Gestión de Big Data: Datos y Usos Código:  B2.338    :  4
Consulta de los datos generales   Descripción   La asignatura en el conjunto del plan de estudios   Campos profesionales en el que se proyecta   Conocimientos previos   Objetivos y competencias   Contenidos   Consulta de los recursos de aprendizaje de los que dispone la asignatura   Recursos de aprendizaje y herramientas de apoyo   Informaciones sobre la evaluación en la UOC   Consulta del modelo de evaluación  
ATENCIÓN: Esta información recoge los apartados del plan docente de la asignatura durante el último semestre con docencia. Al iniciar el periodo de matrícula, podrás consultar el calendario y modelo de evaluación para el siguiente semestre en Trámites / Matrícula / Horarios de las pruebas de evaluación final.

Los sistemas de inteligencia de negocio se han transformado en los últimos años en las piezas angulares para mejorar las decisiones de negocio dentro de una organización. El conjunto de metodologías, aplicaciones, prácticas y capacidades que definían originariamente estos sistemas de información ha evolucionado desde sus orígenes en 1958 para adaptarse a las nuevas necesidades de negocio. Hasta no hace mucho, los sistemas de inteligencia de negocio se centraban únicamente en analizar los datos de la organización para una toma de decisiones basada en evidencias. No obstante, en los últimos años, la aparición de nuevas técnicas y tecnologías ha permitido evolucionar los sistemas de inteligencia de negocio para que tengan en cuenta datos externos a la empresa, de distintos tipos (geográficos, de redes sociales... ) y/o formatos (de consumo -streaming por ejemplo - o de representación - HTML o RDF por ejemplo-). Eso permite que los sistemas de inteligencia de negocio sean más eficientes, pudiendo no solo detectar puntos de mejora dentro de la organización sinó en el mercado y entorno donde opera.

Esta asignatura presenta nuevos escenarios de negocio y tipos de datos que puedan ser relevantes en los procesos analíticos de las organizaciones, ya sean en un contexto de Big Data o no. En particular, en esta asignatura se discutirá sobre los datos extraídos de redes sociales, datos geográficos y datos en abierto y enlazados.

Amunt

Esta asignatura, en el contexto del Programa de Business Intelligence, forma parte de la especialidad de Big Data y sistemas NoSQL. En dicha especialidad se trabaja lo que algunos analistas han llamado "la gestión extrema de la información", o sea la transformación del enorme volumen de datos oculto en la propia organización o presente a su alrededor en información y conocimiento útil para el negocio. Esta especialidad incluye, además de la asignatura objeto de este plan docente, las siguientes asignaturas:

  • Bases de datos NoSQL, donde se presenta una introducción a las bases de datos NoSQL. En concreto, se proporciona al estudiante una visión de los múltiples conceptos, modelos y herramientas que se pueden agrupar bajo esta denominación.
  • Big Data: Tecnologías, donde se trabajan los fundamentos de la gestión de grandes datos, su ciclo de vida en la empresa y las diferentes modalidades para su implantación, sea ésta integrada con los sistemas corporativos o por separado.

Las dos asignaturas anteriores capacitaran a los estudiantes para almacenar adecuadamente datos masivos y trabajar con ellos. Esta asignatura las complementará ofreciendo al estudiante información de sobre como tratar distintos tipos de datos: datos de redes sociales, datos abiertos, datos enlazados, datos geográficos y en streaming.

Amunt

La asignatura os proporcionará conocimientos que serán de utilidad en diferentes ámbitos profesionales, como son la dirección de proyectos BI, la consultoría en proyectos/productos BI, la programación de sistemas de BI, el diseño de bases de datos o la ciencia de datos, entre otros.

Amunt

El curso requiere que los estudiantes tengan la capacidad de leer y comprender el idioma inglés puesto que una parte importante de los materiales de referencia, así como de otros recursos, están en dicho idioma. 

Asimismo también es deseable que los estudiantes tengan conocimientos de HTML, de XML y de algún lenguaje de programación de alto nivel, como puede ser R, javascript o Python. Se proporcionará el soporte para poder alcanzar un nivel mínimo para aquellos estudiantes que desconozcan dichos entornos.

