Máster Data Analytics Online

Actualmente, las empresas cuentan con cantidades masivas de datos que consiguen a través de diferentes formas como las redes sociales o los dispositivos móviles. Al conseguir poder acceder a esta información a tiempo real de nuestros clientes y potenciales clientes, debemos saber qué hacer con esta gran cantidad de datos, siendo una revolución para las empresas en cuanto al volumen, variedad y velocidad.

Las empresas del sector digital basan su modelo de trabajo en recolectar, almacenar y analizar datos de importancia para su negocio. Esto significa que es necesario cambiar la forma de trabajar, por ejemplo, la digitalización de los procesos para poder monitorizarlos. Es una tarea costosa pero esos datos generados se analizarán para poder tomar decisiones de vital importancia para la empresa.

El Big Data genera nuevos desafíos en cuanto a la gestión y el análisis, ya que necesita nuevas arquitecturas para la gestión y, al tener nuevos tipos de datos hay que adaptar las técnicas de análisis clásicas para los aspectos novedosos del big data.

A través de la tecnología Big Data y la ciencia de datos, se ha conseguido la tecnología que sea capaz de almacenar y visualizar los datos. Esto requiere perfiles técnicos mucho más concretos y especializados. Los perfiles en relación al Data Analytics están más solicitados y demandados que nunca en el mercado laboral ya que las empresas necesitan cubrir estas necesidades y satisfacer las demandas que tienen.

¿Qué aprenderás en este master data analytics online?

Aprender a programar en Python y conocer sus principales librerías.
Adquirir los conocimientos de la programación orientada a objetos.
Aprender a utilizar Python para extraer y transformar dato.
Conocer funciones básicas y avanzas de Power BI desde cero.
Aprender a crear potentes visualizaciones y dashboards en Power BI que faciliten la interpretación de los datos y una mejor toma de decisiones estratégicas.
Aprender a utilizar Python para importar, transformar y visualizar datos en Power BI.
Aprender a realizar consultas en bases de datos SQL.
Comprender y profundizar en el flujo completo de un proyecto de Data Science.
Conocer todas las claves para obtener la certificación de Power BI PL-300 Data Analyst.

Nuestro master online en Data Analytics está dirigido a cualquier persona que quiera y tenga ganas de convertirse en experto en análisis de datos de una forma 100% práctica enfocada al entorno laboral. Perfiles profesionales: Analistas de datos y desarrolladores, profesionales de marketing, finanzas o reporting que deseen profundizar en el mundo de la analítica de datos.

MÓDULO 1. Python Introducción (40 h)
• ¿Por qué aprender Python?
o El lenguaje Python en el mundo actual
o Aplicaciones de Python en el desarrollo de software
o Características generales del lenguaje
• Primeros pasos con Python
o Herramientas y entornos de desarrollo
o Configurando el entorno de desarrollo
o Características de Python
o Primer programa Python
• Sintaxis de Python
o Tipos de datos y variables
o Entrada y salida
o Instrucciones de control de flujo
o Principales funciones del lenguaje
o Pip y utilización de módulos Python
o Manejo de cadenas y fechas
• Estructuras de datos
o Listas y tuplas
o Diccionarios
o Utilización de lambdas
o Manejo de cadenas y fechas
• Programación orientada a objetos con Python
o Clases y objetos
o Atributos
o Constructores
o Herencia
o Sobreescritura de métodos
o Metaclases y decoradores
o Uso de type
o Excepciones
• Acceso a ficheros y bases de datos
o Lectura y escritura en ficheros
o Módulos para acceso a ficheros
o Acceso a ficheros CSV
o Acceso a ficheros JSON
o Bases de datos relacionales y documentales
o Módulo para acceso a bases de datos MySQL
o Acceso a bases de datos MongoDB
• Librerías para manipulación de datos
o Principales librerías para el tratamiento de datos en Python
o Utilización de la librería Numpy
o Manipulación de arrays con Numpy
o Pandas

