Maestría en Inteligencia de Negocio

«Esta asignatura representa una primera aproximación al fenómeno de la gobernanza basada en datos. Los estudiantes aprenderán a contextualizar las estrategias de Inteligencia de Negocio dentro del marco de los sistemas de apoyo a la toma de decisiones, el papel de la creciente disponibilidad de los datos, y cómo su uso íntegro permite el avance progresivo de ERP y contribuye a la mejora y aceleración de los procesos de la toma estratégica de decisiones en la empresa, lo cual se ha establecido recientemente como un elemento esencial de la estrategia empresarial competitiva.
Una vez que se comprenda su importancia, los estudiantes analizarán su alcance y contenido tanto como desarrollar un enfoque inicial al contenido, terminología, y técnicas específicos de este área. Los estudiantes también desarrollarán una base teórica de comprensión de los elementos principales de un sistema de información, lo cual sirve como introducción a dos temas dedicados a los elementos clave del diseño y la implantación de los sistemas ERP basados en datos, una estrategia de inteligencia de negocio, que van desde la arquitectura y el software a las técnicas y alternativas que ofrece el mercado para su implementación y uso.
La asignatura finaliza con un análisis de ciertos riesgos asociados a la responsabilidad que deberíamos tener en cuenta a la hora de desarrollar una estrategia de gobernanza corporativa basada en datos. Esto se refiere al hecho de que, en el proceso de recopilación, almacenaje, y uso de datos es posible provocar filtraciones de información personal de manera accidental, y por lo tanto la seguridad y protección son una parte necesaria del diseño y de la implementación de cualquier estrategia de gobernanza corporativa basada en datos.
Asimismo, se analizarán los aspectos éticos relacionados con el diseño e implementación de la gestión impulsada por datos. Por un lado, el objetivo es que los estudiantes conozcan la terminología exclusiva de la protección y privacidad de los datos, tanto como las normativas y regulaciones principales que determinan la protección legal de la privacidad de la información personal, sobre todo las leyes europeas con respecto a la protección y transferencia de datos a otros países. Los estudiantes examinarán las limitaciones éticas del uso de la información y el análisis de los datos masivos con respecto a la aplicación, monitorización, y seguimiento de los individuos, sus hábitos, y la oferta personalizada de bienes y servicios, sin limitar el conocimiento de las otras posibilidades que existen en el mercado.»

Esta asignatura aborda la importancia de la información para la toma de decisiones en una empresa y, específicamente, la toma de decisiones en el área de marketing.
La filosofía de marketing de relaciones ha posicionado al cliente en el centro de una empresa, y por lo tanto conocer al cliente se hace imprescindible para tomar decisiones en una organización corporativa, bien a la hora de lanzar un nuevo producto, cambiar la marca, o incluso la misma estructura de una organización. Por lo tanto, primero los estudiantes analizarán el valor de una estrategia de negocio centrada en el cliente, sus fundamentos, y lo que ofrece a las empresas en la época de la transformación digital y de los datos masivos.
El segundo tema se enfoca en la exploración de cómo el uso de la información ayuda en el proceso de toma de decisiones en cuanto a productos, precios, distribución, y comunicación.
El tercer tema se enfoca en la recopilación de datos y en los sistemas de información de marketing, tanto como su uso en la investigación del mercado y los distintos análisis según el tipo de variable examinado.
Por último, ya que las tecnologías informáticas permiten conocer los mercados en más profundidad, los estudiantes examinarán las áreas claves de la gestión de clientes online; un elemento fundamental del entorno actual.

