El arte de convertir Datos en Acciones

Curs Big & Small Data en el teu portàtil per no informàtics.

Curs Big & Small Data en el teu portàtil per no informàtics. L’art del manager de convertir les dades en accions eficaces.

PRESENTACIÓ:

cursobigdataLes empreses disposen cada vegada de més dades i necessiten mànagers que prenguin decisions encertades basades en la capacitat de convertir-les en accions eficaces. Amb el curs “Big Data en el teu portàtil”  l’assistent podrà extreure fins a l’última gota el coneixement amagat a les dades, podrà generar millors insights, tenir una major comprensió del negoci, del client i del mercat, etc. En síntesi, coneixerà de manera senzilla (sense fórmules matemàtiques ni conceptes complexos) les diferents tècniques d’anàlisi, per aplicar-ho a diferents eines d’anàlisi (la qual cosa permetrà anar més enllà de l’Excel). A més, serà capaç de conèixer i comprendre com extreure, adjuntar i fusionar dades de diverses fonts, transformar i preparar les dades per realitzar les seves anàlisis, i, en base a això, prendre les decisions més adients.

OBJECTIUS:

  • Conèixer el tipus d’anàlisi i aplicar les diferents eines per preparar les dades i obtenir el resultats que permetran prendre decisions encertades.
  • Comprendre com funcionen les bases de dades i això permet utilitzar-les per treballar-hi amb facilitat.
  • Conèixer com funcionen les eines de preparació i transformació de dades i aplicar-ho per preparar les dades de manera senzilla i sense errors.
  • Conèixer com funciona el Business Intelligence i aplicar-ho a la creació del cubs per poder fer anàlisis multidimensionals.
  • Conèixer els conceptes més rellevants de l’estadística i avaluar quin és el tipus d’anàlisi més adient en cada cas.
  • Conèixer el principals conceptes del Data Mining, les bases del principals algoritmes i aplicar-ho generant patrons.

METODOLOGIA:

El curs és eminentment pràctic, per la qual cosa és imprescindible ordinador portàtil. En la majoria dels casos s’intentarà utilitzar software open source, que l’assistent podrà descarregar-se i instal-lar al seu portàtil des de les pàgines web oficials, seguint les seves instruccions. El coneixement d’aquest software no és complex i és compatible al dels sistemes de qualsevol empresa o altres softwares que es comercialitzen al mercat. No calen coneixements informàtics ni d’estadística previs.
Per treballar amb bases de dades s’utilitzarà “mySQL“, es transformaran les dades amb “Pentaho Data Integration“, s’analitzarà les dades amb “Excel”, “Pentaho Business Intelligence“, “RStudio“, i “SPSS” i es coneixerà l’aprenentatge basat en les dades mitjançant “WEKA“.

DIRIGIT A:

Executius, managers y professionals que treballin habitualment amb dades, ja siguin d’empreses com de despatxos professionals, i que vulguin guanyar eficàcia i productivitat en l’anàlisi de les mateixes.

PROFESSOR:

ciencia
Sr. Josep Anton Charles, economista i Director de MDA Marketing Diagnosis & Action. Experiència en entorns multinacionals i nacionals, mercats altament competitius i complexos, tant en línia com a consultor en PIME i en escoles de formació. Experiència i coneixement de negoci en gestió de marques, preus, publicitat, promocions, mercats, equip comercial, relació amb consumidors i clients, de productes de gran consum, i altres productes i serveis. Experiència en el treball amb dades com consultor.

PROGRAMA:

El Big Data i les Bases de Dades. On estan les dades?

L’assistent comprendrà els diferents tipus de bases de dades i la manera de processar les dades. Ho aplicarà treballant amb bases de dades estructurades (“mySQL”), principalment per interrogar-les.

  • L’espai de treball necessari: “MySQL”
  • Introducció a l’anàlisi de dades
  • El Big Data. Les dades i la seva tendència
  • L’ emmagatzematge de les dades
  • El processament de les Big Dades: Hadoop i MapReduce
  • Pràctica: BBDD estructurades. MySQL i el llenguatge SQL

La transformació de les dades per a l’anàlisi. De les dades que tinc a les dades que necessito.

En qualsevol anàlisi la part més “time consuming” és la de preparar les dades per a l’anàlisi. L’assistent comprendrà com funcionen les eines de tractament de dades i ho aplicarà per extreure les dades que necessiti, i, també, aprendrà a treballar amb elles per a què estiguin llestes en funció del requeriments de l’anàlisi (“Pentaho Data Integration”).

  • L’espai de treball necessari: “MySQL” i “Pentaho Data Integration”.
  • Els Inputs: Excel, text, csv, BBDD (Access, MySQL, etc.)
  • Les transformacions: Normalizar, Desnormalizar, Fuzzy, Merge, treballar amb files, seleccionar atributs, fer càlculs, treballar amb fórmules, treballar amb strings, etc.
  • Els Outputs: Excel, csv, text, BBDD, Weka, SPSS,etc.
  • Casos pràctics ETL: Pentaho Data Integration

Anàlisi de dades: “Com analitzar les dades”

En funció del tipus de pregunta a la què es busca resposta hi haurà unes anàlisis i eines recomanades. L’assistent treballarà amb les taules dinàmiques d’Excel, amb els cubs multidimensionals de “Pentaho Business Intelligence” i amb l’estadística de “RStudio” i “SPSS”.

  • L’espai de treball: “MySQL”, “Pentaho Data Integration”, “Schema workbench”, “Pentaho Business Intelligence”, “Spss”, “R” i “Excel”.
  • L’anàlisi de les dades amb Excel: Taules dinàmiques.
  • Business Intelligence: Anàlisi Multidimensional amb Cubs, Dimensions, jerarquies, membres calculats i el llenguatge MDX.
  • Estadística sense fórmules: Anàlisi descriptiva, Anàlisi Relacional, Anàlisis Predictiu (regressió i sèries temporals)
  • Casos pràctics de Business Intelligence, R i SPSS

Anàlisi de dades: “L’aprenentatge basat en les dades”.

L’assistent aprendrà a utilitzar el “machine learning” per trobar patrons a les dades (ja sigui classificar, agrupar, associar, seleccionar o pronosticar) que es podrà utilitzar per entendre millor el negoci.

  • L’espai de treball: “Weka”
  • Què és el data mining i el machine learning
  • Els inputs i els outputs del data mining
  • Els algoritmes bàsics (sense formules): 1R, Bayes, J48, PRISM, Aprioiri, IBK, EM
  • Avaluar la credibilitat del que ha sigut après.
  • Tenir en compte els costos de les decisions
  • La transformació de les dades supervisada: Selecció d’atributs, Discretització de dades numèriques, Les mostres, La transformació de les classes múltiples en binàries.
  • Casos pràctics amb Weka.

No se han encontrado comentarios

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

Puedes usar las siguientes etiquetas y atributos HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>