Se trata de una asignatura que no es complicada conceptualmente pero sí tiene una destacada componente tecnológica.
Los contenidos teóricos se han organizado en 10 unidades que se agrupan temáticamente de la siguiente forma:
• Bloque 1: ¿Qué es el Business Intelligence?
Tema 1: Introducción al Business Intelligence y a la Minería de Datos
En este tema introducimos de forma general esta disciplina y mostramos ejemplos de su uso para ilustrar las ventajas que puede aportar a las organizaciones. La Inteligencia de Negocio o Business Intelligence es el resultado de la evolución e integración de diversas tecnologías que han ido surgiendo a lo largo de los años para facilitar la recopilación de información y su uso para la toma de decisiones. Introduciremos las componentes de una herramienta de Business Intelligence haciendo hincapié en los aspectos a tener en cuenta en caso de tener que adoptar una solución de estas características.
Bloque 2: Arquitectura de Business Intelligence (temas 2 al 6)
TEMA 2. Sistemas de apoyo a la toma de decisiones
En este capítulo explicaremos el papel de los soportes informáticos para la toma de decisiones y su importancia. Comenzaremos identificando los diferentes tipos de decisiones a los que se enfrentan los gerentes en las empresas y el proceso a través del cual toman decisiones. Luego estudiaremos los estilos de toma de decisiones, las cuatro etapas del proceso de toma de decisiones de Simon y las estrategias y enfoques comunes de quienes toman las decisiones. En las siguientes dos secciones explicaremos el rol de los Sistemas de Apoyo a la Decisión (DSS) y comprenderemos sus componentes principales, los distintos tipos de DSS y cómo han cambiado con el tiempo. Finalmente, nos centramos en cómo DSS apoya cada fase de la toma de decisiones y resumimos la evolución de las aplicaciones de DSS y cómo han cambiado con el tiempo.
Tema 3. Business Intelligence: conceptos y capacidades
Una vez estudiada la base conceptual de la toma de decisiones y los DSS, en el capítulo 3 comenzaremos por definir la inteligencia empresarial (Bl) y su arquitectura. Introduciremos los sistemas de inteligencia empresarial que hoy en día se engloban dentro del BI. Describiremos los componentes principales de las plataformas Bl y sus capacidades, y presentaremos el panorama competitivo de las plataformas Bl.
Tema 4. Explotación de los Almacenes de datos: OLAP & Reporting
Una vez descrita la arquitectura básica de las plataformas de BI, así como sus herramientas y capacidades, en este capítulo nos centraremos en los almacenes de datos y las herramientas principales de análisis de negocios. Concretamente, estudiaremos los componentes principales para la explotación y análisis de los almacenes de datos, incluyendo los diferentes tipos de análisis OLAP, sus funcionalidades y las diferencias entre OLAP y OLTP. También veremos las herramientas de generación de informes empresariales (reports), sus distintos tipos, componentes y estructura.
Tema 5. Diseño de cuadros de mando integral (CMI) y tableros de control (TC)
Esta unidad tiene como Objetivos :
Definir la planificación jerárquica para la toma de decisiones.
Comprender en qué consisten la planificación estratégica, táctica y operativa.
Comprender que características deben tener las herramientas que ayudan a llevar a cabo la planificación jerárquica.
Distinguir las diferencias entre los conceptos “Cuadro de mando integral” y “Tablero de Control”
Tema 6. Implementación de CMI y TC
Los objetivos de esta unidad son :
Aprender los pasos de diseño de las herramienta de gestión para una organización más utilizadas en la actualidad.
Comprender la importancia de tener la visión integral de la organización para el desarrollo del CMI.
Aprender a desarrollar una herramienta híbrido CMI-DB.
• Bloque 3: Enriqueciendo los procesos de Business Intelligence con Minería de Datos (temas 7 al 9)
TEMA 7. Introducción a la Minería de Datos
En este tema introducimos la Minería de Datos, que comprende métodos y técnicas para el análisis de grandes volúmenes de datos y que ha sido aplicada con éxito a diversos ámbitos entre los que se encuentra la Inteligencia de Negocio. Analizaremos primero el tipo de preguntas que pueden responderse aplicando las técnicas de Minería de Datos y las compararemos con las que se responden usando las herramientas de Business
Intelligence estudiadas en los temas anteriores.
Tema 8. Modelos Predictivos
En este tema vamos a estudiar algunas de las fases del processo de extracción de conocimiento. En concreto las fases de preparación de los datos y de modelización predictiva.
Introduciremos algunas de las operaciones de transformación de los datos mas habituales, como cambiar el tipo de los atributos de numérico a categórico o vice versa, la detección de valores anómalos o faltantes y qué podemos hacer para tratarlos, la creación de nuevos atributos, así como la selección tanto de instancias como atributos.
En la segunda parte del tema, presentaremos algunas de las técnicas mas conocidas y usadas para resolver problemas predictivos.
TEMA 9. Modelos Descriptivos
En la primera parte del tema se introducen las técnicas de agrupamento basadas en distancias (cuya finalidad es la de agrupar los ejemplos) y las reglas de asociación (cuya finalidad es la de encontrar grupos de atributos entre los que existe una relación de dependencia).
En la segunda parte del tema se aborda la evaluación de los modelos tanto predictivos como descriptivos. Se presentan las dos formas mas habituales de evaluación de modelos predictivos: (1) partiendo el conjunto de datos en entrenamiento y prueba, y (2) usando validación cruzada. También se definen algunas medidas de evaluación tanto para clasificación como para regresión. Finalmente, se introducen medidas de evaluación para evaluar el agrupamiento.
• Bloque 4: Un caso práctico (tema 10)
Los contenidos prácticos se han organizado en 8 talleres (asociados a los bloque 2 y 3) y tienen como finalidad presentar algunas de las herramientas de BI con las que podréis experimentar realizando procesos de BI y de minería de datos.
