Magister de Inteligencia de Negocio y Big Data - Online - UOC Universitat Oberta de Catalunya - I24135

Home>Magister>Business Intelligence>Online>Mexico>Magister de Inteligencia de Negocio y Big Data - Online
 
Magister de Inteligencia de Negocio y Big Data - Online
()
Método: Online
Tipo: Magister
Enlaces Patrocinados
Loading...

Solicita información sin compromiso
UOC Universitat Oberta de Catalunya

Magister de Inteligencia de Negocio y Big Data - Online

Nombre
Apellidos
Teléfono
Teléfono Fijo [Indicativo ciudad + nº]. Ej. 2355555 (Santiago) / Celular [nº celular sin indicativo]. Ej. 98566666
 
 
 
 
Mi teléfono es:
Fijo
Celular
Otro teléfono
Teléfono Fijo [Indicativo ciudad + nº]. Ej. 2355555 (Santiago) / Celular [nº celular sin indicativo]. Ej. 98566666
 
 
 
 
Mi teléfono es:
Fijo
Celular
E-Mail
Región
Ciudad
Rut/Pasaporte
Mi documento es
Para enviar la solicitud debes aceptar la política de privacidad
* Campos obligatorios

En breve un responsable de UOC Universitat Oberta de Catalunya, se pondrá en contacto contigo para informarte.
Por favor, rellena todos los campos correctamente
Magister de Inteligencia de Negocio y Big Data - Online Comentarios sobre Magister de Inteligencia de Negocio y Big Data - Online
Contenido:
Magister de Inteligencia de Negocio y Big Data.

GENERALES:
  • Número de créditos ECTS: 60
  • Fecha de inicio del programa: 19 de Octubre 2016.
  • Precio del programa:   5.135,00 €
VENTAJAS :

Formas de pago:

- Tarjeta de crédito Visa o Mastercard (no se acepta American Express)
- Transferencia internacional bancaria

Pago fraccionado:

Primer pago del 25% del valor de programa y el 75% restante se puede pagar:

-3 cuotas cuatrimestrales del 25% cada una
- 13 mensualidades con cargo a tarjeta de crédito

Perfiles :

El espacio de conocimiento y aplicación de la inteligencia de negocio y el análisis de datos es, por definición, un ámbito híbrido en el que conviven perfiles de entrada y de salida muy diferentes. También es muy diferente la organización de las competencias y responsabilidades sobre inteligencia de negocio dentro de las empresas y organizaciones de todo tipo.

Aunque el programa no requiere formalmente una formación o titulación específica de origen, se recomienda pedir asesoramiento para diseñar el itinerario más adecuado, en función de la formación de entrada y las aspiraciones profesionales de cada candidato.

Normalmente, el itinerario de análisis de datos se recomienda para estudiantes de formación empresarial, ingenierías de todo tipo, matemáticas, sociología, medicina, ciencias de la información o candidatos con una experiencia profesional equivalente.

El itinerario de sistemas de información se recomienda para técnicos e ingenieros informáticos o de telecomunicación, analistas de datos en departamentos de control de gestión u otros, matemáticos o candidatos con una experiencia profesional equivalente.

Competencias :

El programa está preparado para el desarrollo de capacidades prácticas de uso y construcción de sistemas de inteligencia de negocio y datos masivos, dentro de un marco conceptual propio basado en las buenas prácticas y el conocimiento científico.

El diseño de esta titulación propia sigue las recomendaciones y metodología del Espacio Europeo de Enseñanza Superior (EEES) y por lo tanto se basa en la adquisición de competencias para el trabajo profesional en empresas privadas y organizaciones públicas.

Para el conocimiento detallado de las competencias que se adquieren, recomendamos la lectura de los apartados "Objetivos" y "Programa académico".

A quién se dirige :

Según hemos presentado en el apartado "Perfiles", el programa se dirige a perfiles de entrada muy diversos, tanto por su formación de origen como por su experiencia profesional.

De acuerdo con nuestra experiencia a lo largo de los últimos diez años, los estudiantes del máster y los programas de BI de la UOC proceden de los siguientes ámbitos:
  • Departamentos de control de gestión en el área económico-financiera, de marketing y ventas y otros.
  • Centros de competencias de inteligencia de negocio o departamentos especializados en análisis de datos y Data Science.
  • Departamentos de organización y sistemas y tecnologías de la información.
  • Consultores e implantadores de software estándar o a medida de inteligencia de negocio, sean de perfil de negocio o de perfil tecnológico.
  • Emprendedores que han iniciado o desean hacerlo un proyecto de negocio de productos y servicios de business intelligence y big data.
Debido a la evolución del sector y las empresas, es frecuente que realicen nuestro programa profesionales con diferentes niveles de experiencia que necesitan reorientar su carrera profesional.