La asignatura de Visualización Avanzada de Datos aborda todos los principios y técnicas necesarias para la visualización de datos. Los estudiantes comprenderán los datos a través de la visualización, y destacarán los problemas y soluciones que crean para las organizaciones.
A través de los principios básicos y una estrategia centrada en la visualización eficaz, los estudiantes podrán seleccionar la mejor estrategia para encontrar información a través de datos y comunicarla de forma eficaz utilizando los distintos medios disponibles. Específicamente, comprenderán los problemas que surgen desde la mala representación de datos y conocerán el rango amplio de posibilidades de diseño tanto como su sostenibilidad, según los tipos de datos disponibles y el objetivo. Asimismo, conocerán las herramientas más novedosas para la visualización de datos, tanto como su usabilidad, funcionalidad, coste, y disponibilidad.
También podrán crear un cuadro de mando eficaz para presentar la información, utilizando una de las herramientas más eficientes para la visualización de datos, con la que podrán presentar utilizando técnicas de storytelling para comunicar la información generada de forma eficaz para lograr objetivos.
Al final de la asignatura, a través de varios casos prácticos, los estudiantes tendrán los conocimientos suficientes para diseñar un proyecto de visualización de datos, elegir el tipo de presentación más apropiado para los datos y los objetivos de comunicación, generar cuadros de mano que permiten comunicar los resultados de forma visual, eficaz, y comprensible.

Esta asignatura les proporciona los estudiantes el conocimiento básico de la ciencia impulsada por los datos. La asignatura se divide en dos bloques El primero es una introducción a la ciencia de datos, y que se presentan las metodologías actuales tanto como las fases o ciclos de vida de los proyectos orientados a datos. El segundo bloque es más técnico y se dedica al análisis y modelado basados en datos.
El primer bloque presenta el concepto del ciclo de vida de un proyecto basado en ciencias de datos tanto como las técnicas de recopilación, preparación, y almacenaje de datos. Los estudiantes explorarán las técnicas de almacenaje para la información no estructurada y para los datos masivos.
El segundo bloque comienza con un conjunto de técnicas para el análisis de las estadísticas. Se incluyen las técnicas de análisis de la estadística, tanto descriptivo como concreto, y técnicas para analizar distintos tipos de datos, lo cual permite una comprensión de la relación entre las distintas variables que forman un sistema de información, y las técnicas del análisis multivariado de la estadística, siendo todas muy aplicables a los procesos corporativos para la toma de decisiones. En este bloque, las técnicas predictivas para la estimación cuantitativa de variables se explorarán a través de explicaciones teóricas y prácticas de los modelos de series temporales y su aplicación en el negocio en las previsiones de rendimiento (operacional, ventas, marketing, etc). Después, los estudiantes explorarán el concepto del aprendizaje automático, y aprenderán sus técnicas más importantes. Por último, analizarán las técnicas NLP para el análisis de datos de texto de fuentes no estructuradas.

El enfoque de esta asignatura está en los fundamentos de la tecnología informática y en los bases de datos necesarios para comprender las soluciones de inteligencia de negocio. Proporciona el lenguaje y los principios tecnológicos más básicos para interactuar correctamente con los perfiles técnicos y con los equipos de proyecto dentro de la inteligencia de negocio.
El primer bloque de la asignatura se dedica a la infraestructura de la tecnología informática, y el segundo a los fundamentos de la inteligencia de negocio. El primer bloque incluye dos temas dedicados a los componentes principales de la infraestructura de la tecnología informática (plataformas de hardware, sistemas operativos, aplicaciones de negocio), redes informáticas (locales, globales, e inalámbricas), la seguridad de redes informáticas, herramientas de protección para recursos informáticos, y la computación nube, enfocados en los servicios disponibles y en la infraestructura necesaria. El objetivo es facilitarles a los estudiantes un conocimiento básico de estas tecnologías.
El segundo bloque se dedica a los bases de datos, sus objetivos, funcionalidad, arquitectura, y modelos. La asignatura se centra en el estudio de las relaciones de bases de datos, analizando los modelos relacionados y los lenguajes de consulta. También aborda el diseño de bases de datos basado en el modelado de la relación de entidades. El último tema proporciona información sobre los fundamentos tecnológicos de la inteligencia de negocio, la integración y almacenaje de datos, y el procesamiento analítico online. Asimismo se explorarán las diferencias entre la inteligencia de negocio y la analítica de negocio.