MÓDULO 2. Python Avanzado (40 h)
• Funciones avanzadas
o Listas
o Ejercicios de listas
o Comprensión de listas
o Diccionarios
o Funcionarios Lambdas
• Programación orientada a objetos
o Clases y objetos
o Destructores y atributos
o Herencia
o Ejercicio de herencia
o Sobreescritura
o Métodos especiales
• Multitarea
o Fundamentos de multitarea
o Multitarea con threading
o Sincronización de tareas
• Metaprogramación
o Conceptos generales de metaprogramación
o Manipulación de clases
o Metaclases
o Creación de metaclases
o Decoradores
• Módulos y paquetes
o Módulos I
o Módulos II
o Paquetes
o Distribución de paquetes
• Acceso a datos
o Ficheros
o Ficheros y otros métodos
o Ejercicio de gestión de empleados
o Manipulación JSON
o Gestión de empleados JSON
o Fundamentos MongoDB
o Inserción de documentos MongoDB
o Recuperación, actualización, eliminación MongoDB
o Ejercicio MongoDB
• Acceso a APIs
o Acceso a recursos externos
o Manipulación de respuesta
o API REST
o Ejemplos APIS
o Autentificación APIS
• Scripts de administración
o Módulos SYS
o Módulo Subprocess
o Salida subprocesos
o El módulo OS

MÓDULO 3. Power BI Introducción
• Introducción
o Presentación
o Uso de Power BI
o Los bloques de creación de Power BI
• Obtención de datos (I)
o Introducción a Power BI Desktop
o Conexión a orígenes de datos
o Limpieza y transformación de los datos con el Editor de Consultas
o Tareas comunes de consultas
• Modelado
o Introducción al modelado de datos
o Administración de las relaciones de datos
o Creación de columnas calculadas
o Optimización de los modelos de datos
o Creación de tablas calculadas
o Creación de medidas
• Elaborar informes y visualizaciones
o Elaborar informes
o Creación y personalización de visualizaciones básicas
▪ Gráficos de columnas
▪ Segmentadores de datos
▪ Gráficos de barras. Jerarquías
▪ Gráficos de líneas
▪ Gráficos de áreas
▪ Gráficos circulares
▪ Gráficos combinados
▪ Gráficos de dispersión
▪ Mapa de burbujas
▪ Mapa de formas o coropletico
▪ Tablas
▪ Matrices
o Personalización de informes con formas, cuadros de texto e imágenes
o Personalización de informes con opciones de formato y diseño de página
o Power BI Q&A preguntas y respuestas
• Introducción a DAX
o Introducción a DAX
o Funciones de fecha y hora
o Funciones de texto
o Funciones matemáticas
o Funciones de agregación
o Funciones de recuento

MÓDULO 4. Power BI Avanzado
• Presentación
• Obtención de datos (II)
o Conexión a orígenes de datos SQL
o Diferencia con DirectQuery
• Más Visualizaciones
o Velocímetro
o Cascada
o Importar KPI
o Esquema jerárquico
o Añadir visualizaciones
o Trucos para visualizaciones
• Funciones DAX Avanzadas
o Crear tabla de datos
o Crear tabla de métricas
o Operadores lógicos
o Funciones lógicas
o Funciones de agregación
o Funciones de relación
o Funciones filtro
o Tabla calendario
o Funciones de inteligencia de tiempo
o Funciones varias
o Parámetros de hipótesis
o Medidas vs variables
o Parámetros de consulta
• Introducción a la publicación y uso compartido
o Publicación de informes
o Compartir informes y paneles
o Aplicaciones
o Puertas de enlace
o Seguridad a nivel de fila

MÓDULO 5. Conecta Python y Power BI. Más allá del análisis de datos (5 h)
• Requisitos previos
• Objetivos de cómo podemos fusionar estas tecnologías
• Python para importar datos en Power BI
• Python para transformar datos en Power BI
• Python para visualizar datos en Power BI