Finalmente, en los últimos años, el máster de Inteligencia de negocio y big data (MBI) está cumpliendo un papel de programa de continuidad para estudiantes que han completado un grado y desean emplearse rápidamente en un ámbito profesional atractivo y de gran demanda.

Salidas Profesionales :

El objetivo del máster de Inteligencia de negocio y big data (MBI) de la UOC ha sido tradicionalmente la formación de profesionales todo-terreno con una formación en análisis y solución de problemas de negocio, estadística avanzada y minería de datos y diseño y construcción de sistemas de información de business intelligence, que podían trabajar en diferentes departamentos de la empresa o en un centro de competencias transversal.

A medida que esta especialidad ha crecido y las empresas reconocen la necesidad de esta clase de perfiles, también lo han hecho las diferentes salidas profesionales:
  •  Analistas de datos en departamentos de control de gestión u otros departamentos de la empresa, especialmente en el área de marketing y ventas y en las áreas de producción y operaciones.
  • Responsables, jefes de proyecto o analistas de sistemas de información de BI en departamentos de informática o técnicos y analistas de empresas que han adquirido o están a punto de hacerlo esta clase de sistemas.
  • Científicos de datos en departamentos especializados de análisis y estadística o en empresas externas que proporcionan esta clase de servicio a sus clientes.
  • Consultores e implantadores de sistemas de inteligencia de negocio y big data en empresas de servicios.
  • Emprendedores, que desean crear negocios basados en la creación o la implantación de sistemas especializados de inteligencia de negocio o de alguno de sus componentes, así como productos y/o servicios basados en datos.
La UOC dispone de una bolsa de trabajo y acuerdos con empresas para la realización voluntaria de prácticas.

Precio y matrícula :

Este es el proceso de matrícula que tienes que seguir si quieres empezar a estudiar en la UOC por primera vez. Si ya has cursado estudios con nosotros y los quieres continuar, debes dirigirte a la Secretaría del Campus Virtual.
 
Matricúlate siguiendo estos dos pasos:

Paso 1:

Rellena el formulario de matrícula que encontrarás en todas las páginas del programa. Después de registrar tus datos personales, accederás a la sección de datos económicos, donde escogerás la forma de pago y podrás pedir una factura, si la necesitas.

Paso 2:

Recibirás dos mensajes en el buzón de correo que hayas indicado. Un primer mensaje es la confirmación de la formalización de la matrícula. En un segundo mensaje, te daremos el nombre de usuario y la clave que te permitirán acceder al campus virtual.
Bienvenido a la UOC.
 
Programa académico :

El máster de Inteligencia de negocio y Big data (MIB) está dirigido a dos perfiles profesionales diferenciados:

Por un lado, un perfil funcional y empresarial interesado en adquirir o completar su formación en métodos, técnicas y herramientas de análisis y minería de datos y en la utilización de tecnologías de inteligencia de negocio, a nivel de usuario avanzado.

Y, por otro, un perfil técnico interesado en adquirir o completar su formación en el diseño, construcción, explotación y uso de los sistemas y tecnologías de la información de la inteligencia de negocio y el análisis de datos.

Para atender a las necesidades de cada perfil, el máster se ha estructurado en especialidades, de manera que el estudiante puede elegir según sus intereses:

Semestre 1

Fundamentos de inteligencia de negocio y big data (Aplicaciones y casos prácticos)  (15 créditos)

Semestre 2    

Análisis y minería de datos (12 créditos)

Semestre 3
    
Usos de la inteligencia de negocio en la empresa        (12 créditos)
Sistemas de inteligencia de negocio (data warehouse) (12 créditos)

Semestre 4
    
Ciencia de los datos (data science) (12 créditos)
Big data y sistemas NoSQL (12 créditos)

Trabajo de fin de máster (9 créditos).

 Especialidades y asignaturas

E1. Fundamentos de inteligencia de negocio y big data (15 créditos).