El objetivo de la asignatura de Gestión de Proyectos de Inteligencia de Negocio es combinar los conocimientos adquiridos en las asignaturas anteriores para enseñar de forma efectiva cómo gestionar un proyecto de inteligencia de negocio hoy día.
Esta asignatura demuestra la importancia de los datos, las fuentes de datos, y el tratamiento como herramientas claves para los proyectos. A través de un repaso de la historia de las metodologías para la transformación del negocio, los estudiantes conocerán las estrategias más modernas para el lanzamiento e implementación de la transformación del negocio basada en la información ofrecida por los sistemas de inteligencia de negocio.
Conocerán los elementos y tecnologías de apoyo necesarios para aplicar un proyecto, tanto como la diferencia principal entre un proyecto de inteligencia de negocio y uno de software de negocio.
Se destacará esta diferencia, tanto como las idiosincrasias de los proyectos basados en los datos y la información, y se analizarán los procesos de un proyecto comprensivo de inteligencia de negocio de principio a fin, enfocándose en todos los elementos y personas claves.
Los estudiantes aprenderán a diseñar la arquitectura de un proyecto, profundizando en los recursos tecnológicos, el acceso a los datos, y la definición de indicadores y reportes generados por el sistema.
Por último, se examinarán ciertos factores determinantes para el éxito a la hora de gestionar un proyecto de inteligencia de negocio, los medios para asegurar el éxito, y estudios prácticos para la implementación de un proyecto se presentarán para ayudar a identificar los elementos que fomentan y que impiden el éxito.
En resumen, el objetivo de la asignatura es proporcionarles a los estudiantes todas las competencias necesarias para implementar un proyecto de inteligencia de negocio basado en datos con éxito en una organización.

El proyecto fin de máster es el último paso para terminar el programa. Los estudiantes crearán un trabajo original e inédito en el que aplican y desarrollan los conocimientos y competencias adquiridas a lo largo del programa. Es un proyecto obligatorio que se realizará al final del programa bajo la supervisión de un profesor asignado. Asimismo, el proyecto se defenderá ante un comité evaluador para poder recibir una nota aprobatoria.

La asignatura de Inteligencia de Negocio Aplicada proporciona una formación en todos los aspectos transversales de la inteligencia de negocio para lograr una perspectiva clara sobre la aplicación de todas las técnicas analizadas.
Para ello, los estudiantes deben examinar la evolución del ámbito corporativo y su situación actual para comprender las amenazas y las oportunidades a las que se enfrenta. Asimismo, los estudiantes conocerán el proceso actual de toma de decisiones que se pone en práctica en todo el mundo, el cual requiere información continuamente actualizada.
Para poder lograr el cambio organizacional en una empresa y adaptarla al medioambiente actual, aprovechando las oportunidades y eliminando amenazas, los estudiantes examinarán los requisitos de la cultura corporativa basada en el análisis y las necesidades de recursos humanos que surgen en el ámbito actual.
Para concluir y obtener una perspectiva global sobre la aplicación de la inteligencia de negocio, los estudiantes explorarán los modelos de negocio basados en información y los datos que generan para generar un beneficio para la corporación, y la aplicación de marketing, producción, y logística; dos aspectos claves del negocio.
Con todas estas competencias, y las otras adquiridas en las asignaturas anteriores, los estudiantes podrán gestionar la implementación de una estrategia de inteligencia de negocio en cualquier tipo de corporación. Asimismo, conocerán casos que les permitirán comprender las las decisiones que han llevado al éxito o al fracaso para las empresas.

