1. Inicio
  2. Capacitación Profesional
  3. Informática y programación
  4. IFCT128PO. Big Data.
  • Participar en diálogos sobre competencias clave en su entorno profesional, conocer un mercado – tecnológico – en constante expansión, realizar breve inmersión en el mundo analítico actual y ser capaz de acceder a casos de éxito en distintos sectores.
  • Conocer el significado del concepto big data y de dónde surge esta manera de tratar los datos.
  • Aprender qué elementos conforman la elección de un análisis a través de big data.
  • Diferenciar entre big data y business intelligence y saber qué características específicas definen a cada metodología.
  • Tomar consciencia de la utilidad de la gestión de los datos en un entorno social, económico y empresarial.
  • Saber diferenciar los diferentes tipos de datos con los que podemos trabajar y las fuentes desde las que podemos extraerlos.
  • Conocer cómo deben tratarse estos datos y cómo debemos realizar el proceso de ejecución de ese tratamiento.
  • Conocer la problemática que encuentra el big data a la hora de realizar el almacenamiento masivo, recogida en el Teorema de Brewer o teorema CAP.
  • Adquirir conocimientos sobre los diferentes tipos de bases de datos disponibles en el mercado.
  • Saber qué funciones realiza MapReduce.
  • Saber diferenciar entre big data para fines analíticos u operacionales.
  • Conocer en qué consiste un proceso de ETL y qué se lleva a cabo en sus diferentes fases.
  • Aprender sobre la importancia de la creación de algoritmos en un proceso de big data.
  • Experimentar la utilidad de la creación de un dashboard para nuestra toma de decisiones en el negocio.
  • Saber las diferencias entre big data analytics, data mining y data science.
  • Conocer el alcance de análisis que pueden llevar a cabo con big data.
  • Tomar conciencia de para qué sirve cada herramienta aplicada big data.
  • Clarificar cuáles son las fases para desarrollar un buen proyecto de BD.
  • Adentrarnos estratégicamente en la analítica de nuestros clientes y en las diferentes técnicas.
  • Conocer cómo se llega a la segmentación de datos y de clientes.
  • Saber en qué consiste y cuál es la importancia del valor de la vida del cliente.
  • Conocer las principales características de R y RStudio.


  • Unidad 1: Antecedentes, definiciones y bases para un correcto entendimiento.

    • Origen y contextualización del big data.

      • Conceptos base del big data.

      • Orígenes.

      • Big data vs. Business intelligence.







  • Unidad 2: La importancia del dato.

    • Contextualización práctica de la productividad del dato.

    • Tipología de los datos.

    • Tratamiento del dato.

      • Estructura arquitectónica en big data







  • Unidad 3: Algunos conceptos técnicos de la analítica tradicional.

    • El Teorema de Brewer.

    • Las nuevas bases de datos.

      • Tipos de Bases de Datos NoSQL.



    • Procesamientos distribuidos. MapReduce.

      • Funcionamiento de MapReduce.

      • ¿Qué elementos son clave para la puesta en marcha de MapReduce?



    • Herramientas para fines operacionales vs analíticos.





  • Unidad 4: Representación de los datos.

    • Proceso de ETL. Del dato a la información.

      • Aplicaciones de los procesos ETL.



    • Análisis y creación de algoritmos I.

      • Análisis y creación de algoritmos II.



    • Dashboards como herramienta de visualización





  • Unidad 5: Introducción al Big Data.

    • Big data analytics.

      • Big data analytics, data mining y data science.



    • Herramientas fundamentales del big data analytics.

    • Futuro del big data.

    • Aplicaciones del bussiness intelligence y el big data.

      • ¿Qué nos aporta cada una?



    • Implantación de un proyecto de big data.

      • Fases de un proyecto de big data.







  • Unidad 6: Introducción a la analítica avanzada.

    • Customer analytics.

      • Fases del Customer Analytics.

      • Tipología de análisis.



    • Segmentación de los datos I.

      • Segmentación de los datos II.



    • Gestión del valor del cliente.

      • Técnicas de segmentación.

      • Analítica para la creación de perfiles.

      • Customer Lifetime Value.



    • Introducción al lenguaje R I.

      • Introducción al lenguaje R II.





Cursos relacionados

¿Quieres ver todas las acciones formativas relacionadas？

Ver todos