Esta especialidad está dirigida a introducir al estudiante en los conceptos, métodos, técnicas y herramientas que utilizan los sistemas de inteligencia de negocio y análisis de datos, a través de casos prácticos y el uso de software especializado. Esta especialidad es obligatoria en todos los itinerarios del máster.

Se compone de las siguientes asignaturas:

    A1. Fundamentos de inteligencia de negocio (4 créditos)

    En esta asignatura el estudiante se familiariza con un sistema completo de inteligencia de negocio (la "fábrica de información") y con sus diferentes componentes: los procesos de extracción y transformación, la creación del almacén de datos, el análisis multidimensional y la realización de informes y cuadros de mando.

    El estudiante trabaja con herramientas Pentaho (Enterprise Edition) y MySQL en una plataforma virtual en la nube y con las bases de conocimiento de la consultora Gartner y otras empresas de prospectiva.

    A2. Gestión de proyectos de BI (4 créditos)

    En esta asignatura el estudiante se familiariza con el modelo internacional de referencia en gestión de proyectos (PMBoK) y con los métodos específicos de producción de proyectos de inteligencia de negocio, a través de un caso práctico y de contenidos teóricos.

    El estudiante trabaja con herramientas de gestión de proyectos (MSProject y equivalentes) y con herramientas de ofimática (tipo XLS y PPT).

    A3. Fundamentos y usos del big data (3,5 créditos)

    En esta asignatura el estudiante trabaja lo que algunos han llamado la "gestión extrema de la información", es decir, la transformación del enorme volumen de datos oculto en el interior de la propia organización o presente a su alrededor, los diferentes tipos de datos e información y su aplicación en la empresa. Se estudia el ciclo de vida de la gestión de datos masivos y los aspectos tecnológicos, legales y éticos.

    El estudiante trabaja con universos de datos propios de la universidad, cedidos por empresas o procedentes de las redes sociales, a través de herramientas como Google Analytics, R, Hadoop y Spark, a nivel de usuario.

    A4. Pensamiento analítico en la empresa (3,5 créditos)

    El pensamiento analítico representa un cambio en la manera de tomar decisiones y en la cultura de la empresa. En esta asignatura se trabajan las herramientas, el vocabulario y las metodologías básicas para analizar una situación de negocio y de forma sistemática traducirlo en un proyecto de datos.

    Actúa también como asignatura niveladora para estudiantes que no han recibido anteriormente una formación sobre la arquitectura y componentes de los sistemas de información de empresa (ERP, CRM, SCM, etc.) y su relación con los sistemas de inteligencia de negocio. Finalmente, se propone una metodología para analizar las tendencias del mercado de BI y se presentan las tendencias más actuales.

E2. Análisis y minería de datos (12 créditos)

Esta especialidad está dirigida a proporcionar al profesional de perfil empresarial y tecnológico capacidades prácticas de análisis de datos y de manejo de herramientas, dentro del marco científico de data science aplicado a los negocios y las organizaciones.

    A5. Minería de datos (4 créditos)

    En esta asignatura el estudiante trabaja con modelos teóricos, casos prácticos y herramientas estadísticas los procesos de definición de problemas, preparación de datos y exploración, así como los principales conceptos de la estadística clásica: correlaciones, regresiones lineales, reducción de la dimensionalidad, etc.

    El estudiante recibe una formación y práctica sólidas en la utilización de la herramienta R, un estándar de facto del mercado.

    A6. Business analytics: modelos y algoritmos (4 créditos)

    La asignatura presenta los conceptos y tipología de análisis de diferentes tipos de datos, los modelos y algoritmos de uso más frecuente de clasificación y agrupación y las metodologías y estándares profesionales y científicos que se usan en analítica de negocio.

    En esta asignatura el estudiante trabaja principalmente con R, aunque pueden realizarse ejercicios con otras herramientas (Excel, QlikView)

    A7. Fundamentos de data science: nuevas tendencias en minería de datos (4 créditos)

    En esta asignatura, el estudiante se introduce en las nuevas tendencias de analítica de negocio basadas en los principios, casos y herramientas de la visualización de datos. Asimismo, se exploran diferentes fuentes de información: minería web, minería de texto, exploración de opiniones y sentimientos o análisis de redes sociales, entre otras.

    El estudiante trabaja sobre casos prácticos de uso con diferentes herramientas, tales como R, incluyendo las librerías GGPLOT2 y GGMAP, así como D3.js.
     