El objetivo de esta asignatura es proporcionarles a los estudiantes unas herramientas de gestión de información de negocio; desde la recopilación de datos hasta las tecnologías necesarias para el tratamiento y modelado para garantizar una gestión eficaz, eficiente, y viable para los clientes. En este sentido, la asignatura facilita una comprensión no solo de la importancia de la gestión adecuada y eficaz de la información en el entorno actual de marketing, sino también de la evolución de las plataformas tecnológicas que apoyan este tipo de gestión.
El contenido de la asignatura está relacionado con las siguientes áreas:
Orientación de nuevas estrategias de negocio: desde el enfoque centrado en el producto al enfoque centrado en el cliente.
Procesos de recopilación, enriquecimiento, y cualificación: se explorarán los procesos necesarios para recopilar información del cliente, tanto como las metodologías existentes para la implementación y las fuentes externas de información (OpenData) que permiten la incorporación de distintos tipos de información más allá de lo puramente transaccional (un factor muy importante a la hora de generar mensajes relevantes para clientes según sus gustos y preferencias).
Análisis de información gráfica (geomarketing) y cómo este tipo de análisis supone un apoyo fundamental para la toma de decisiones en el contexto de micromarketing.
Sistema de gestión de relaciones con los clientes: sus componentes y objetivos tanto como los beneficios para las empresas y sus clientes.
Comercio omnicanal: esta tendencia actual, ahora una realidad en muchas empresas, consiste en cambiar el enfoque de las estrategias de contacto con el consumidor de «multicanal» a «omnicanal».
o Pasos necesarios a la hora de implementar una estrategia de contacto omnicanal.
o Proceso de gestión del cliente: públicos / objetivos
o El concepto del «recorrido del cliente»: definición, según el tipo de cliente y/o los objetivos, y sus beneficios.
o El concepto «gatillo»: definición según el proceso operacional y/o transaccional.

En esta asignatura, los estudiantes adquirirán las competencias necesarias para poner el análisis de la estadística multivariante en práctica, y sus objetivo principal es destacar el papel de la estadística en la toma de decisiones de marketing.
En esta asignatura, los estudiantes explorarán las técnicas de análisis multivariante (métodos de dependencia e interdependencia), las cuales se pueden aplicar directamente a los procesos de marketing. Los estudiantes conocerán las técnicas de análisis de factor, entre otras, que tienen un rango amplio de aplicaciones (lanzamiento de nuevos productos…) por su capacidad de reducir las dimensiones de un problema de negocio a través de la agregación de las variables que lo define.
Asimismo, la asignatura les aporta conocimientos a los estudiantes sobre las técnicas de estadística que son fundamentales para medir la eficacia de las acciones de marketing (lo cual es sumamente útil a la hora de optimizar los presupuestos de marketing), a la vez que combina su teoría econométrica con su aplicación práctica en la previsión de ventas, la cuantificación de los efectos de las acciones de ventas en el mercado, y el cálculo de la rentabilidad.
El concepto de la asignatura se enfoca en:
Procesos de análisis de estadística multivariante descriptivos, inferenciales, y predictivos (métodos de dependencia e interdependencia).
Las técnicas predictivas para estimar las variables cuantitativas, a través de la explicación teórica y práctica de los modelos de series temporales (ARIMA y VAR) tanto como su aplicación en el marketing para prever ventas.
Los modelos de respuesta de mercado ante dos decisiones principales de marketing; promoción y precio.
Técnicas para estimar la elasticidad de la demanda a distintos niveles de precio: procesos para determinar los precios óptimos (pricing).

Esta asignatura se enfoca en las siguientes áreas:
Explorar los pasos existentes en el proceso de inteligencia de marketing, que parten desde la inteligencia del cliente para poner en práctica estos conocimientos.
Cómo llevar a cabo una segmentación estrategia de clientes, los beneficios de un enfoque en marketing (priorización del tratamiento y distribución de inversiones) tanto como los métodos avanzados de segmentación que se deberían utilizar, las métricas, y los procesos de aprendizaje para la optimización del objetivo.
Ciclo de vida del cliente: fases y puntos de contacto, el valor del ciclo de vida del cliente, y cómo esta información se debe considerar a la hora de diseñar planes de marketing.
Definición y creación de modelos RFM (reciente, frecuente, monetario), que establecen una perspectiva segmentada y estratégica sobre los clientes.
Metodologías que permiten llevar a cabo la identificación de acciones óptimas de venta, minimizando los costes de dilución y facilitando la sostenibilidad.
El proceso correcto para medir los resultados obtenidos de las estrategias de marketing, tanto a nivel táctico como global.
El desarrollo de distintos modelos predictivos a través de la explicación de distintas metodologías y de los beneficios que ofrece este tipo de modelado a las estrategias de marketing.