Amunt

Las competéncias especificas que el estudiante trabajará en esta asignatura son:

  • Ser consciente de la necesidad de estrategias de análisis de la información de redes sociales.
  • Conocer el concepto, técnicas y herramientas de Social Analytics así como sus beneficios y barreras de implementación
  • Conocer las distintas formas de extraer información de redes sociales y ser capaz de extraer información de redes sociales programáticamente.
  • Conocer algunas de las principales técnicas analíticas para la personalización y clasificación en el contexto de las redes sociales.
  • Entender qué es, cómo funciona y cómo puede analizarse la información geográfica.
  • Ser capaz de analizar información geográfica y representar sus resultados visualmente en mapas.
  • Saber cómo integrar información geográfica en los sistemas de inteligencia de negocio.
  • Conocer los conceptos de Open Data, Linked Data, Web of Data y cómo crear contenido enlazado.
  • Conocer los estándares y especificaciones relacionados con Linked Data (RDF y SPARQL básicamente).
  • Ser capaz de identificar repositorios de datos enlazados relevantes para una aplicación concreta y consultar sus datos mediante SPARQL.
  • Ser capaz de incorporar datos en streaming a sistemas analíticos clásicos y de Big Data.

Amunt

La asignatura consta de los siguientes bloques temáticos:
 
Módulo 1: Analítica en redes sociales. En esta primera parte se introducirá el concepto de social analytics (que consiste en la aplicación de técnicas de explotación de datos a las redes sociales), su relación con la inteligencia de negocio, estrategias, beneficios y técnicas de desarrollo y se discutirá un ejemplo real. Este módulo tratara sobre los sistemas de inteligencia de negocio en las redes sociales, métricas e indicadores, herramientas de medición, ejemplos de sistemas de inteligencia de negocio en redes sociales, recuperación y almacenamiento de datos en redes sociales, técnicas y algoritmos para la clasificación y personalización en social business intelligence. Asi mismo, se utilizarán distintos casos prácticos para mostrar ejemplos del uso de analítica sobre datos de redes sociales.
 
Módulo 2: Analítica con datos geográficos. En este módulo se presentará el concepto de SIG BI (que consiste en la integración de información geográfica en iniciativas de analisis de datos), su relación con la inteligencia de negocio, estrategias, beneficios y técnicas de desarrollo. Este módulo mostrará la importancia de los datos geográficos en los sistemas de inteligencia de negocio, los sistemas de información geográfica (SIG), como usar los SIG en procesos de inteligencia de negocio, los datos geográficos, la comunicación cartográfica, el análisis de datos, fuentes de datos externas, soluciones de mercado y proporcionará distintos ejemplos prácticos.
 
Modulo 3: Datos abiertos y enlazados (Web de datos). En este módulo didáctico trataremos el papel que los datos abiertos (open data) y los datos enlazados (linked data) pueden tener en la inteligencia de negocio, básicamente, haciendo una introducción de lo qué son, de cómo se clasifican, de cómo se pueden publicar datos en abierto y de cómo encontrar datos abiertos enlazados y hacer consultas sobre los mismos. Este módulo contendrá los siguientes contenidos: Conceptos preliminares (datos, datos abiertos y reflexión sobre los mismos), qué son los datos abiertos, beneficios que proporcionan y como publicarlos, qué es el Linked Data y la Web de Datos, ejemplos de Linked Data, el modelo de 5 estrellas de Linked Data, cómo publicar Linked Data, RDF y SPARQL y, finalmente, ejemplos de Open/Linked Data. 
 
 
 

Amunt

Amunt

Los materiales estarán disponibles en el aula a medida que vayan siendo necesarios en el desarrollo del curso.

 

Amunt

La Normativa académica de la UOC dispone que el proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de originalidad en la autoría o el mal uso de las condiciones en las que se hace la evaluación de la asignatura es una infracción que puede tener consecuencias académicas graves.

El estudiante será calificado con un suspenso (D/0) si se detecta falta de originalidad en la autoría de alguna actividad evaluable (práctica, prueba de evaluación continua (PEC) o final (PEF), o la que se defina en el plan docente), ya sea porque ha utilizado material o dispositivos no autorizados, ya sea porque ha copiado de forma textual de internet, o ha copiado de apuntes, de materiales, manuales o artículos (sin la citación correspondiente) o de otro estudiante, o por cualquier otra conducta irregular.

La calificación de suspenso (D/0) en la evaluación continua (EC) puede conllevar la obligación de hacer el examen presencial para superar la asignatura (si hay examen y si superarlo es suficiente para superar la asignatura según indique este plan docente).

Cuando esta mala conducta se produzca durante la realización de las pruebas de evaluación finales presenciales, el estudiante puede ser expulsado del aula, y el examinador hará constar todos los elementos y la información relativos al caso.

Además, esta conducta puede dar lugar a la incoación de un procedimiento disciplinario y la aplicación, si procede, de la sanción que corresponda.

La UOC habilitará los mecanismos que considere oportunos para velar por la calidad de sus titulaciones y garantizar la excelencia y la calidad de su modelo educativo.

Amunt

Esta asignatura sólo puede superarse a partir de la evaluación continua (EC). La nota final de evaluación continua se convierte en la nota final de la asignatura. La fórmula de acreditación de la asignatura es la siguiente: EC.

 

Amunt