Saltar al contenido
En colaboración con
Formación online Hasta el 100% Bonificado

Máster en Transformación Digital y Data Analytics

Duración total 1500 horas
Modalidad Online
Convocatoria Abierta
Descargar Dossier

Precio 1.995 €

Solicitar información

Resumen del curso

Descripción

El objetivo de cualquier empresa es ser referente en su sector y poder diferenciarse del resto de competidores. Para lograr este objetivo, el Big Data y el Business Intelligence son elementos clave.

Gracias a este Master de Formación Permanente en Business Intelligence y Big Data aprenderás los aspectos fundamentales de estas tecnologías, logrando analizar datos de multitud de fuentes que te permitan tomar decisiones estratégicas de manera rápida y eficiente. Utilizarás herramientas como Hadoop, Weka, Tableau, PowerBI o Google Analytics y lenguajes de programación como Python y R para analizar y visualizar información.

Contarás con un equipo de profesionales especializados en la materia. Además, gracias a las prácticas garantizadas, podrás acceder a un mercado laboral en plena expansión.

Objetivos

  • Entender por qué el Big Data y el Business Intelligence son clave para la transformación digital de una empresa.
  • Saber cuál es el papel del Big Data como fuente de información para la toma de decisiones estratégicas.
  • Aplicar las principales técnicas de Data mining y análisis de datos.
  • Utilizar herramientas como Hadoop, Weka, MongoDB o MySQL para almacenar, gestionar y analizar datos.
  • Programar en los lenguajes Python y R orientados al análisis y visualización de datos.
  • Aprender cómo crear visualizaciones de datos profesionales con Tableau, Qlikview o PowerBI.
  • Analizar datos web relevantes mediante el uso de Google Analytics.

¿Para qué te prepara?

Gracias a este Master de Formación Permanente en Business Intelligence y Big Data aprenderás los aspectos fundamentales de estas tecnologías, logrando analizar datos de multitud de fuentes que te permitan tomar decisiones estratégicas de manera rápida y eficiente. Utilizarás herramientas como Hadoop, Weka, Tableau, PowerBI o Google Analytics y lenguajes de programación como Python y R para analizar y visualizar información.

¿A quién va dirigido?

Este Máster de Formación Permanente en Business Intelligence y Big Data está dirigido a una gran diversidad de perfiles y es aplicable a cualquier sector, puesto que es adecuado para todas aquellas personas que quieran adquirir conocimientos sobre tecnologías de análisis y procesamiento de datos, sobre todo perfiles informáticos.

Salidas profesionales

Cualquier empresa busca diferenciarse del resto de competidores y obtener una ventaja competitiva sacando decisiones estratégicas basada en un gran análisis de datos. Gracias a este Máster de Formación Permanente en Business Intelligence y Big Data optarás a puestos como Analista de datos, Experto en Inteligencia de Negocio, Big Data Engineer, Visual Analyst o Data Scientist.

