Master en Data Science Management (CDO, Chief Data Officer)

Módulo 1. Analítica del dato en la organización empresarial 

1.1. Análisis de negocio  

1.1.1. Análisis de negocio 
1.1.2. Estructura del dato 
1.1.3. Fases y elementos  

1.2. Analítica del dato en la empresa 

1.2.1. Cuadros de mando y Kpi´s por departamentos 
1.2.2. Informes operativos, tácticos y estratégicos 
1.2.3. Analítica del dato aplicada a cada departamento 

1.2.3.1. Marketing y comunicación 
1.2.3.2. Comercial 
1.2.3.3. Atención al cliente 
1.2.3.4. Compras 
1.2.3.5. Administración 
1.2.3.6. RR.HH. 
1.2.3.7. Producción 
1.2.3.8. IT 

1.3. Marketing y comunicación 

1.3.1. Kpi´s a medir, aplicaciones y beneficios 
1.3.2. Sistemas de marketing y data warehouse 
1.3.3. Implementación de una estructura de analítica del dato en marketing 
1.3.4. Plan de marketing y comunicación 
1.3.5. Estrategias, predicción y gestión de campañas 

1.4. Comercial y ventas  

1.4.1. Aportaciones de analítica del dato en el área comercial  
1.4.2. Necesidades del departamento de ventas 
1.4.3. Estudios de mercado  

1.5. Atención al cliente 

1.5.1. Fidelización  
1.5.2. Calidad personal e inteligencia emocional  
1.5.3. Satisfacción del cliente 

1.6. Compras  

1.6.1. Analítica del dato para estudios de mercado 
1.6.2. Analítica del dato para estudios de competencia 
1.6.3. Otras aplicaciones 

1.7. Administración  

1.7.1. Necesidades en el departamento de administración 
1.7.2. Data Warehouse y análisis de riesgo financiero 
1.7.3. Data Warehouse y análisis de riesgo de crédito 

1.8. Recursos humanos 

1.8.1. RR.HH y beneficios de la analítica del dato 
1.8.2. Herramientas de analítica del dato en el departamento de RR.HH.
1.8.3. Aplicación de analítica del dato en los RR.HH. 

1.9. Producción   

1.9.1. Análisis de datos en un departamento de producción 
1.9.2. Aplicaciones 
1.9.3. Beneficios  

1.10. IT  

1.10.1. Departamento de IT 
1.10.2. Analítica del dato y transformación digital  
1.10.3. Innovación y productividad 

Módulo 2. Gestión, manipulación de datos e información para ciencia de datos 

2.1. Estadística. Variables, índices y ratios  

2.1.1. La estadística  
2.1.2. Dimensiones estadísticas  
2.1.3. Variables, índices y ratios  

2.2. Tipología del dato  

2.2.1. Cualitativos  
2.2.2. Cuantitativos  
2.2.3. Caracterización y categorías  

2.3. Conocimiento de los datos a partir de medidas  

2.3.1. Medidas de centralización  
2.3.2. Medidas de dispersión  
2.3.3. Correlación  

2.4. Conocimiento de los datos a partir de gráficos  

2.4.1. Visualización según el tipo de dato  
2.4.2. Interpretación de información grafica  
2.4.3. Customización de gráficos con R  

2.5. Probabilidad  

2.5.1. Probabilidad  
2.5.2. Función de probabilidad  
2.5.3. Distribuciones  

2.6. Recolección de datos  

2.6.1. Metodología de recolección  
2.6.2. Herramientas de recolección  
2.6.3. Canales de recolección  

2.7. Limpieza del dato  

2.7.1. Fases de la limpieza de datos  
2.7.2. Calidad del dato  
2.7.3. Manipulación de datos (con R)  

2.8. Análisis de datos, interpretación y valoración de resultados  

2.8.1. Medidas estadísticas  
2.8.2. Índices de relación  
2.8.3. Minería de datos  

2.9. Almacén del dato (Datawarehouse)  

2.9.1. Elementos   
2.9.2. Diseño  

2.10. Disponibilidad del dato  

2.10.1. Acceso  
2.10.2. Utilidad  
2.10.3. Seguridad 

Módulo 3. Dispositivos y plataformas IoT como base para la ciencia de datos 

3.1. Internet of things 

3.1.1. Internet del futuro, Internet of things 
3.1.2. El consorcio de internet industrial 

3.2. Arquitectura de referencia  

3.2.1. La arquitectura de referencia 
3.2.2. Capas 
3.2.3. Componentes 

3.3. Sensores y dispositivos IoT  

3.3.1. Componentes principales 
3.3.2. Sensores y actuadores 

3.4. Comunicaciones y protocolos  

3.4.1. Protocolos. Modelo OSI 
3.4.2. Tecnologías de comunicación