Empleados, competidores… Dato vs información, Transformación de datos en conocimiento, Análisis, y segmentación, oportunidades en la gestión de la información…

La relación de los clientes con las marcas, Análisis y gestión de procesos orientados a la experiencia del cliente en su relación con las marcas, La información dentro de las Estrategias Organizativas de las Compañías. Roles, Atención al cliente. Gestión del SAC, Mundo online y offline unidos, Tipologías de datos, desde la web a las redes sociales, los vídeos, las imágenes, el móvil… Extraer información de los datos estructurados y no estructurados. Datos anonimizados y sistemas de anonimización…

Concepto y manejo de CRM, Estrategias CRM como base del negocio, CRM vs Marketing, Definición y establecimiento de KPIS, Herramientas Actuales

El Big Data y las personas. Las v del Big Data. Significados diferentes para profesionales diferentes. Big Data en las organizaciones, la evolución de los cuadros de mando tradicionales

Cómo detectar, plantear y abordar oportunidades de negocio con big data en diferentes áreas de negocio: Marketing, conocimiento del cliente. Sácale partido a los datos (adquisición, comportamiento, conversión). Visualización y cuadros de mando: Welovroi. Operaciones y desarrollo según el lugar de a recogida de datos. Desde la web, al móvil, al centro comercial…

Entender cómo se lleva a cabo un proyecto de Big Data. Implementar una arquitectura de datos para ayudar en la toma de decisiones. Seguridad. Recolección, almacenamiento y procesado de datos a gran escala. Integración en la cultura empresarial – Data Driven. Nuevas figuras profesionales…

Ejemplos y casos prácticos

Explotación del dato. Analítica. Desde las métricas digitales y la analítica a la experiencia de usuario, UX. Predictive Analytics. Estadística y método analítico. Técnicas del tratamiento de datos: Análisis en tiempo real, MPP (Massively Parallel Processing), modelos. Principales técnicas analíticas en Big Data (tendencias en data science y big data analytics).

Datamining, Big Data y Data Science. Tendencias. Modelo de madurez en Analytics. Desde el modelado estadístico. Comprensión y mejora de la experiencia de cliente.

Tendencias y procesos de análisis en data science. Big data Analytics.

Modelado de datos y modelos de datos, representando de forma abstracta de las relaciones que los datos tienen entre sí. Y orientación de los modelos de datos a las necesidades del negocio.

Se profundizará en este lenguaje para el análisis y modelización creado por y para estadísticos que puede ser utilizado en multitud de herramientas y motores de procesamiento.

Diseños de investigación. Reportes y usos. Mapa de técnicas para análisis descriptivo, predictivo, causal… Selección y combinación de técnicas. Aprendizaje Automático. Seguridad.

ETL en Big Data y origen de datos. Procesado de datos. Arquitectura Big Data. Learning Big Data. Datamining. Socialmining – escucha es redes sociales. Análisis de datos multimedia…

Sistemas operativos, servidores y redes. Lenguajes de programación Python y R. Almacenamiento y procesamiento de la información en Big Data. Volumen, almacenamiento y variedad. Tipos de Datos a Almacenar. Sistemas de almacenamiento distribuido – Introducción Hadoop. Arquitectuta Hadoop – HDFS. Bases de datos SQL y noSQL. Escalabilidad, disponibilidad y fiabilidad…

Data Science. Machine Learning. Modelado predictivo. Valor y aplicaciones de Negocio.

Introducción a Hive, Spark, Search Machines. Ecosistema Spark. Introducción a PLN. Azure ML. Amazon Machine Learning, Google Prediction API.

Desde el hospital (Genomica y biomedicina), desde la ciudad (Smartcities), desde la tienda (caso Leroy Merlin), desde el estanco (caso Lucky Strike), desde el aeropuerto (caso Dufry y Ricoh).

Privacidad, Seguridad, Protección de datos.