y herramientas BI /Lenguajes de programación Oct 17 Marz 18
Itinerariode
Ingenieríadedatos
Semestre 3.
Especialidad 3_Bases de datos para entornos analíticos Marz 18* Juliol 18*
Diseño y Construcción del Almacén de Datos Data warehouse Marz 18* Juliol 18*
Bases de Datos para Data Warehouse Marz 18 Juliol 18
Explotación y Administración del Data Warehouse Marz 18 Juliol 18
Semestre 4
TFM Ingeniería de datos
Oct 18*
Marz 19*

Itinerariode
BigData
Semestre 3.
Especialidad 4_ Big Data y Sistemas NoSQL Marz 18* Juliol 18*
Bases de Datos NoSQL Marz 18 Juliol 18
Escenarios de uso de Big Data Marz 18 Juliol 18
Tecnologías de Big data Marz 18 Juliol 18
Semestre 4
TFM Big data Oct 18* Marz 19*
Itinerariode
Análisisdedatos
Semestre 3.
Especialidad 5_ Usos de la inteligencia de negocio en la empresa
Marz 18* Juliol 18*
Gestión Económico-Financiera: Casos de Negocio Marz 18 Juliol 18
Marketing y Ventas: Casos de Negocio Marz 18 Juliol 18
Operaciones y Logística: Casos de Negocio Marz 18 Juliol 18
Recursos humanos: casos de negocio Marz 18 Juliol 18
Semestre 4
TFM Análisis de negocio (Business Analytics) Oct 18* Marz 19*

Posgrado en Inteligencia de Negocio y Analisis de datos
(30 créditos)
INICIO
15/03/17
FINAL
Marz 18
Semestre 1.
Fundamentos de Inteligencia de Negocio
15/03/17
19/07/17
Gestión de Proyectos de BI
15/03/17 19/07/17
Fundamentos y Usos del Big Data
15/03/17 19/07/17
Pensamiento Analítico en la Empresa
15/03/17 19/07/17
Semestre 2.
Especialidad 2._Análisis y Minería de datos
Oct 17* Marz 18*
Minería de Datos: Conceptos y Técnicas
Oct 17* Marz 18*
Business Analytics: Modelos y Algoritmos Oct 17 Marz 18
Sistemas de reporting y cuadros de mando Oct 17 Marz 18
Gobierno de datos (Data governance) Oct 17 Marz 18
Laboratorio: tecnología y herramientas BI /Lenguajes de programación Oct 17 Marz 18

El programa se desarrollará por semestres:
* Las fechas exactas inicio y desarrollo del semestre se publicarán en el campus y/o también 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 Posgrado 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
Especialidad Fundamentos de Inteligencia de negocio
(16 créditos)
INICIO
15/03/17
FINAL
Marz 18
Semestre 1.
Fundamentos de Inteligencia de Negocio 15/03/17 19/07/17
Gestión de Proyectos de BI 15/03/17 19/07/17
Fundamentos y Usos del Big Data 15/03/17 19/07/17
Pensamiento Analítico en la Empresa 15/03/17 19/07/17

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:
Para poder obtener la titulación del 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
Para los matriculados en las especializaciones e independientemente de la titulación, se
expedirá un certificado de especialización 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
En caso de no haber superado el proceso de evaluación, se expedirá, en función del
programa matriculado un certificado de extensión universitaria
A: 9,10:Calificación muy buena: Sobresaliente Supera
B: 7, 8: Calificación buena: Notable Supera
C+: 6, 7: 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

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 colaborador docente (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

Guia General Programas Inteligencia de Negocio y Big data 17/19

Recomendados

Recomendados

Más contenido relacionado

Destacado

Destacado (15)

Similar a Guia General Programas Inteligencia de Negocio y Big data 17/19

Similar a Guia General Programas Inteligencia de Negocio y Big data 17/19 (20)

Más de UOC Estudios de Informática, Multimedia y Telecomunicación

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

Último

Último (20)

Guia General Programas Inteligencia de Negocio y Big data 17/19