1. ANTECEDENTES, DEFINICIONES Y BASES PARA UN CORRECTO ENTENDIMIENTO
1.1. Necesidades del ejecutivo.
1.2. Problemas de IT que resuelve.
1.3. ¿Qué es un DSS?
1.4. Business Intelligence.
1.5. ¿Qué es?
1.5.1. ¿Qué persigue?
1.5.2. ¿Qué no es Business Intelligence?
1.6. Business Analytics.
1.7. Business Intelligence vs Business Analytics.
1.8. Grados de madurez analítica de una empresa.
2. LA IMPORTANCIA DEL DATO VALOR
2.1. Data Governance
2.1.1. ¿Qué es?
2.1.2. Data Governance como proceso, no como proyecto.
2.1.3. Ventajas.
2.2. Data Quality.
2.2.1. ¿Qué es?
2.2.2. Características del Data Quality.
2.2.3. Factores que contribuyen a tener una baja calidad en los datos.
2.3. Data Quality & Governance-GDPR.
3. ALGUNOS CONCEPTOS TÉCNICOS DE LA ANALÍTICA TRADICIONAL
3.1. Analítica clásica: flujo de datos.
3.2. Procesos ETL.
3.3. DataWarehouse.
3.4. Datamart.
3.5. Cubos OLAP.
3.6. Sistema de Reporting.
3.7. Panel de control y dashboard.
3.8. Balanced Scorecard.
3.9. Comparación de herramientas.
3.10. Business Intelligence - Solvencia II.
3.10.1. Introducción.
3.10.2. Alcance de la solución planteada.
3.10.3. Infraestructura objetivo de la aseguradora.
3.10.4. Entorno analítico para dar respuesta a la normativa.
3.10.5. Factores de éxito.
4. REPRESENTACIÓN DE LOS DATOS
4.1. Analítica clásica: Flujo de datos.
4.2. Cuadro de Mando Integral (CMI).
4.2.1. Origen del CMI.
4.2.2. ¿Qué es un CMI?
4.2.3. ¿Por qué usar un CMI?
4.2.4. El CMI en el control de gestión.
4.2.5. Perspectivas del CMI.
4.3. Tipo de Herramientas.
5. INTRODUCCIÓN AL BIG DATA
5.1. Historia del Big Data.
5.2. ¿Qué es el Big Data?
5.3. Apache Hadoop y su ecosistema.
5.4. MapReduce: el motor de Hadoop.
5.5. Spark.
5.5.1. ¿El sustituto de MapReduce?
5.5.2. Componentes de Spark.
5.5.3. Formas de implementar Spark.
5.6. MapReduce vs Spark.
5.7. Big Data y problemas de rendimiento en una TELCO.
5.8. Objetivos perseguidos.
5.9. Explicación.
5.10. Modelo de Fast Data.
6. INTRODUCCIÓN A LA ANALÍTICA AVANZADA
6.1. Algoritmia.
6.2. Estadística descriptiva.
6.3. Análisis clúster.
6.4. Análisis factorial.
6.5. Regresión.
6.6. Ejemplo: detección de empresas ficticias.