INFORMACIÓN IMPORTANTE COVID-19
Con este curso gratuito online aprenderás a:
Diseñar una base de datos central orientada al análisis y divulgación de datos a través del datamining.
Aplicar técnicas de la minería de datos en la toma de decisiones estratégicas y operativas.
Participar en diálogos sobre competencias clave en su entorno profesional, conocer un mercado tecnológico en constante expansión, realizar breve inmersión en el mundo analítico actual y ser capaz de acceder a casos de éxito en distintos sectores. Curso gratuito sin plazas disponibles. Para saber los cursos gratuitos para trabajadores y desempleados accede a nuestro buscador de cursos gratuitos
Un diploma de aprovechamiento avalado por el SEPE por cada parte del programa avanzado y uno avalado por el centro de formación Smartmind con el nombre del programa avanzado.
Conocimientos específicos sobre business intelligence, big data y sus aplicaciones para la empresa.
La oportunidad de mejorar tu curriculum. Para acceder a este curso, debes cumplir una de las siguientes condiciones:
Estar en proceso de ERTE con tu empresa
Ser autónomo
Estar dad@ de alta como demandante de empleo
Este curso no dispone de plazas para trabajadores de administraciones públicas. Consulta los cursos disponibles para esa situación en este enlace
Además, debes cumplir con al menos una de las siguientes características:
Ser mujer.
Ser mayor de 45 años.
Ser trabajador de baja cualificación (en el caso de los trabajadores en ERTE, tener un grupo de cotización de 6, 7 9 o 10 en la nómina y en el caso de autónomos y desempleados tener un nivel de estudios de bachiller o inferior).
Tener una discapacidad acreditable.
OBJETIVOS
CONTENIDOS
Parte I. Data warehouse
2.1. Utilidad
2.2. Componentes
5.1. Implementación Física de Cubos
5.2. Diseño de ETL: Extracción, Transformación y carga
6.1. Uso de Discoverer Administrador
6.2. Cliente Servidor
6.3. Uso de Discoverer Desktop
Parte II. Data mining
1.1. Conceptos básicos, técnicas y sistemas
1.2. Implantación en la empresa
1.3. Definición de la necesidad
1.4. Objetivos
1.5. Costes
1.6. Áreas de aplicación
6.1. Redes neuronales de modelización predictiva
6.2. Algoritmos matemáticos
6.3. Árboles de decisión
6.4. Técnicas de visualización de datos
6.5. Elección de la técnica
6.6. Explotación de datos según las necesidades de las diferentes áreas del negocio
6.7. Ventajas
10.1. Segmentación
10.2. Clasificación y segmentación de clientes
10.3. Ofertas
10.4. Fidelizar clientes
10.5. Operaciones básicas para descubrir la información oculta
10.6. Estructurar la información
11.1. Herramientas para la fidelización
11.2. Entornos transaccionales
11.3. Acciones promocionales puntuales
11.4. Utilidad del conocimiento
11.5. Reportes estándares, simulaciones ad-hoc y procesamiento de la información. LOPD