E5. Usos de la inteligencia de negocio en la empresa (12 créditos)

Esta especialidad está dirigida a proporcionar al profesional de perfil más empresarial casos prácticos de uso de la inteligencia de negocio tanto en la estrategia de empresa como en la gestión operativa de los procesos de negocio más importantes: gestión económico-financiera, marketing y ventas, operaciones y logística, etc.

Esta especialidad forma parte del itinerario de análisis de datos del máster.

    A8. Sistemas de soporte a la decisión (3 créditos)

    En esta asignatura, el estudiante se familiariza con la construcción y el uso de sistemas de reporting y cuadros de mando, tanto desde el punto de vista estratégico como operativo, así como de los marcos conceptuales en que se basan. Se estudian el modelo de "cuadro de mando integral" (balanced scorecard) y otros sistemas de inteligencia competitiva.

    La asignatura incluye un caso extenso de construcción de un cuadro de mando a partir de un almacén de datos (data warehouse) desarrollado.

    El estudiante trabaja con herramientas ofimáticas (XLS, PPT) y con una herramienta dedicada, en este caso QlikView.

    A9. Gestión económico-financiera: casos de negocio (3 créditos)

    En esta asignatura, a través de casos prácticos, se analiza el uso de sistemas de inteligencia analítica en los procesos de gestión y seguimiento presupuestario, gestión de tesorería y finanzas estratégicas y operativas, en diferentes sectores económicos.

    El estudiante trabaja con herramientas ofimáticas (XLS, PPT) y con herramientas de reporting como QlikView o Tableau.

    A10. Marketing y ventas: casos de negocio (3 créditos)

    En esta asignatura, el estudiante estudia el empleo de herramientas de business intelligence en una de las áreas en las que el uso de la inteligencia de negocio está más desarrollado y es más prometedor. Se analizan los conceptos y buenas prácticas de investigación de mercado, gestión de las ventas y las relaciones con los clientes y análisis y predicción del comportamiento de los clientes (customer analytics).

    El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), y de reporting y análisis (QlikView o Tableau).

    A11. Operaciones y logística: casos de negocio (3 créditos)

    Se trabajan los usos del BI en la cadena de suministro (aprovisionamiento, producción, gestión de almacenes, transporte y distribución al punto de venta) y las nuevas aplicaciones vinculadas a la internet de las cosas (IoT) y los sistemas de información geográfica.

    El estudiante trabaja con herramientas ofimáticas (XLS, PPT), estadísticas (R), de reporting y análisis (QlikView o Tableau), así como ejercicios que integran sistemas de información geográfica de código abierto.

E6. Ciencia de los datos (data science) (12 créditos)

El objetivo de esta especialidad es formar expertos en modelos, métodos y herramientas avanzadas de análisis de datos. Se puede considerar una ampliación y profundización de la especialidad de Análisis y minería de datos (E2) y forma parte del itinerario de análisis de datos del máster.

    A12. Recogida y preparación de datos (4 créditos)

    En esta asignatura se trabajan en profundidad los métodos y técnicas de diseño experimental, recogida y preparación de datos, tanto en métodos cuantitativos (encuestas, etc.) como cualitativos (delphi, focus groups, entrevistas y cuestionarios).

    Se trabaja con herramientas de programación (Python), estadística avanzada (R) e investigación científica (Atlas.ti o N-Vivo).

    A13. Modelos avanzados de clasificación, relación y predicción (4 créditos)

    A partir del trabajo desarrollado previamente, el estudiante profundiza en modelos y técnicas más avanzados de clasificación y predicción, mediante la combinación de clasificadores y su ajuste fino.
    Se adquieren estas capacidades a través de casos prácticos de aplicación en la empresa y mediante el empleo de herramientas de programación (Python) y estadística (R).
     
    A14. Visualización de datos (4 créditos)

    Esta asignatura cierra el ciclo de profundización en métodos y técnicas de analítica de negocio y data science, con la presentación de las tendencias más actuales en visualización de información como el: periodismo de datos (storytelling)...
    Se trabaja con herramientas de programación (Python), estadística avanzada (R) y herramientas de visualización (Gephi, D3.js).
     

E3. Sistemas de información de inteligencia de negocio (data warehouse) (12 créditos)

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más habituales, es decir, los que se basan en el uso de bases de datos relacionales para la construcción de un almacén de datos o data warehouse.

Esta especialidad forma parte del itinerario de sistemas de información del máster.

