Máster de Formación Permanente en Business Intelligence y Big Data

Si quieres dominar el arte y la ciencia de convertir datos en insights accionables, esta completa formación te ofrece la posibilidad de aprender de forma dinámica a analizar, visualizar y aplicar datos para impulsar la toma de decisiones basadas en datos en cualquier sector.

Matricularme

Precio

2.195€

Metodología

100% Online

Duración

12 meses

Créditos

60 ECTS

Información

En esta era de la información, ser experto del análisis de datos y la inteligencia empresarial es de vital importancia. Este máster te mostrará técnicas avanzadas de business intelligence y big data, preparándote para liderar la transformación digital y la toma de decisiones basada en datos en las organizaciones.

Para qué te prepara

Este máster te ofrece los conocimientos adecuados para poder enfrentarte y superar los desafíos actuales del mercado, enseñándote a utilizar herramientas y técnicas avanzadas de visualización de datos, implementar estrategias de analítica web, y aprovechar el potencial de lenguajes como Python y R para análisis de datos.

Objetivos

- Dominar herramientas de visualización de datos como Tableau, Power BI, y D3.
- Aplicar analítica web con Google Analytics y Google Tag Manager.
- Desarrollar estrategias de SEO y SEM.
- Utilizar Python y R para análisis de datos avanzado.

A quién va dirigido

Este máster está diseñado para impulsar la carrera de distintos profesionales en el campo del análisis de datos:
- Estudiantes y recién graduados que buscan especializarse en BI y big data para entrar al mercado laboral con fuertes competencias analíticas.
- Profesionales en activo que quieran ampliar sus conocimientos en análisis y gestión de datos.
- Analistas y consultores de datos en busca de profundizar en técnicas avanzadas y herramientas específicas del sector.
- Gestores de proyectos interesados en integrar la analítica de datos en la toma de decisiones empresariales.

