BIG DATA PARA EL BUSINESS INTELLIGENCE

• Analizar los beneficios de la implementación del Big Data en la empresa.

• Conocer la arquitectura del Big Data.

• Conocer las infraestructuras necesarias para la aplicación de Big Data y cómo se lleva a cabo su implementación.

• Enumerar las siete categorías diferentes en las que se divide un ecosistema de Big Data.

• Desarrollar la función Map y la función Reduce.

• Definir en qué consiste la tecnología Hadoop, sus conceptos básicos y los conceptos básicos de arquitectura.

• Enumerar las fases del plan experimental y desarrollar en qué consiste cada una de ellas.

• Identificar los tipos de formatos de datos y de modelos estadísticos.
• Analizar los beneficios de los sistemas Big Data, las ventajas y desventajas que tiene su uso.
• Enumerar y desarrollar los distintos sectores que se encuentran a la hora de aplicar el Big Data.
• Enumerar y desarrollar cuáles son las herramientas de visualización de Big Data.
• Definir qué es el Thick Data y cuáles son sus características.
• Conocer los tipos de algoritmos: algoritmos en Big Data.
• Analizar el sistema Machine Learning: definición, tipos y modelos.
• Profundizar la intervención del Big Data en el sector bancario y qué beneficios tiene.

Tema 1. Contexto, aplicación y funcionamiento del Big Data.

1. Introducción al contexto, aplicación, funcionamiento del Big Data.
2. Contexto a la aplicación del Big Data.
3. Aplicación de Big Data a las empresas.
4. Plan de implementación del Big Data.
5. Funcionamiento del Big Data.

Tema 2. Arquitectura y herramientas utilizadas en el Big Data.

1. Introducción a la arquitectura y herramientas utilizadas en el Big Data.
2. Definición de la arquitectura del Big Data.
3. Recolección y almacenamiento en el sistema Big Data.
4. Procesamiento y análisis del sistema Big Data.
5. Visualización e informes del Big Data.
6. Herramientas y proveedores del Big Data.

Tema 3. Creación y desarrollo de aplicaciones útiles.

1. Introducción a la arquitectura y herramientas utilizadas en el Big Data.
2. Etapas en el desarrollo de una solución Big Data.
3. Arquitectura y tipo de tecnologías aplicadas Big Data.
4. Infraestructura para aplicaciones Big Data.
5. Implementación para aplicaciones Big Data.
6. Ejemplo de aplicación real.

Tema 4. Tecnologías utilizadas. Mapreduce, Hadoop.

1. Introducción a la arquitectura y herramientas utilizadas en el Big Data.
2. Ecosistema de las tecnologías del Big Data.
3. Tecnología MapReduce.
4. Tecnología Hadoop.
5. Tecnologías compatibles con Hadoop y Mapreduce.
6. Otras tecnologías importantes de Big Data.

Tema 5. Diseño de experimentos con visualizaciones y modelo estadístico.

1. Introducción diseño de experimentos con visualizaciones y modelo estadístico.
2. Definición y conceptos básicos de estadística.
3. Diseño teórico de experimentos.
4. Tipos de visualizaciones en los datos.
5. Tipos de modelos estadísticos.
6. Evaluación de resultados.

Tema 6. Otras herramientas útiles.

1. Introducción a otras herramientas útiles.
2. Herramienta Big Data analytics.
3. Ejemplo de BBVA con Big Data analytics.
4. Herramientas de visualización de Big Data.
5. ¿Qué es el Thick Data?
6. ¿Qué es el CRM?

Tema 7. Ejemplos de aplicación exitosa con Big Data.

1. Introducción ejemplos de aplicación exitosa con Big Data.
2. Ejemplos de aplicación en el sector bancario.
3. Ejemplos de aplicación en el sector seguros.
4. Ejemplos de aplicación en la salud.
5. Ejemplos de aplicación en deportes.
6. Ejemplos de aplicación en otros sectores.