Business AnalyticsMaster's degree

Esta materia cubre los conceptos fundamentales de los modelos de negocio digitales, el ecosistema digital y las herramientas de análisis estratégico necesarias para el éxito en este
entorno.

En primer lugar, se analiza el ecosistema digital y se examinan las fuerzas y tendencias que moldean el entorno empresarial en línea, incluyendo el impacto de la tecnología y la competencia. A continuación, se exploran los diferentes modelos de negocio digitales, incluyendo entre otros el comercio electrónico, la publicidad en línea y la suscripción digital, junto con las estrategias clave para cada uno de ellos. El curso también se centra en las start- ups, explorando cómo se desarrollan y escalan los nuevos negocios digitales, y los desafíos únicos que enfrentan.

Por último, se analizan las herramientas de análisis estratégico que los líderes empresariales pueden utilizar para tomar decisiones informadas en el entorno digital, incluyendo la investigación de mercados, la segmentación de clientes, el análisis de datos y la optimización de la conversión.

En resumen, esta materia proporciona una base sólida para comprender el mundo de los negocios en línea y las herramientas esenciales para construir un negocio de éxito en el entorno digital.

La materia de Métodos introduce las herramientas y técnicas necesarias para analizar datos y tomar decisiones informadas en el ámbito empresarial. Se comienza por comprender la importancia de la analítica en la toma de decisiones y se exploran las diferentes fuentes de datos disponibles. Se ve cómo resumir y tabular un conjunto de datos y construir indicadores, métricas y KPI’s.

La asignatura de técnicas de visualización de datos mostrará cómo presentar la información de manera clara y concisa, incluidos los paneles de mando o dashboards.

En cuanto a los métodos de machine learning, se verán tanto las técnicas supervisadas como no supervisadas. En el caso del aprendizaje supervisado, se verán los fundamentos de algunos algoritmos de regresión y clasificación para predecir valores numéricos o clasificar datos en diferentes categorías. Entre estos algoritmos clásicos de machine learning estarán la regresión lineal y logística, los árboles de decisión, los random forests o los k vecinos más cercanos (KNN).

También se aprenderá a evaluar la eficacia de los modelos mediante métricas de evaluación y técnicas de validación cruzada. En el aprendizaje no supervisado por su parte, se exploran técnicas de clustering y reducción de dimensionalidad para agrupar datos y descubrir patrones ocultos en ellos.

Se incidirá, en todo caso, en la comprensión de los fundamentos de las técnicas, en conocer su ámbito y límites de aplicación, así como en realzar ejemplos aplicados sencillos, usando datos reales.

La materia de métodos avanzados de Business Analytics cubre una amplia gama de temas, incluyendo el análisis de datos no estructurados como textos e imágenes, así como el uso de redes neuronales y técnicas de deep learning para procesar grandes cantidades de información.

El análisis de datos no estructurados es esencial para obtener información valiosa de fuentes como redes sociales, blogs y otros textos no estructurados, y se abordan técnicas para extraer información útil de estos datos.

Se dará una visión sencilla de las redes neuronales superficiales que servirá para tener una base y poder intuir posteriormente los fundamentos de las técnicas de deep learning, como las redes neuronales convolucionales y recurrentes, los Transformers o la reducción de dimensionalidad o la transferencia de aprendizaje.

Finalmente, se proporciona una visión general de las técnicas más avanzadas y punteras en el campo, como el aprendizaje por refuerzo y los modelos generativos, tanto de imágenes como de textos, con el objetivo de que los estudiantes tengan una comprensión intuitiva de estas técnicas y puedan vislumbrar formas de aplicación en su campo profesional.

Se mostrarán aplicaciones y ejemplos interesantes y se discutirán los desafíos más actuales y los que están por llegar.

La materia de introducción a la codificación tiene como objetivo proporcionar una comprensión básica de la programación utilizando el lenguaje Python y su uso en notebooks. La materia se orienta hacia su aplicación en Business Analytics, y está diseñada para personas que parten de cero.

El curso se enfoca en los fundamentos de la programación, incluyendo variables, operadores, estructuras de control de flujo y funciones, y cómo estos conceptos se aplican en Python. También se explora cómo se pueden organizar y manipular conjuntos de datos utilizando las bibliotecas de Python como Pandas o Numpy.

El uso de cuadernos de trabajo se utiliza para proporcionar un entorno interactivo donde los estudiantes pueden experimentar con el código y ver los resultados en tiempo real. Se desarrollan ejemplos "de juguete" para ayudar a los estudiantes a comprender los conceptos.

Además, se examina cómo se puede utilizar Python en el contexto del análisis de datos, incluyendo cómo cargar datos, realizar análisis estadísticos, visualizar los resultados y realizar aplicaciones sencillas de machine learning empleando conjuntos de datos reales y atractivos.

La materia de tecnología está diseñada para proporcionar una comprensión básica de las bases de datos, el Big Data, Internet, IoT (Internet de las cosas) y conceptos relacionados, para personas no técnicas que parten de cero y su uso en Business Analytics.

En primer lugar, se aborda el concepto de bases de datos y cómo se utilizan para almacenar, gestionar y recuperar información. Se cubren los diferentes tipos de bases de datos, incluyendo las relacionales y no relacionales, y se analizan las diferentes tecnologías de bases de datos como MySQL, MongoDB y Cassandra.