Temario

MÓDULO 1. TRANSFORMACIÓN DIGITAL
UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE LA TRANSFORMACIÓN DIGITAL
  1. Concepto y evolución de la transformación digital
  2. Digitalización, innovación y transformación empresarial
  3. Impulsores, oportunidades y retos de la transformación digital
  4. Tecnología y ventaja competitiva
  5. Barreras y factores clave de éxito
  6. Tendencias digitales y tecnológicas
  7. Estrategia empresarial en el entorno digital
  8. Madurez y capacidades digitales de la organización
UNIDAD DIDÁCTICA 2. TECNOLOGÍAS DIGITALES Y GESTIÓN DEL DATO
  1. El ecosistema tecnológico para la transformación empresarial
  2. Cloud computing, plataformas y modelos as a service
  3. Datos, analítica y Business Intelligence
  4. Inteligencia artificial e IA generativa
  5. IoT, automatización y otras tecnologías emergentes
  6. Ciberseguridad, privacidad y confianza digital
UNIDAD DIDÁCTICA 3. ORGANIZACIÓN, PERSONAS E INNOVACIÓN
  1. Liderazgo y cultura digital
  2. Gestión del cambio y resistencia a la transformación
  3. Talento y competencias digitales
  4. Nuevas formas de trabajo y organización
  5. Innovación y metodologías ágiles
  6. Design Thinking, Lean Startup y experimentación
UNIDAD DIDÁCTICA 4. PROCESOS Y OPERACIONES DIGITALES
  1. Transformación digital de la cadena de valor
  2. Rediseño y optimización de procesos
  3. Automatización inteligente y RPA
  4. Integración de sistemas y plataformas empresariales
  5. Datos aplicados a la gestión y toma de decisiones
  6. Industria 4.0 y operaciones inteligentes
UNIDAD DIDÁCTICA 5. CLIENTE DIGITAL Y EXPERIENCIA DE CLIENTE
  1. El nuevo comportamiento del cliente digital
  2. Customer Experience y Customer Journey
  3. Personalización y orientación al cliente
  4. Omnicanalidad, canales digitales y CRM
  5. Marketing digital y estrategias de crecimiento
  6. Medición y optimización de la experiencia del cliente
UNIDAD DIDÁCTICA 6. NUEVOS MODELOS DE NEGOCIO DIGITALES
  1. Transformación de los modelos de negocio tradicionales
  2. Diseño y validación de modelos de negocio digitales
  3. Plataformas, marketplaces y ecosistemas digitales
  4. Suscripción, freemium y modelos as a service
  5. Innovación de productos y servicios digitales
  6. Viabilidad y escalabilidad de los negocios digitales
UNIDAD DIDÁCTICA 7. PLAN DE TRANSFORMACIÓN DIGITAL
  1. Diagnóstico y definición de la visión de transformación
  2. Identificación y priorización de iniciativas
  3. Diseño del plan y roadmap de transformación
  4. Recursos, inversión y selección tecnológica
  5. Implementación, gestión del cambio y adopción
  6. KPI, ROI, seguimiento y mejora continua
MÓDULO 2. BIG DATA & BUSINESS INTELLIGENCE FUNDAMENTALS
UNIDAD DIDÁCTICA 1. LA REVOLUCIÓN DE LOS DATOS MASIVOS: BIG DATA Y THICK DATA
  1. ¿Qué es Big Data?
  2. ¿Y Thick Data? ¿Cuál es el matiz para diferenciar ambos términos?
  3. El gran auge del big data
  4. La importancia de almacenar y extraer información
  5. ¿Cual es el papel de las fuentes de datos?
  6. Soluciones novedosas gracias a la selección de datos
  7. Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 2. TOMA DE DECISIONES INTELIGENTES
  1. Thick Data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
  2. Fases en un proyecto de Big Data
  3. Big Data enfocado a los negocios
  4. Apoyo del Big Data en el proceso de toma de decisiones
  5. Toma de decisiones operativas
UNIDAD DIDÁCTICA 3. CÓMO HACER CRECER UN NEGOCIO A TRAVÉS DEL BIG DATA Y SUS APLICACIONES
  1. Marketing estratégico y Big Data
  2. Open data
  3. Ejemplo de uso de Open Data
  4. IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 4. BIG DATA EN DIFERENTES SECTORES
  1. Relación entre inteligencia artificial y big data
  2. IA y Big Data combinados
  3. El papel del Big Data en IA
  4. Big Data en salud
  5. Necesidad de Big Data en la asistencia sanitaria
  6. Retos del big data en salud
  7. Big Data y People Analytics en RRHH
UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas Operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de Textos y Web Mining
  6. Data mining y marketing
UNIDAD DIDÁCTICA 8. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de Datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 9. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
  1. Visión General: ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube
UNIDAD DIDÁCTICA 10. INTERNET DE LAS COSAS
  1. Contexto Internet de las Cosas (IoT)
  2. ¿Qué es IoT?
  3. Elementos que componen el ecosistema IoT
  4. Arquitectura IoT
  5. Dispositivos y elementos empleados
  6. Ejemplos de uso
  7. Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 11. STORYTELLING
  1. ¿Qué es el Data Storytelling?
  2. Elementos clave del Data Storytelling
  3. ¿Por qué es importante el Data Storytelling?
  4. ¿Cómo hacer Data Storytelling?
UNIDAD DIDÁCTICA 12. ECOSISTEMA HADOOP
  1. ¿Qué es Hadoop? Relación con Big Data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark
MÓDULO 3. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 1.INTRODUCCIÓN A LA CIENCIA DE DATOS
  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Computing
  4. Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2.BASES DE DATOS RELACIONALES
  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL Una base de datos relacional
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL Teorema de CAP
  4. Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
  1. ¿Qué es MongoDB?
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING
  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos
UNIDAD DIDÁCTICA 6. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
  1. Una aproximación a PENTAHO
  2. Soluciones que ofrece PENTAHO
  3. MongoDB & PENTAHO
  4. Hadoop & PENTAHO
  5. Weka & PENTAHO
UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA
  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop
UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis
UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS
  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados
MÓDULO 4. DATA MINING, INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO
UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS
  1. Minería de datos
  2. ¿Qué podemos hacer con data Mining?
  3. ¿Qué usos puede tener el data Mining?
  4. Metodología de la minería de datos
  5. Algunas técnicas estadísticas utilizadas en data mining
  6. Árboles de decisión
  7. Reglas de inducción
  8. Redes Bayesanas
  9. Algoritmos Genéticos
UNIDAD DIDÁCTICA 2. CICLO DATA MINING
  1. Ciclo data mining
  2. Minería de Textos y Web Mining
  3. Data mining y marketing
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
  1. Introducción a la inteligencia artificial
  2. Historia
  3. La importancia de la IA
UNIDAD DIDÁCTICA 4. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
  1. Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 5. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
  1. Relación entre inteligencia artificial y big data
  2. IA y Big Data combinados
  3. El papel del Big Data en IA
  4. Tecnologías de IA que se están utilizando con Big Data
UNIDAD DIDÁCTICA 6. SISTEMAS EXPERTOS
  1. Sistemas expertos
  2. Estructura de un sistema experto
  3. Inferencia: Tipos
  4. Fases de construcción de un sistema
  5. Rendimiento y mejoras
  6. Dominios de aplicación
  7. Creación de un sistema experto en C#
  8. Añadir incertidumbre y probabilidades
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
  1. Introducción
  2. Clasificación de algoritmos de aprendizaje automático
  3. Ejemplos de aprendizaje automático
  4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
  5. Tipos de algoritmos de aprendizaje automático
  6. El futuro del aprendizaje automático
UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
  1. Introducción
  2. Algoritmos
UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
  1. Introducción
  2. Filtrado colaborativo