Contenido del máster

MÓDULO 1. TRANSFORMACIÓN DIGITAL
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL LA TRANSFORMACIÓN DIGITAL
  1. Introducción a la transformación digital
  2. Concepto de innovación
  3. Concepto de tecnología
  4. Tipología de la tecnología
  5. Punto de vista de la ventaja competitiva
  6. Según su disposición en la empresa
  7. Desde el punto de vista de un proyecto
  8. Otros tipos de tecnología
  9. La innovación tecnológica
  10. Competencias básicas de la innovación tecnológica
  11. El proceso de innovación tecnológica
  12. Herramientas para innovar
  13. Competitividad e innovación
UNIDAD DIDÁCTICA 2. LA SOCIEDAD 3.0
  1. Filosofía Web 3.0 y su impacto en el mundo empresarial
  2. Socialización de la Web
  3. Adaptación del mundo empresarial a las Nuevas tecnologías
UNIDAD DIDÁCTICA 3. NUEVO ECOSISTEMA DIGITAL
  1. Community Manager
  2. Chief Data Officer
  3. Data Protection Officer
  4. Data Scientist
  5. Otros perfiles
  6. Desarrollo de competencias informáticas
  7. El Papel del CEO como líder en la transformación
UNIDAD DIDÁCTICA 4. NUEVOS MODELOS DE NEGOCIO EN EL ENTORNO DIGITAL
  1. La transición digital del modelo de negocio tradicional
  2. Nuevos modelos de negocio
  3. Freemium
  4. Modelo Long Tail
  5. Modelo Nube y SaaS
  6. Modelo suscripción
  7. Dropshipping
  8. Afiliación
  9. Infoproductos y E-Learning
  10. Otros
UNIDAD DIDÁCTICA 5. PLAN DE TRANSFORMACIÓN DIGITAL
  1. Diagnóstico de la madurez digital de la empresa
  2. Análisis de la innovación en la empresa
  3. Elaboración del roadmap
  4. Provisión de financiación y recursos tecnológicos
  5. Implementación del plan de transformación digital
  6. Seguimiento del plan de transformación digital
UNIDAD DIDÁCTICA 6. CASOS DE ÉXITO EN LA TRANSFORMACIÓN DIGITAL
  1. BBVA y la empresa inteligente
  2. DKV Salud y #MédicosfrentealCOVID
  3. El Corte Inglés
  4. Cepsa y su apuesta por los servicios cloud de AWS
UNIDAD DIDÁCTICA 7. EL NUEVO CLIENTE DIGITAL
  1. Rediseñando el customer experience
  2. La transformación de los canales de distribución: omnicanalidad
  3. Plan de marketing digital
  4. Buyer´s Journey
  5. Growth Hacking: estrategia de crecimiento
  6. El nuevo rol del marketing en el funnel de conversión
UNIDAD DIDÁCTICA 8. NUEVOS MERCADOS, NUEVAS OPORTUNIDADES
  1. Oportunidades de innovación derivadas de la globalización
  2. Como inventar mercados a través de la innovación
  3. Etapas de desarrollo y ciclos de vida
  4. Incorporación al mercado
  5. Metodologías de desarrollo
UNIDAD DIDÁCTICA 9. LA INNOVACIÓN EN LOS PROCESOS ORGANIZATIVOS
  1. La transformación digital de la cadena de valor
  2. La industria 4.0
  3. Adaptación de la organización a través del talento y la innovación
  4. Modelos de proceso de innovación
  5. Gestión de innovación
  6. Sistema de innovación
  7. Cmo reinventar las empresas innovando en procesos
  8. Innovación en procesos a través de las TIC
  9. El comercio electrónico: Innovar en los canales de distribución
  10. Caso de estudio voluntario: La innovación según Steve Jobs
  11. Caso Helvex: El cambio continuo
  12. La automatización de las empresas: RPA, RBA y RDA
MÓDULO 2. BIG DATA & BUSINESS INTELLIGENCE FUNDAMENTALS
UNIDAD DIDÁCTICA 1. LA REVOLUCIÓN DE LOS DATOS MASIVOS: BIG DATA Y THICK DATA
  1. Qué es big data
  2. Qué es thick data y cuál es el matiz para diferenciar ambos términos
  3. El gran auge del big data
  4. La importancia de almacenar y extraer información
  5. Cuál es el papel de las fuentes de datos
  6. Soluciones novedosas gracias a la selección de datos
  7. Naturaleza de las fuentes de datos big data
UNIDAD DIDÁCTICA 2. TOMA DE DECISIONES INTELIGENTES
  1. Thick data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
  2. Fases en un proyecto de big data
  3. Big data enfocado a los negocios
  4. Apoyo del big data en el proceso de toma de decisiones
  5. Toma de decisiones operativas
UNIDAD DIDÁCTICA 3. CÓMO HACER CRECER UN NEGOCIO A TRAVÉS DEL BIG DATA Y SUS APLICACIONES
  1. Marketing estratégico y big data
  2. Open data
  3. Ejemplo de uso de open data
  4. IoT (Internet of Things o Internet de las Cosas)
UNIDAD DIDÁCTICA 4. BIG DATA EN DIFERENTES SECTORES
  1. Relación entre inteligencia artificial y big data
  2. IA y big data combinados
  3. El papel del big data en IA
  4. Big data en salud
  5. Necesidad de big data en la asistencia sanitaria
  6. Retos del big data en salud
  7. Big data y people analytics en RRHH
UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
  1. Definiendo el concepto de business intelligence y sociedad de la información
  2. Arquitectura de una solución business intelligence
  3. Business intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas operacionales y procesos ETL en un sistema de BI
  6. Ventajas y factores de riesgos del business intelligence
UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y técnicas de data mining
  4. Áreas de aplicación