    A15. Bases de datos para data warehouse (4 créditos)

    Esta asignatura tiene por objeto adquirir conceptos, procedimientos y buenas prácticas para la creación y gestión de las bases de datos relacionales que dan soporte a la construcción del almacén de datos. Incluye aspectos de diseño lógico y físico y las nuevas bases de datos orientadas a columnas.

    Se trabaja con una base de datos relacional tipo PostgreSQL y una base de datos orientada a columnas (MonetDB o Vertica).

    A16. Diseño y construcción del almacén de datos (4 créditos)

    En esta asignatura el estudiante aprende a crear un almacén de datos en el que se organiza la información, que luego se explota con diferentes herramientas para analizarla y dar soporte a la toma de decisiones. Se presentan los diferentes componentes de la factoría de información corporativa y las técnicas para su diseño y construcción, carga de datos y diseño multidimensional.

    Se trabaja con un caso práctico extenso y con diferentes herramientas de Microsoft o Pentaho, sobre bases de datos Oracle o PostgreSQL.
    .

    A17. Explotación y administración de sistemas de data warehouse (4 créditos)

    Esta asignatura se centra en la explotación de datos de un sistema de inteligencia de negocio para almacén de datos y las diferentes maneras de extraer y presentar la información. Incluye también un ejercicio de análisis de viabilidad de la inversión en un sistema de almacén de datos.

    Se trabaja con la misma familia de herramientas: Microsoft o Pentaho para el almacén de datos y Oracle o PostgreSQL como bases de datos.

E4. Big data y sistemas NoSQL

En esta especialidad se adquieren las competencias para diseñar, construir, mantener y explotar los sistemas de información de inteligencia de negocio más nuevos, basados en la captura, procesamiento y gestión de datos masivos, de diferentes procedencias y tipología.

Esta especialidad forma parte del itinerario de sistemas de información del máster.

    A18. Gestión de big data: datos y usos (4 créditos)

    En esta asignatura se profundiza en los conceptos que se introdujeron en la primera especialidad (E1. Fundamentos de inteligencia de negocio y big data). Se presentan los cambios relevantes en el tipo de computación, los ecosistemas de procesamiento distribuido y los modelos de análisis y visualización más frecuentes.

    Se trabaja principalmente con el entorno Hadoop, sobre máquinas virtuales accesibles desde el aula. La universidad cuenta con un universo de datos propio con decenas de millones de registros.

    A19. Gestión de big data: tecnologías (4 créditos)

    En esta asignatura se presentan los nuevos escenarios del espacio de big data: la internet de las cosas, inteligencia geográfica, analítica social, datos abiertos... y las tecnologías no cubiertas en otras asignaturas, como stream, in-memory, time series... Así como los sistemas de indexación y búsqueda distribuida.

    Por las características de la asignatura se trabaja con diferentes herramientas que se actualizan continuamente y pueden cambiar en cada edición: R, GeoBI, Python, VoltDB¿

    A20. Bases de datos NoSQL (4 créditos)

    Las bases de datos NoSQL constituyen una alternativa a las bases de datos relacionales y son especialmente idóneas para ciertos dominios de aplicación, por razones de volumen, tipología o complejidad. En esta asignatura se presentan los principios y conceptos de este tipo de bases de datos, los modelos de datos y su distribución. Se trabajan diferentes tipos de bases de datos NoSQL (clave valor, documentos, grafos) con herramientas como Riak, MongoDB o Neo4j.

Trabajo final de máster (TFM) (9 créditos)

El máster se completa con un trabajo final, y tiene un valor de 9 créditos. El trabajo final se puede realizar en dos modalidades:

    Elegir entre una serie de temas propuestos por el equipo docente, que cubren los componentes o bloques temáticos principales del ámbito de inteligencia de negocio y análisis de datos.
    Proponer un proyecto propio de interés del estudiante que puede realizar en su empresa.