MÓDULO 6. Python & SQL (20 h)
• Lenguaje SQL y gestores de bases de datos en Python
• Profundizando en SQLite: El gestor SQL más rápido
o Introducción a SQLite
o Instalación y primeras conexiones
o Creación, edición y eliminación de bases de datos y tablas
o Operaciones esenciales de manipulación de datos (CRUD: Create, Read, Update,
Delete)
o Consultas SQL esenciales (selects)
o Relaciones entre tablas
o Consultas SQL avanzadas (selects y joins)
o Importación y exportación
• Conexión de SQLite a Power BI usando ODBC

MÓDULO 7. Python & Data Science (45 h)
• Introducción al análisis de datos
o ¿Qué es Python y qué nos proporciona para el análisis de datos?
o Instalación Python + Jupyter
o Importar librerías y fuentes de datos
o Visualización básica con Matplotlib
o Flujograma de un proyecto Data Science
• Fundamentos del lenguaje Python
o Variables en Python
o Creación de listas y extracción de datos
o Conceptos avanzados de creación de listas
o Uso de funciones en Python (in-built)
o Creación de funciones en Python y argumentos flexibles
o Funciones lambda
o Métodos de Python
o Cómo crear diccionarios en Python
o Uso de función zip para creación de diccionarios en base a listas
o Operadores en Python
o Bucles en Python
o Comprensión de listas en Python
• Conceptos de estadística para el análisis de datos
o Variables y conceptos básicos
o Varianza en una variable
o Correlación de variables
o Histogramas
o Análisis con percentiles (CDF)
o Funciones densidad de probabilidad
o Cálculo de previsiones (forecast) y media móvil
• Cálculo numérico con Numpy
o Introducción a la librería Numpy
o Selección de datos con array Numpy
o Arrays 2D en Numpy
o Cálculo estadístico con Numpy
• Análisis de datos con Pandas
o Introducción a la librería Pandas, ¿qué es un dataframe?
o Creación de un dataframe a partir de un diccionario
o Cómo importar datos desde un fichero de texto plano (txt, csv…)
o Selección de datos en un dataframe Pandas
o Métodos útiles de un dataframe Pandas
o Eliminar duplicados, valores erróneos y columnas de un dataframe Pandas
o Interpolación de datos
o Filtrar datos en un dataframe Pandas
o Ordenación de valores en un dataframe Pandas
o Crear columnas en un dataframe para cadenas de texto
o Crear columnas en un dataframe a partir de un diccionario con map
o Crear columnas en un dataframe a partir de funciones lambda
o Crear columnas en un dataframe a partir de funciones condicionales
o Renombrar y reordenar columnas de un dataframe Pandas
o Cómo crear pivot tables en Pandas
o Uso de groupby en Pandas
o Concatenación de dataframes (union)
o Combinación de dataframes
• Importación y exportación con Pandas
o Cómo importar datos desde un fichero Excel
o Introducción a las BBDD relacionales / Modelos de datos
o Cómo importar datos desde una BBDD SQL
o Cómo importar datos desde una página web
o Cómo importar datos desde una página web (web scraping)
o Cómo importar datos desde un fichero semi-estructurado JSON
o Cómo importar datos desde redes sociales
o Cómo importar datos desde cloud (AWS / Azure / Google Cloud)
o Exportación de datos a csv y Excel
o Exportación de datos a BBDD SQL
• Visualización de datos en Python. Matplotlib
o Consejos de visualización de datos
o Introducción a la librería Matplotlib
o Creación de un gráfico de línea, bar, scatter
o Personalización de gráficos (título, etiquetas, ticks, leyenda, límites de ejes,
anotaciones…)
o Creación de box & whiskers plot
o Creación de un histograma y CDF
o Gráfico de media móvil
o Visualización de gráficos múltiples (subplots)
o Aplicación de estilos
o Creación de gráficos a partir de un objeto groupby
o Creación de histogramas en 2D
o Creación de mapas geográficos con basemap y Google maps
• Visualización de datos en Python. Seaborn
o Introducción a la librería Seaborn
o Seaborn – Creación de regresión lineal
o Seaborn – Stripplot
o Seaborn – Swarmplot
o Seaborn – Violinplot
o Seaborn – Uso de jointplot
o Seaborn – Uso de pairplot
o Seaborn – Correlación con heatmap
• Series temporales en Python
o Series temporales en Pandas: extracción y parsing
o Series temporales: filtrado
o Series temporales: remuestreo – diezmado (downsampling)
o Series temporales: remuestreo – interpolación (upsampling)
o Visualización de series temporales
o Previsiones basadas en datos históricos
• Ejecución e interconexión de datos de Python con otras plataformas
o Generación de scripts de Python y automatización de tareas
o Uso de Python en herramienta de business intelligence Power BI