  5. Minería de textos y web mining
  6. Data mining y marketing
UNIDAD DIDÁCTICA 8. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 9. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
  1. Visión general: ¿Por qué DataWarehouse?
  2. Estructura y construcción
  3. Fases de implantación
  4. Características
  5. DataWarehouse en la nube
UNIDAD DIDÁCTICA 10. INTERNET DE LAS COSAS
  1. Contexto de Internet de las Cosas (IoT)
  2. Qué es IoT
  3. Elementos que componen el ecosistema IoT
  4. Arquitectura IoT
  5. Dispositivos y elementos empleados
  6. Ejemplos de uso
  7. Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 11. STORYTELLING
  1. Qué es el data storytelling
  2. Elementos clave del data storytelling
  3. Por qué es importante el data storytelling
  4. Cómo hacer data storytelling
UNIDAD DIDÁCTICA 12. ECOSISTEMA HADOOP
  1. Qué es Hadoop y su relación con big data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark
MÓDULO 3. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
  1. Qué es la ciencia de datos
  2. Herramientas necesarias para el científico de datos
  3. Data science & cloud computing
  4. Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL: Una base de datos relacional
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
  1. Qué es una base de datos NoSQL
  2. Bases de datos relaciones vs bases de datos NoSQL
  3. Tipo de bases de datos NoSQL - Teorema de CAP
  4. Sistemas de bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
  1. Qué es MongoDB
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera base de datos NoSQL: Modelo e inserción de datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING
  1. Qué es Weka
  2. Técnicas de data mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos
UNIDAD DIDÁCTICA 6. PENTAHO
  1. Una aproximación a Pentaho
  2. Soluciones que ofrece Pentaho
  3. MongoDB & Pentaho
  4. Hadoop & Pentaho
  5. Weka & Pentaho
UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA
  1. Introducción a R
  2. Qué necesitas
  3. Tipos de datos
  4. Estadística descriptiva y predictiva con R
  5. Integración de R en Hadoop
UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis
UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS
  1. Inteligencia analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados
MÓDULO 4. DATA MINING, INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO
UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS
  1. Minería de datos
  2. Qué podemos hacer con data Mining
  3. Qué usos puede tener el data Mining
  4. Metodología de la minería de datos
  5. Algunas técnicas estadísticas utilizadas en data mining
  6. Árboles de decisión
  7. Reglas de inducción
  8. Redes Bayesanas
  9. Algoritmos Genéticos
UNIDAD DIDÁCTICA 2. CICLO DATA MINING
  1. Ciclo data mining
  2. Minería de textos y web mining
  3. Data mining y marketing
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
  1. Introducción a la inteligencia artificial
  2. Historia
  3. La importancia de la IA
UNIDAD DIDÁCTICA 4. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
  1. Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 5. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
  1. Relación entre inteligencia artificial y big data
  2. IA y big data combinados
  3. El papel del big data en IA
  4. Tecnologías de IA que se están utilizando con big data
UNIDAD DIDÁCTICA 6. SISTEMAS EXPERTOS
  1. Sistemas expertos
  2. Estructura de un sistema experto
  3. Inferencia: Tipos
  4. Fases de construcción de un sistema
  5. Rendimiento y mejoras
  6. Dominios de aplicación
  7. Creación de un sistema experto en C#
  8. Añadir incertidumbre y probabilidades
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
  1. Introducción
  2. Clasificación de algoritmos de aprendizaje automático
  3. Ejemplos de aprendizaje automático
  4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
  5. Tipos de algoritmos de aprendizaje automático
  6. El futuro del aprendizaje automático
UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
  1. Introducción
  2. Algoritmos
UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
  1. Introducción
  2. Filtrado colaborativo
  3. Clusterización
  4. Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
  1. Clasificadores
  2. Algoritmos
UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
  1. Componentes
  2. Aprendizaje
UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
  1. Introducción
  2. El proceso de paso de DSS a IDSS
  3. Casos de aplicación
MÓDULO 5. ANÁLISIS DE DATOS CON PYTHON
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS
  1. Qué es el análisis de datos
UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB
  1. Análisis de datos con NumPy
  2. Pandas
  3. Matplotlib
UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS
  1. Cómo usar loc en Pandas
  2. Cómo eliminar una columna en Pandas
UNIDAD DIDÁCTICA 4. PIVOT TABLES
  1. Pivot tables en pandas
UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN
  1. El grupo de pandas
UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES
  1. Python Pandas fusionando marcos de datos
UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN
  1. Matplotlib
  2. Seaborn
UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING
  1. Aprendizaje automático
UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA
  1. Regresión lineal
  2. Regresión logística
UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES
  1. Estructura de árbol
UNIDAD DIDÁCTICA 11. NAIVE BAYES
  1. Algortimo de Naive Bayes
  2. Tipos de Naive Bayes
UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)
  1. Máquinas de vectores soporte (Support Vector Machine-SVM)
  2. Cómo funciona SVM
  3. Núcleos SVM
  4. Construcción de clasificador en Scikit-learn
UNIDAD DIDÁCTICA 13. KNN
  1. K-nearest Neighbors (KNN)
  2. Implementación de Python del algoritmo KNN
UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)
  1. Análisis de componentes principales
UNIDAD DIDÁCTICA 15. RANDOM FOREST
  1. Algoritmo de Random Forest
MÓDULO 6. DATA VISUALIZATION
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
  1. Qué es la visualización de datos
  2. Importancia y herramientas de la visualización de datos
  3. Visualización de datos: Principios básicos
UNIDAD DIDÁCTICA 2. TABLEAU
  1. Qué es Tableau: Usos y aplicaciones
  2. Tableau Server: Arquitectura y Componentes
  3. Instalación de Tableau
  4. Espacio de trabajo y navegación
  5. Conexiones de datos en Tableau
  6. Tipos de filtros en Tableau
  7. Ordenación de datos, grupos, jerarquías y conjuntos
  8. Tablas y gráficos en Tableau
UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
  1. Fundamentos D3
  2. Instalación D3
  3. Funcionamiento D3
  4. SVG
  5. Tipos de datos en D3
  6. Diagrama de barras con D3
  7. Diagrama de dispersión con D3
UNIDAD DIDÁCTICA 4. LOOKER
UNIDAD DIDÁCTICA 5. QLIKVIEW
  1. Instalación y arquitectura
  2. Carga de datos
  3. Informes
  4. Transformación y modelo de datos
  5. Análisis de datos
UNIDAD DIDÁCTICA 6. GOOGLE CHART
UNIDAD DIDÁCTICA 7. CHARTBLOCKS
UNIDAD DIDÁCTICA 8. INFOGRAM
UNIDAD DIDÁCTICA 9. LEAFLET
UNIDAD DIDÁCTICA 10. CARTO
MÓDULO 7. POWER BI
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A POWER BI
  1. Qué es Power BI
  2. Funciones de Power BI
  3. Versiones de Power BI
  4. Roles de Power BI
  5. Planificación de proyectos con Power BI
UNIDAD DIDÁCTICA 2. INSTALACIÓN DE POWER BI
  1. Instalación y puesta en marcha
  2. Conexión de datos a Power BI
  3. Filtrado de datos
  4. Vista de datos
UNIDAD DIDÁCTICA 3. MODELADO DE DATOS
  1. Introducción al modelado de datos
  2. Creación de medidas
  3. Creación y relación entre tablas
  4. Creación de columnas y medidas calculadas
  5. Dinamizar columnas
  6. Fórmulas de consulta
UNIDAD DIDÁCTICA 4. VISUALIZACIÓN DE DATOS
  1. Creación de gráficas
  2. Tablas dinámicas
  3. Segmentación de datos
  4. Uso de objetos visuales
  5. Formas y cuadros de texto
  6. Imágenes
  7. Matrices y tablas
  8. Cómo crear un velocímetro
  9. Mapas
  10. Slicers
  11. Cómo modificar colores
UNIDAD DIDÁCTICA 5. DASHBOARDS
  1. Uso del dashboard
  2. Compartir dashboards
  3. Añadir widgets
  4. Cómo crear reportes
  5. Ajustes del panel
  6. Preguntas y respuestas del dashboard
UNIDAD DIDÁCTICA 6. USO COMPARTIDO DE DATOS
  1. Exportar datos de Power BI a Excel
  2. Exportar dashboards
  3. Crear paquetes de contenido
  4. Presentación de informes
  5. Cómo públicar y compartir informes
  6. Introducción a Power BI mobile
MÓDULO 8. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2
UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R
  1. Introducción a Gplot
  2. El paquete ggplot2
UNIDAD DIDÁCTICA 2. EJES
  1. Cambiar títulos de eje
  2. Aumentar el espacio entre ejes y títulos de ejes
  3. Cambiar la estética de los títulos de Axis
  4. Cambiar la estética del texto del eje
  5. Texto del eje de rotación
  6. Eliminar texto de eje y marcas
  7. Eliminar títulos de eje
  8. Límite del rango del eje
  9. Forzar el trazado para que comience en el origen
  10. Ejes con la misma escala
  11. Usar una función para modificar etiquetas
UNIDAD DIDÁCTICA 3. TÍTULOS
  1. Añade un título
  2. Ajustar la posición de los títulos
  3. Use una fuente no tradicional en su título
  4. Cambiar espaciado en texto de varias líneas
UNIDAD DIDÁCTICA 4. LEYENDAS
  1. Trabajando con leyendas
  2. Apaga la leyenda
  3. Eliminar títulos de leyenda
  4. Cambiar la posición de la leyenda
  5. Cambiar la dirección de la leyenda
  6. Cambiar el estilo del título de la leyenda
  7. Cambiar título de leyenda
  8. Cambiar el orden de las claves de leyenda
  9. Cambiar etiquetas de leyenda
  10. Cambiar cuadros de fondo en la leyenda
  11. Cambiar el tamaño de los símbolos de leyenda
  12. Dejar una capa fuera de la leyenda
  13. Adición manual de elementos de leyenda
  14. Usar otros estilos de leyenda
UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA
  1. Cambiar el color de fondo del panel
  2. Cambiar líneas de cuadrícula
  3. Cambiar el espaciado de las líneas de cuadrícula
  4. Cambiar el color de fondo de la trama
UNIDAD DIDÁCTICA 6. MÁRGENES
  1. Trabajar con márgenes
UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES
  1. Trabajar con gráficos de paneles múltiples
  2. Crear múltiplos pequeños basados en una variable
  3. Permitir que los ejes deambulen libremente
  4. Uso facet_wrapcon dos variables
  5. Modificar el estilo de los textos de la tira
  6. Crear un panel de diferentes parcelas
UNIDAD DIDÁCTICA 8. COLORES
  1. Trabajar con colores
  2. Especificar colores individuales
  3. Asignar colores a las variables
  4. Variables cualitativas
  5. Seleccionar manualmente colores cualitativos
  6. Utilice paletas de colores cualitativas integradas
  7. Use paletas de colores cualitativos de paquetes de extensión
  8. Variables cuantitativas
  9. La paleta de colores Viridis
  10. Usar paletas de colores cuantitativas de paquetes de extensión
  11. Modificar paletas de colores después
UNIDAD DIDÁCTICA 9. TEMAS
  1. Cambiar el estilo de trazado general
  2. Cambiar la fuente de todos los elementos de texto
  3. Cambiar el tamaño de todos los elementos de texto
  4. Cambiar el tamaño de todos los elementos de línea y rectángulo
  5. Crea tu propio tema
  6. Actualizar el tema actual
UNIDAD DIDÁCTICA 10. LÍNEAS
  1. Agregar líneas horizontales o verticales a un gráfico
  2. Agregar una línea dentro de un gráfico
  3. Agregar líneas curvas y flechas a un gráfico
UNIDAD DIDÁCTICA 11. TEXTO
  1. Agregue etiquetas
  2. Agregar anotaciones de texto
  3. Use Markdown y HTML Rendering para anotaciones
UNIDAD DIDÁCTICA 12. COORDENADAS
  1. Voltear una parcela
  2. Arreglar un eje
  3. Invertir un eje
  4. Transformar un eje
  5. Circularizar una parcela
UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS
  1. Alternativas a un diagrama de caja
  2. Crear una representación de alfombra en un gráfico
  3. Crear una matriz de correlación
  4. Crear un gráfico de contorno
  5. Crear un mapa de calor
  6. Crear un diagrama de cresta
UNIDAD DIDÁCTICA 14. CINTAS
  1. Trabajar con cintas (AUC, CI, etc.)
UNIDAD DIDÁCTICA 15. SUAVIZADOS
  1. Agregar un suavizado LOESS o GAM
UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS
  1. Trabajar con gráficos interactivos
MÓDULO 9. ANALÍTICA WEB
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB
  1. Qué es la analítica web
  2. Establecimiento de objetivos y KPIs
  3. Métricas principales y avanzadas
  4. Objetivos y ventajas de medir
  5. Plan de medición
UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4
  1. Introducción a Google Analytics 4
  2. Interfaz
  3. Métricas y dimensiones
  4. Informes básicos
  5. Filtros
  6. Segmentos
  7. Eventos
  8. Informes personalizados
  9. Comportamiento de los usuarios e interpretación de datos
UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER
  1. Introducción a GTM
  2. Implementación con GTM
  3. Medición con GTM
  4. Uso de Debug/Preview Mode
UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN
  1. La atribución
  2. Multicanalidad
  3. Customer Journey
  4. Principales modelos de atribución
  5. Modelos de atribución personalizados
UNIDAD DIDÁCTICA 5. LOOKER STUDIO (GOOGLE DATA STUDIO)
  1. Visualización de datos
  2. Tipologías de gráficos
  3. Fuentes de datos
  4. Creación de informes
UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO
  1. Introducción al SEO
  2. Historia de los motores de búsqueda
  3. Componentes de un motor de búsqueda
  4. Organización de resultados en un motor de búsqueda
  5. La importancia del contenido
  6. El concepto de autoridad en Internet
  7. Campaña SEO
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM
  1. Introducción al SEM
  2. Principales conceptos en SEM
  3. Sistema de pujas y calidad del anuncio
  4. Primer contacto con Google Ads
  5. Creación de anuncios con calidad
  6. Indicadores clave de rendimiento en SEM
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES
  1. Análisis del tráfico en redes sociales
  2. Fijar objetivos en redes sociales
  3. Facebook
  4. Twitter
  5. YouTube
  6. LinkedIn
  7. TikTok
  8. Instagram
UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS
  1. Usabilidad
  2. Mapas de calor
  3. Grabaciones de sesiones de usuario
  4. Ordenación de tarjetas
  5. Test A/B
  6. Test multivariante
  7. KPI, indicadores clave de rendimiento
  8. Cambios a realizar para optimizar una página web
UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB
  1. Hotjar
  2. Microsoft Power BI
  3. Google Search Console
  4. Matomo
  5. Awstats
  6. Chartbeat
  7. Adobe Analytics
UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO
  1. Qué son las cookies
  2. Tipos de cookies
  3. GDPR
  4. Herramientas para manejar el consentimiento de cookies
MÓDULO 10. PROYECTO FIN DE MÁSTER