A continuación, se examinan las diferentes fuentes de datos y cómo se pueden utilizar para recopilar y analizar información.

Seguidamente, se proporciona una visión general de Big Data y cómo se utiliza para recopilar y analizar grandes cantidades de datos en diversos campos. También se exploran las diferentes tecnologías utilizadas en Big Data, incluyendo Hadoop, MapReduce y Spark.

Luego se aborda Internet y su importancia en la recopilación y distribución de información. Se exploran los diferentes tipos de protocolos de Internet, como HTTP, FTP y DNS.

Por último, se analiza el concepto de IoT, que se refiere a la conexión de dispositivos y sensores a Internet para recopilar datos en tiempo real.

La asignatura de creatividad e innovación está orientada al campo del Business Analytics y se enfoca a proporcionar una comprensión básica de estos conceptos para personas principiantes en el campo. Se plantea fundamentalmente como talleres y está diseñada para ser eminentemente práctica y ayudar a pensar “fuera de la caja”.

En primer lugar, se explora el concepto de creatividad y su importancia en la innovación empresarial. Se analizan las diferentes teorías de la creatividad y se exploran las diferentes técnicas para fomentar la creatividad en el ámbito empresarial.

A continuación, se aborda el concepto de innovación y su importancia en el éxito empresarial. Se analizan los diferentes tipos de innovación, como la innovación de productos y servicios, y se exploran las diferentes técnicas para fomentar la innovación en el ámbito empresarial.

Por su parte, la asignatura de desafíos éticos y riesgos en el campo del Business Analytics y la Inteligencia Artificial (IA), tiene como objetivo proporcionar una comprensión de los desafíos éticos y los riesgos asociados con el uso de estas tecnologías, así como una introducción a la ciberseguridad. Se adopta una perspectiva humanista y se enfoca en ayudar a los estudiantes a pensar y reflexionar sobre los posibles peligros.

En primer lugar, se estudian los diferentes desafíos éticos que pueden surgir al utilizar Business Analytics e IA en la toma de decisiones empresariales. Se analizan casos de uso y se exploran las implicaciones éticas y sociales de estas tecnologías, tanto presentes como los posibles riesgos emergentes en el futuro inmediato. Se abordarán, entre otros, los problemas de sesgos de los algoritmos, las consideraciones de “fairness”, el problema de la interpretabilidad y la amenaza de la falsificación de la realidad.

A continuación, se introduce el concepto de ciberseguridad y se exploran los riesgos y amenazas asociados con el uso de Business Analytics e IA. Se estudian diferentes estrategias para garantizar la seguridad de los datos y los sistemas informáticos.

Por último, se analizan los posibles impactos sociales y culturales de estas tecnologías y se exploran diferentes enfoques para mitigar los riesgos asociados con su uso.

La materia de casos aplicados de Business Analytics tiene como objetivo proporcionar una comprensión completa de todo el ciclo de análisis de datos, desde la descripción del problema y el contexto hasta la implementación de soluciones en producción. Se propondrán casos de éxito a elegir en diferentes ámbitos empresariales como la gestión de personas, las finanzas, la logística y cadena de suministros, la salud, el marketing o la auditoría forense, entre otros.

Cada caso mostrará la descripción del contexto y el problema, la identificación y preparación de los datos, la selección y aplicación de las técnicas apropiadas de análisis y los modelos de machine learning relevantes. También se incluirán las conclusiones obtenidas del análisis y el refinamiento necesario para asegurar la calidad de los resultados obtenidos.

Los casos de éxito propuestos permitirán a los estudiantes aplicar los conceptos y técnicas aprendidas en un contexto real y elegir un campo de interés que se adapte a sus necesidades y habilidades. De esta manera, los estudiantes tendrán la oportunidad de desarrollar habilidades prácticas y aplicarlas en situaciones reales, adquiriendo la capacidad de abordar y resolver problemas en entornos empresariales complejos.

La materia de Trabajo Fin de Máster tiene como objetivo aplicar y consolidar los conocimientos adquiridos en el máster a través de un proyecto completo de análisis de datos en un contexto empresarial real. Los estudiantes trabajarán en un proyecto que incluirá la descripción del problema y el contexto, la obtención de datos reales, la selección y aplicación de técnicas y modelos de análisis, y la obtención de conclusiones y recomendaciones.

En esta materia, los estudiantes tendrán la oportunidad de aplicar todas las habilidades y
conocimientos adquiridos durante el máster en un proyecto completo que les permitirá
enfrentarse a un problema real en el ámbito empresarial. Los proyectos pueden ser de
diferentes campos, como gestión de personas, finanzas, logística y cadena de suministro, salud, marketing, etc.

El objetivo final del Trabajo Fin de Máster es que los estudiantes sean capaces de aplicar de
manera efectiva sus habilidades de análisis de datos para abordar problemas reales de las
empresas y proporcionar soluciones prácticas y eficaces. Además, el trabajo también ayudará a los estudiantes a desarrollar habilidades de investigación, comunicación y presentación, que son fundamentales para el éxito en el campo del análisis de datos.