MÓDULO 8. Certificación Power BI PL-300 (40 h)
• Introducción a la Certificación
o Características del PL-300 y conocimientos evaluados
o Tipos de preguntas y ejemplos
o Opciones de certificación y normativa
o Otros exámenes de certificación de Power BI
o Cómo realizar la inscripción al examen
o Recomendaciones para el examen
• Preparar datos
o Introducción al análisis de datos
o Preparación de datos para su análisis con Power BI
▪ Obtener datos desde origen
▪ Limpieza de los datos
▪ Transformar y cargar datos
o Resumen de tipos de preguntas y ejemplos para cada caso
• Modelar datos
o Modelado de datos con Power BI
▪ Diseñar e implementar un modelo de datos
▪ Crear cálculos de modelos mediante DAX
▪ Optimizar el rendimiento del modelo
o Resumen de tipos de preguntas y ejemplos para cada caso
• Visualizar y analizar datos
o Compilación de objetos visuales de Power BI
o Informes con Power BI
▪ Crear informes
▪ Mejorar los informes para facilidad de uso y narración
▪ Identificar patrones y tendencias
o Resumen de tipos de preguntas y ejemplos para cada uso
• Implementación y mantenimiento de recursos
o Administración de áreas de trabajo con Power BI
o Administración de conjunto de datos con Power BI
▪ Administración de modelos semánticos
o Resumen de tipos de preguntas y ejemplos para cada caso

MÓDULO 9. Trabajo Fin de Máster (30 h)
• Transformando datos en conocimiento: El poder combinado de Python, Power BI y SQL.
En el Trabajo Fin de Máster, los participantes abordarán un caso práctico centrado en la
gestión y análisis de datos de ventas de productos o servicios. Este desafío es común en
empresas que buscan optimizar sus estrategias comerciales y mejorar la eficiencia
operativa mediante el análisis de sus datos de ventas. La problemática radica en la falta
de integración y análisis efectivo de los datos de ventas, lo que puede conducir a
decisiones basadas en información incompleta o inexacta.
Los estudiantes emplearán Python para extraer y transformar estos datos, SQL para su
almacenamiento y gestión eficiente, y Power BI para crear visualizaciones interactivas
que faciliten la interpretación y la toma de decisiones estratégicas. Este proyecto
proporcionará a los participantes una experiencia práctica en la resolución de
problemas de gestión de ventas, preparándolos para enfrentar desafíos similares en
entornos empresariales reales y mejorando su competitividad en el mercado laboral.

El análisis de datos está en pleno auge por los beneficios que nos aporta, trabajando de esta forma las empresas pueden mejorar muchos aspectos y gestionar mejor los riesgos. Los beneficios del Data Analytics son muchos, entre ellos podemos destacar:

-Uso del máximo potencial de los recursos que ya tienes. Los datos ya están en las empresas pero no se están aprovechando del todo. A través del Data Analytics se aprovechan mucho más estos datos que son necesarios para potenciar nuestro trabajo.

-Toma de decisiones inteligentes. Basándonos en los datos, se pueden tomar las decisiones correctas para evitar fallos. La ciencia de datos permite anteponerse a los problemas y poder resolverlo en muy poco tiempo.

-Aumento de ingresos. Estar mucho más informado de cómo funciona tu empresa, poder prevenir los fallos, conocer y mejorar oportunidades de negocio… son algunos aspectos que nos pueden permitir generar más ingresos.

-Datos de fácil acceso y de alta precisión. El Big Data ofrece soluciones a las que se puede acceder fácilmente para entregarnos los datos en tiempo real. Además, son fuentes de datos muy fiables, obteniendo resultados inteligentes y reales.