UNIDAD 1. APROXIMACIÓN Y CONCEPTOS BÁSICOS
1.1.Necesidad de entender los datos. 1.2.Business Intelligence. 2.1.Sistemas de soporte a la decisión.. 1.3.Business Analytics 1.4.Business Analytics vs Business Intelligence.

UNIDAD 2. REPRESENTACION DE LOS DATOS
2.1.Representación de los datos. 2.2.Dashboards como herramienta de visualización. 2.3.Cuadro de Mando Integral (CMI). 2.3.1.Perspectivas del CMI2. 3.2.Visión Global del CMI2. 3.3.Mapa estratégico. 3.4.Planes de acción en base al CMI2. 3.5.Marcadores idóneos o Indicadores Clave de Desempeño (KPIs).

UNiDAD 3. MODELOS Y APRENDIZAJES ESTADÍSTICOS
3.1.Lógica inductiva. 3.1.1.Programación lógica inductiva: definición y ejemplos. 3.1.2.Búsqueda de hipótesis. 3.1.3.Inducción predictiva y descriptiva. 3.2.Teoría de complejidad computacional. 3.2.1.Definición de complejidad computacional: uso en el diseño de algoritmos. 3.2.2.Modelos de computación. 3.2.3.Clases de complejidad. 3.3.Procesos estocásticos. 3.3.1.Matrices estocásticas. 3.3.2.Cadenas de Markov. 3.3.3.Procesos gaussianos. 3.4.Análisis multivariante. Métodos de Aprendizaje Estadístico. 3.5.Evaluación de modelos

UNIDAD 4. INFRAESTRUCTURA DE BIG DATA
4.1.Historia del Big Data..4.2. Big Data. 4.2.1.El data 2.0. 4.2.2.Sectores pioneros en Big Data.  4.3. Big Data Analytics. 4.4.Data Analytics, Big Data y Data Science.

UNIDAD 5. EXPERIMENTACIÓN Y TIPOS DE ANÁLISIS
5.1.Analítica avanzada. 5.2.Analítica predictiva. 5.2.1.Data Mining. 5.2.2. Machine Learning. 5.2.3.Técnicas de Data Mining y Machine Learning. 5.2.4.Otras técnicas de analítica avanzada. 5.3.Analítica prescriptiva.

UNIDAD 6. LOS DATOS
6.1.El valor del dato. 6.2.Tipología de los datos. 6.3.Tratamiento del dato. 6.4.Data Governance. 6.5.Data Quality.  6.6.Normativas del Dato. GDPR.