Curso de Ingeniería de datos, Quality and Modeling

• Los fundamentos y principios de la analítica. Aplicación de la analítica de negocios y datos, Implementación.
• Conceptos y prácticas fundamentales del modelado analítico.
• El lado humano de la analítica: comunicación, conversación y colaboración.
• Las organizaciones y la analítica. La aplicación del análisis predictivo en organizaciones con casos.
• La aplicación de la ciencia de datos en proyectos de valor.
• Cómo preparar los datos, modelos, técnicas, algoritmos y más.
• Técnicas de visualización efectiva.
• Consideraciones organizativas para el análisis predictivo.
• Habilidades para generar estrategias con análisis predictivo
• Como comunicar tus datos con visualización.
• Describir la historia, teoría y ciencia detrás de la visualización de datos.
• Involucrarte en todo el proceso de análisis de datos.
• Preparación de datos para la visualización.
• Utilizar la percepción visual y cognición humanas para el diseño.
• Elementos para la visualización (tablas, mapas, infografías) y su correcto uso.
• Reforzará sus habilidades de exploración y análisis

Gerentes interesados en análisis de datos, desde sus fundamentos, hasta
predicciones. Gerentes de proyectos de análisis, arquitectos de datos,
gerentes de proyectos; analistas de negocio (Business analysts), todo
aquel que quiera ser capaz de proporcionar previsiones para la empresa;
gerentes que necesitan nuevas herramientas para visualizar las
probabilidades a futuro del negocio.

Módulo 1: El Valor del Modelamiento para el negocio en la era del Big Data

• Las preguntas de negocio de alto impacto
• Asegurar que las áreas trabajen juntas
• Habilitación de una implementación ágil e incremental
• Más allá del diseño de bases de datos

Módulo 2: Arquitecturas de información, datos dimensionales y Gobierno

• Tradicionales
• Ágiles
• Gobierno de la Información

Módulo 3: Términos fundamentales y mejores prácticas

• Hechos y dimensiones
• Claves subrogadas, claves naturales y
procesamiento de cambios lento
• Granularidad, escasez y aditividad
• Mejores prácticas para tablas de hechos y
tablas de dimensiones

Módulo 4: Implementaciones

• Modelamientos:

Modelando el Staging Area
Modelando para Big Data y Warehouse Area
Dimensional Schema Area
Star Schema
Snowflake Schema
Star Schema Múltiples
Diferencias de dimensionalidad

• Diseño avanzado de Tablas de hechos
• Dimensiones
• Diseño avanzado de Dimensiones
• Usando Múltiples estrellas

Módulo 5: Integración y Calidad de datos

• Enterprise Information Management
• Integración de Datos
• ETL / ELT
• Extraer, Transformar y Cargar

Extraer datos
Cargando el área de stage
Recomendaciones generales
Transformar – Calidad y Conformación
Reglas de transformación de datos
Por qué esto debe hacerse en tiempo dediseño
Calidad de Datos
Concepto
Dimensiones de la calidad
Reglas
Cargar Datos
Cargando una tabla de dimensiones
Cargando tablas de hechos
Procesamiento de búsqueda de claves
Control de Integridad de los datos
Columnas para el control de calidad