  3. Clusterización
  4. Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
  1. Clasificadores
  2. Algoritmos
UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
  1. Componentes
  2. Aprendizaje
UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
  1. Introducción
  2. El proceso de paso de DSS a IDSS
  3. Casos de aplicación
MÓDULO 5. ANÁLISIS DE DATOS CON PYTHON
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS
  1. ¿Qué es el análisis de datos?
UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB
  1. Análisis de datos con NumPy
  2. Pandas
  3. Matplotlib
UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS
  1. Cómo usar loc en Pandas
  2. Cómo eliminar una columna en Pandas
UNIDAD DIDÁCTICA 4. PIVOT TABLES
  1. Pivot tables en pandas
UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN
  1. El grupo de pandas
UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES
  1. Python Pandas fusionando marcos de datos
UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN
  1. Matplotlib
  2. Seaborn
UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING
  1. Aprendizaje automático
UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA
  1. Regresión lineal
  2. Regresión logística
UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES
  1. Estructura de árbol
UNIDAD DIDÁCTICA 11. NAIVE BAYES
  1. Algoritmo de Naive bayes
  2. Tipos de Naive Bayes
UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)
  1. Máquinas de vectores soporte (Support Vector Machine-SVM)
  2. ¿Cómo funciona SVM?
  3. Núcleos SVM
  4. Construcción de clasificador en Scikit-learn
UNIDAD DIDÁCTICA 13. KNN
  1. K-nearest Neighbors (KNN)
  2. Implementación de Python del algoritmo KNN
UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)
  1. Análisis de componentes principales
UNIDAD DIDÁCTICA 15. RANDOM FOREST
  1. Algoritmo de Random Forest
MÓDULO 6. DATA VISUALIZATION
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
  1. ¿Qué es la visualización de datos?
  2. Importancia y herramientas de la visualización de datos
  3. Visualización de datos: Principios básicos
UNIDAD DIDÁCTICA 2. TABLEAU
  1. ¿Qué es Tableau? Usos y aplicaciones
  2. Tableau Server: Arquitectura y Componentes
  3. Instalación Tableau
  4. Espacio de trabajo y navegación
  5. Conexiones de datos en Tableau
  6. Tipos de filtros en Tableau
  7. Ordenación de datos, grupos, jerarquías y conjuntos
  8. Tablas y gráficos en Tableau
UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
  1. Fundamentos D3
  2. Instalación D3
  3. Funcionamiento D3
  4. SVG
  5. Tipos de datos en D3
  6. Diagrama de barras con D3
  7. Diagrama de dispersión con D3
UNIDAD DIDÁCTICA 4. LOOKER
UNIDAD DIDÁCTICA 5. QLIKVIEW
  1. Instalación y arquitectura
  2. Carga de datos
  3. Informes
  4. Transformación y modelo de datos
  5. Análisis de datos
UNIDAD DIDÁCTICA 6. GOOGLE CHART
UNIDAD DIDÁCTICA 7. CHARTBLOCKS
UNIDAD DIDÁCTICA 8. INFOGRAM
UNIDAD DIDÁCTICA 9. LEAFLET
UNIDAD DIDÁCTICA 10. CARTO
  1. CartoDB
MÓDULO 7. POWER BI
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A POWER BI
  1. ¿Qué es Power BI?
  2. Funciones de Power BI
  3. Versiones de Power BI
  4. Roles de Power BI
  5. Planificación de proyectos con Power BI
UNIDAD DIDÁCTICA 2. INSTALACIÓN DE POWER BI
  1. Instalación y puesta en marcha
  2. Conexión de datos a Power BI
  3. Filtrado de datos
  4. Vista de datos
UNIDAD DIDÁCTICA 3. MODELADO DE DATOS
  1. Introducción al modelado de datos
  2. Creación de medidas
  3. Creación y relación entre tablas
  4. Creación de columnas y medidas calculadas
  5. Dinamizar columnas
  6. Fórmulas de consulta
UNIDAD DIDÁCTICA 4. VISUALIZACIÓN DE DATOS
  1. Creación de gráficas
  2. Tablas dinámicas
  3. Segmentación de datos
  4. Uso de objetos visuales
  5. Formas y cuadros de texto
  6. Imágenes
  7. Matrices y tablas
  8. Cómo crear un velocímetro
  9. Mapas
  10. Slicers
  11. Cómo modificar colores
UNIDAD DIDÁCTICA 5. DASHBOARDS
  1. Uso del Dashboard
