Guia docente
DATOS IDENTIFICATIVOS 2024_25
Asignatura PROCESAMIENTO DE DATOS PARA LA INTELIGENCIA DE NEGOCIO/BUSINESS INTELLIGENCE Código 01742009
Enseñanza
1742 - M.U. EN INTELIGENCIA DE NEGOCIO Y BIG DATA EN ENTORNOS SEGUROS - A DISTANCIA
Descriptores Cr.totales Tipo Curso Semestre
3 Obligatoria Primer Primero
Idioma
Castellano
Prerrequisitos
Departamento DERECHO PRIV. Y DE LA EMPRESA
Responsable
ÁLVAREZ CUESTA , HENAR
Correo-e halvc@unileon.es
mcong@unileon.es
qmors@unileon.es
Profesores/as
ÁLVAREZ CUESTA , HENAR
CONDE GONZALEZ , MIGUEL ANGEL
MORO SANCHO , QUILIANO ISAAC
Web http://
Descripción general
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente ING.MECANICA,INFORMAT.AEROESP. MATELLAN OLIVERA , VICENTE
Secretario ING.MECANICA,INFORMAT.AEROESP. PANIZO ALONSO , LUIS
Vocal ING.MECANICA,INFORMAT.AEROESP. FERNANDEZ LLAMAS , CAMINO
Tribunal suplente
Cargo Departamento Profesor
Presidente ING.MECANICA,INFORMAT.AEROESP. RODRIGUEZ DE SOTO , ADOLFO
Secretario ING.MECANICA,INFORMAT.AEROESP. ALFONSO CENDON , JAVIER
Vocal ING.MECANICA,INFORMAT.AEROESP. CASTEJON LIMAS , MANUEL

Competencias
Tipo A Código Competencias Específicas
  A17947 1742CBI5. Capacidad de diseñar, parametrizar y construir sistemas complejos de inteligencia de negocio sobre herramientas específicas.
  A17948 1742CBI6. Adquisición de competencias teóricas y prácticas acerca del proceso ETL (extraer, transformar y cargar) sobre los datos de la empresa, para el diseño e implementación de sistemas de análisis y extracción de información con el objetivo de optimizar la gestión y mejorar los procesos de toma de decisiones.
Tipo B Código Competencias Generales y Transversales
  B5579 1742CG3. Capacidad de diseñar e implementar sistemas capaces de extraer conocimiento práctico de grandes volúmenes de datos aplicado al mundo de la empresa (Inteligencia de Negocio/Business Intelligence)
Tipo C Código Competencias Básicas

Resultados de aprendizaje
Resultados Competencias
Diseña, parametriza y construye sistemas complejos de inteligencia de negocio sobre herramientas específicas. Conoce el proceso ETL (extraer, transformar y cargar) sobre los datos de la empresa, para el diseño e implementación de sistemas de análisis y extracción de información con el objetivo de optimizar la gestión y mejorar los procesos de toma de decisiones. A17947
A17948
 B5579

Contenidos
Bloque Tema
· Conceptos básicos.
o Big Data para Sistemas de Soporte en la Toma de Decisiones.
o La arquitectura de un Sistema de Inteligencia de Negocios.
· El proceso ETL.
· El Almacén de Datos y los Data Marts.
· Creación de Informes y de Paneles de Mandos. Índices Clave del Proceso (KPI)

Planificación
Metodologías  ::  Pruebas
  Horas en clase Horas fuera de clase Horas totales
Presentaciones/exposiciones 0 12 12
 
Dirigidas 0 45 45
Tutorías 0 8 8
Trabajos 0 5 5
 
Sesión Magistral 0 0 0
 
Pruebas mixtas 0 5 5
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías   ::  
  descripción
Presentaciones/exposiciones Clases (en remoto), conferencias y técnicas expositivas
Dirigidas Actividades autónomas y en grupo (trabajos y lecturas dirigidas)
Tutorías Tutoría individual, participación en foros y otros medios colaborativos
Trabajos Pruebas de seguimiento y exposición de trabajos
Sesión Magistral

Tutorías
 
Trabajos
descripción
por email o en el foro del moodle

Evaluación
  descripción calificación
Trabajos Entrega de trabajos 30-80%
Pruebas mixtas Pruebas mixtas 20%-50%
Otros

- Participación activa, foros, ...

10-40%
 
Otros comentarios y segunda convocatoria

Convocatoria ordinaria:

- Para que el estudiante resulte APTO en esta asignatura deberán cumplirse simultáneamente las siguientes condiciones: Haber resultado APTO (al menos 5 puntos sobre 10) en promedio de las pruebas de evaluación, y También haber resultado APTO (al menos 5 puntos sobre 10) en TODOS los trabajos entregados/presentados.
- Si ambas condiciones se cumplen, la nota final será la que se obtenga según la tabla anterior.

Convocatoria extraordinaria:
Para que el estudiante resulte APTO en la convocatoria extraordinaria deberá entregar, presentar y aprobar aquellos trabajos de la tabla anterior en los que no haya resultado APTO, y la nota final será la obtenida según la tabla.

MUY IMPORTANTE: El fraude académico en alguna parte del proceso de evaluación (en particular el plagio en documentos) está definido y conlleva, al menos, la calificación de SUSPENSO 0.0 en la convocatoria.

De confomidad con lo indicado para la primera convocatoria

Al ser un máster interuniversitario, las guías docentes de aplciación en su desarrollo completo son aquellas indicadas en la página web del máster interuniversitario de la Universidad coordinadorahttps://www.inf.uva.es/master-online/

Fuentes de información
Acceso a la Lista de lecturas de la asignatura

Básica Ken Collier, Agile analytics- A value driven approach to business intelligence and data warehousing, Addison-Wesley,
Jared Dean, Big Data, Data Mining, and Machine Learning: Value creation for business leaders and practitioners, Wiley,
, Data science and Big Data analytics: discovering, analyzing, visualizing and presenting data, John W¡iley & sons,
Brian Larson, Delivering Business Intelligence, McGraw Hill,
Andreas Wichert, Intelligent Big Multimedia Database, World Scientific Pub.,
Marcelle Kratochvil, Managing multimedia and unstructured data in the Oracle database, Packt Pub.,
R. Bouman, J. van Dongen, Pentaho solutions: Business intelligence and datawarehousing with Pentaho and MySQL, Wiley ,
Bruce Ratner, Statistical and Machine-Learning Data Minning, CRC Press,

Complementaria


Recomendaciones