Data Warehouse Business Intelligence

Fecha de Inicio:

Temario: EVALUACIÓN DIAGNÓSTICA
PRESENTACIÓN

1. INTRODUCCIÓN
1. Introducción
Evaluación 1

2. CONCEPTO DE DATA MART o DATA WAREHOUSE
2. Concepto Data Mart o Data Warehouse
Evaluación 2

3. METODOLOGÍA
3. Metodología
Evaluación 3

4. DISEÑO LÓGICO Y FÍSICO DE BASE DE DATOS CENTRAL
4. Diseño lógico y físico BD central
Evaluación 4

5. DISEÑO DE CUBOS
5. Diseño de cubos
Evaluación 5

6. OLAP
6. OLAP
Evaluación 6

7. TÉCNICAS DE MINERÍA DE DATOS
7. Técnicas de minería de datos
Evaluación 7

8. EL CICLO DE DATA MINING: FASES Y TIPOS DE PROBLEMAS
8. El ciclo de Data Mining
Evaluación 8

CASO PRÁCTICO FINAL
EVALUACIÓN FINAL
RESUMEN

Competencias: OBJETIVO GENERAL:
Utilizar adecuadamente los aspectos que inciden en la comunicación como una herramienta fundamental en la labor docente.
OBJETIVOS ESPECÍFICOS:
Unidad 1

Conocer el concepto de Business Intelligence.
Entender por qué surge el concepto "Business Intelligence".
Analizar la importancia que cobra en las organizaciones.

Unidad 2

Comprender los conceptos clave de Data Warehouse y Data Mart.
Abarcar la importancia del Data Warehouse y Data Mart en el panorama empresarial actual y cómo se integran en la toma de decisiones estratégicas.
Analizar la utilidad y los componentes los Data Marts y Data Warehouses.

Unidad 3

Conocer las metodologías para diseñar, implementar y mantener un Data Warehouse eficiente y escalable.

Unidad 4

Determinar cómo se desarrollan los modelos lógicos y físicos de la base de datos central.
Estimar la importancia que tiene una estructura sólida.

Unidad 5

Explorar el proceso de ETL.
Interpretar la extracción, transformación y carga de datos (ETL)

Unidad 6

Explorar el diseño de cubos OLAP para el análisis de datos multidimensionales.
Conocer la utilidad de las herramientas como Discoverer Administrador y Discoverer Desktop.

Unidad 7

Conocer técnicas esenciales de minería de datos.
Descubrir patrones y tendencias ocultos en los datos a través de las técnicas.

Unidad 8

Aprender sobre el ciclo completo de minería de datos, desde la selección y preprocesamiento de datos hasta la evaluación y despliegue de modelos.