Recursos comunes para el aprendizaje

El estudiante dispone a lo largo del programa cuenta con recursos comunes de soporte y aprendizaje:

    Una asignatura transversal optativa de adquisición de competencias digitales (Aprovechar las TIC en posgrado), cuyo objeto es familiarizarse con el uso de las herramientas del campus y aulas de la UOC, y la formación en técnicas de información y comunicación social para la formación virtual.
    Un laboratorio de prácticas y servicios de soporte en el uso de las herramientas. El programa cuenta con acuerdos con los principales fabricantes de software de BI y big data, con empresas de infraestructura virtualizada y con un laboratorio de herramientas de software de código abierto.
    Un tutor asignado a lo largo de todo el programa, para el seguimiento individualizado del progreso del estudiante, la resolución de incidencias y la coordinación con los docentes. El aula de tutoría proporciona también información de actualidad, anuncios de eventos y cursos y ofertas de empleo.
    Un conjunto de recursos para el aprendizaje no guiado: un blog sobre temas de actualidad, un canal de vídeo, varias webs propias, una wiki sobre el uso de las herramientas de laboratorio, un repositorio de casos y proyectos de fin de carrera y acceso a las bases de datos de la empresa de prospectiva Gartner, a la biblioteca virtual de la Universidad y a la red de recursos de las bibliotecas públicas.
    Recursos de nivelación, tales como tutoriales, vídeos y materiales docentes de otros programas de la UOC, para aquellos estudiantes que presenten carencias de formación en ámbitos de empresa, sistemas de información, estadística o tecnologías.
    Una bolsa de trabajo, tanto para ofertas de ocupación estable como para la realización de prácticas voluntarias en empresas.

Herramientas de software

El programa aspira a que los profesionales de vocación y perfil más empresarial y funcional puedan adquirir competencias de usuario avanzado para el análisis de negocio. Los estudiantes de este tipo de perfil siguen el recorrido no tecnológico (mención en análisis de datos) y reciben formación de nivelación y soporte individualizado si lo requieren.

De igual manera, aquellos profesionales de perfil y vocación más tecnológica adquieren competencias avanzadas de diseño, construcción y explotación de sistemas de BI, basadas en estas herramientas y disponen de un laboratorio a cargo de personal especializado. Los estudiantes de este perfil siguen el recorrido de sistemas de información.

La UOC tiene acuerdos de colaboración estable con los programas académicos de IBM, Microsoft, Oracle, Pentaho y QlikView. Asimismo continuamente estamos evaluando otras herramientas y acuerdos con otros fabricantes.

La UOC ha tenido tradicionalmente un compromiso con el software de código abierto, en especial en el ámbito de la inteligencia de negocio. Nuestra herramienta de referencia en análisis estadístico y minería de datos es R, para cuyo uso disponemos de manuales, tutoriales y una web de contenidos. Nuestra herramienta de referencia en la explotación y análisis de datos masivos son Hadoop y Spark. Para el aprendizaje de bases de datos NoSQL utilizamos herramientas como MongoDB, Riak o Neo4j.

Dependiendo de las exigencias de rendimiento del software, algunas aplicaciones se pueden descargar en el ordenador del estudiante o bien acceder a máquinas virtuales de Amazon y Azure desde la propia aula.

En la descripción de cada especialidad y asignatura, se incluyen las herramientas que se utilizan para el aprendizaje. Esta elección puede cambiar en cada convocatoria en función de las necesidades docentes, la actualización del programa y la relación con fabricantes actuales o nuevos.

Equipo docente :

Dirección académica

José Ramón Rodríguez

Licenciado en Filosofía y Letras por la Universidad de Sevilla. Máster universitario en Aplicaciones Multimedia. Programa de Dirección general (IESE-Business School). Programa de Dirección de sistemas de información (Harvard Business School). Consultor independiente de business intelligence
 
Profesorado

Jordi Conesa Caralt

Doctor en Informática por la Universidad Politécnica de Cataluña. Profesor del área de Bases de datos e ingeniería del software de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya. Grupo de investigación en Ingeniería del Software (GRES-UOC).
 
David Gañan Jiménez

Ingeniero de Informática por la Universidad Politécnica de Cataluña y máster en Aplicaciones multimedia por la UOC. Especializado en desarrollo de aplicaciones con tecnologías .NET.
 
Isabel Guitart Hormigo

Licenciada en Informática por la Universidad Politécnica de Cataluña. Profesora del área de Sistemas de información de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya. Grupo de investigación Ingeniería del Software (GRES-UOC).
 
Josep Maria Marco

Licenciado en Informática por la Universidad Politécnica de Cataluña y doctor en Sociedad de la Información y el Conocimiento por la UOC. Profesor del área de Sistemas de información de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación ICSS (Information and Communication Systems and Services).
 