Salidas profesionales

Al finalizar este máster, estarás preparado para una amplia gama de roles en la industria del análisis de datos, incluyendo:
- Analista de datos: Interpretando y extrayendo valor de grandes volúmenes de datos.
- Especialista en visualización de datos: Transformando datos en representaciones gráficas comprensibles.
- Analista de negocios: Utilizando datos para informar decisiones estratégicas.
- Consultor de BI: Ayudando a las empresas a implementar soluciones de BI para mejorar su toma de decisiones.

Nuestra metodología

Contenidos actualizados
por especialistas
del sector

Plataforma de aprendizaje avanzada con inteligencia artificial integrada

Aprendizaje experiencial mediante participación activa del estudiante

Flexibilidad y
adaptabilidad del proceso formativo

Enfoque interdisciplinario

Flexibilidad y
adaptabilidad del proceso formativo

Titulación universitaria

Solicitar información / matriculación

Rellena este formulario para más información sobre cualquiera de nuestras formaciones o si deseas matricularte en alguno de ellas

Gracias, tu solicitud ha sido enviada con éxito. En breve nos pondremos en contacto contigo.
Oops! Parece que ha existido un error.
© 2024 OpenWebinars. Todos los derechos reservados
Términos y Condiciones de UsoPolítica de PrivacidadCookies