  2. Compartir Dashboards
  3. Añadir Widgets
  4. Cómo crear reportes
  5. Ajustes del panel
  6. Preguntas y respuestas del Dashboard
UNIDAD DIDÁCTICA 6. USO COMPARTIDO DE DATOS
  1. Exportar datos de Power BI a Excel
  2. Exportar Dashboards
  3. Crear paquetes de contenido
  4. Presentación de informes
  5. Cómo públicar y compartir informes
  6. Introducción a Power BI mobile
MÓDULO 8. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2
UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R
UNIDAD DIDÁCTICA 2. EJES
UNIDAD DIDÁCTICA 3. TÍTULOS
UNIDAD DIDÁCTICA 4. LEYENDAS
UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA
UNIDAD DIDÁCTICA 6. MÁRGENES
UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES
UNIDAD DIDÁCTICA 8. COLORES
UNIDAD DIDÁCTICA 9. TEMAS
UNIDAD DIDÁCTICA 10. LÍNEAS
UNIDAD DIDÁCTICA 11. TEXTO
UNIDAD DIDÁCTICA 12. COORDENADAS
UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS
UNIDAD DIDÁCTICA 14. CINTAS
UNIDAD DIDÁCTICA 15. SUAVIZADOS
UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS
MÓDULO 9. ANALÍTICA WEB
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB
  1. ¿Qué es la analítica web?
  2. Establecimiento de objetivos y KPIs
  3. Métricas principales y avanzadas
  4. Objetivos y ventajas de medir
  5. Plan de medición
UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4
  1. Introducción a Google Analytics 4
  2. Interfaz
  3. Métricas y dimensiones
  4. Informes básicos
  5. Filtros
  6. Segmentos
  7. Eventos
  8. Informes personalizados
  9. Comportamiento de los usuarios e interpretación de datos
UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER
  1. Introducción a GTM
  2. Implementación con GTM
  3. Medición con GTM
  4. Uso de Debug/Preview Mode
UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN
  1. La atribución
  2. Multicanalidad
  3. Customer Journey
  4. Principales modelos de atribución
  5. Modelos de atribución personalizados
UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO
  1. Planificación del Dashboard
  2. Características del Dashboard
  3. Introducción a Data Studio
  4. Conectores
  5. Tipos de gráficos
  6. Personalización de informes
  7. Elementos de control
  8. Dimensiones y métricas
  9. Campos Calculados
  10. Compartir informes
UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO
  1. Introducción al SEO
  2. Historia de los motores de búsqueda
  3. Componentes de un motor de búsqueda
  4. Organización de resultados en un motor de búsqueda
  5. La importancia del contenido
  6. El concepto de autoridad en Internet
  7. Campaña SEO
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM
  1. Introducción al SEM
  2. Principales conceptos en SEM
  3. Sistema de pujas y Calidad del anuncio
  4. Primer contacto con Google Ads
  5. Creación de anuncios con calidad
  6. Indicadores clave de rendimiento en SEM
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES
  1. Análisis del tráfico en redes sociales
  2. Fijar objetivos en redes sociales
  3. Facebook
  4. Twitter
  5. Youtube
  6. LinkedIn
  7. Tik tok
  8. Instagram
UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS
  1. Usabilidad
  2. Mapas de calor
  3. Grabaciones de sesiones de usuario
  4. Ordenación de tarjetas
  5. Test A/B
  6. Test multivariante
  7. KPI, indicadores clave de rendimiento
  8. Cambios a realizar para optimizar una página web
UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB
  1. Hotjar
  2. Microsoft Power BI
  3. Google Search Console
  4. Matomo
  5. Awstats
  6. Chartbeat
  7. Adobe Analytics
UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO
  1. ¿Qué son las cookies?
  2. Tipos de cookies
  3. GDPR
  4. Herramientas para manejar el consentimiento de cookies
MÓDULO 10. PROYECTO FIN DE MÁSTER

Descubre cuánto puede invertir tu empresa en formación sin coste

Como cliente o asociado de AFT, puedes solicitar información personalizada sobre tu crédito Fundae y la formación disponible para tu equipo.

Formulario de solicitud de información