David Masip Rodo

Doctor en Informática por la Universidad Autónoma de Barcelona. Profesor del área de Inteligencia artificial de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya. Grupo de investigación SUNAI (Scene Understanding and Artificial Intelligence LAB).
 
Julià Minguillón Alonso

Doctor Ingeniero en Informática por la Universidad Autónoma de Barcelona. Es profesor de diseño de estructuras de datos y de minería de datos en los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación LAIKA (Learning Analytics for Innovation and Knowledge Application in Higher Education).
 
Joan Antoni Pastor Collado

Doctor en Informática por la Universidad Politécnica de Cataluña. Es profesor de dirección de las tecnologías de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación ICSS (Information and Communication Systems and Services).
 
Maria Pujol-Jover

Doctora en Estudios Empresariales por la Universidad de Barcelona. Profesora del área cuantitativa de los Estudios de Economía y Empresa de la Universitat Oberta de Catalunya. Grupo de investigación Go2Sim (Innnovative tools for elearning).
 
Àngels Rius Gavidia

Doctora en Informática por la Universitat Oberta de Catalunya. Profesora de los Estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación en Ingeniería del Software (GRES-UOC).
 
M.ª Elena Rodríguez González

Doctora en Informática por la Universidad de Alcalá. Es profesora de base de datos los estudios de Informática, Multimedia y Telecomunicación de la UOC. Grupo de investigación TEKING (Technology Enhanced Knowledge and Interaction).
 
Colaboradores docentes

Alex Caminals Sánchez de la Campa

Ingeniero de Informática por la Universidad Politécnica de Cataluña. Licenciado en Matemáticas por la Universidad Autónoma de Barcelona. Responsable de business intelligence.
 
Josep Curto Díaz

Licenciado en Matemáticas por la Universidad Autónoma de Barcelona, máster en Business intelligence y dirección en tecnologías y sistemas de información por la UOC y MBA por IE Business School. Actualmente es CEO de Delfos Research.
 
Elena García Barriocanal

Doctora por la Universidad de Alcalá. Profesora titular de la Escuela Universitaria, área de Lenguajes y sistemas de la Universidad de Alcalá.
 
Jordi Gironès Roig

Licenciado en Matemáticas por la Universidad Autónoma de Barcelona y diplomado en Ciencias Empresariales por la UOC. Experto en SAP R3 y business intelligence. Está certificado en Gestión y Mejora de procesos ITSM según normativa ISO/IEC 20000. Actualmente trabaja para los Laboratorios Doctor Esteve como consultor SAP FI&CO.
 
Emma Gorgori Bonet

Diplomada en Ciencias Empresariales y licenciada en Administración y Dirección de Empresas por la URV. Certificada en el desarrollo y arquitectura de soluciones con las plataformas de business objects y Oracle BI (anteriormente Siebel BI). Experta en análisis de requerimientos y desarrollo de soluciones de business intelligence.
 
Jose Luis Gómez García

Ingeniero Informático por la Universidad Pontificia de Salamanca y máster en Business intelligence por la UOC. Director Business Intelligence (desde 2011) en Altadis.
 
Xavier González Farran

Ingeniero técnico de Informática por la Universidad Politécnica de Cataluña, diplomado en Ciencias Empresariales por la UOC y asesor financiero europeo (EFPA). Experto en business intelligence y en GRC (governance, risk & compliance). Es director dentro del área de Servicios informáticos de CaixaBank.
 
Carles Llorach Rius
 Alexandre Pereiras Magariños

Ingeniero de Informática por la UOC. Experto en business intelligence y data warehousing con las tecnologías Oracle e IBM Cognos. Actualmente trabaja como data warehouse architect para la entidad financiera Brown Brothers Harriman & Co. de Cracovia (Polonia).
 
Enrique Rodríguez García

Diplomado en Estadística y licenciado en Investigación y Técnicas de Mercado por la Universidad de Barcelona. Consultor de inteligencia de cliente/negocio y profesor de análisis de datos e inteligencia de cliente/negocio en diferentes organizaciones.
 
José Luis Roldán Salgueiro.

Licenciado en Ciencias Económicas y Empresariales por la Universidad de Sevilla (US). Doctor en Administración y Dirección de Empresas (US). Experto en administración de empresas, sistemas de información y partial least squares (PLS).
 
Tutores
Gemma Gironès 
José Luis Gómez
Daniel Martín
Otra formación relacionada con Magister de Business Intelligence: