Está en la página 1de 5

SÍLABO

INTELIGENCIA DE NEGOCIOS

http://www.cimas.edu.pe -1 - Inteligencia de Negocios


I. DATOS GENERALES
 Carrera Profesional : COMPUTACIÓN E INFORMÁTICA
 Modulo : III
 Unidad Didáctica : Inteligencia de Negocios
 Créditos :2
 Semestre Académico : Sexto
 N° de Horas Semanales : 3
 Duración : 19 semanas
 N° de Horas Semestrales : 57

II. COMPETENCIA DE LA CARRERA PROFESIONAL


Planificar, implementar y gestionar el uso de las Tecnologías de Información y Comunicación
de una organización, a partir del análisis de sus requerimientos, teniendo en cuenta los
criterios de calidad, seguridad y ética profesional propiciando el trabajo en equipo.

III.CAPACIDADES TERMINALES Y CRITERIOS DE EVALUACIÓN

Capacidad terminal Criterios de Evaluación


Conocer los conceptos principales de Conocer los conceptos básicos de Inteligencia de
Inteligencia de Negocios para implementar Negocios.
Implementar una solución de Inteligencia de
una solución integral con sus herramientas y
Negocios.
técnicas para la mejor tomar de decisiones de Emplear las herramientas para la generación de
una empresa. soluciones de Inteligencia de Negocios.

IV. ORGANIZACIÓN DE ACTIVIDADES Y CONTENIDOS BÁSICOS

Nº Elementos de Actividades de
Contenidos Básicos Tareas previas
Sem. capacidad aprendizaje
 Fundamentos de la Inteligencia
de Negocios (Business
1 Intelligence).
 La Pirámide Organizacional.
Conocer los  Arquitectura de una solución de
Empleo de los Leer,
conceptos Inteligencia de Negocios.
principios básicos investigar
esenciales de  Presentación de Casos de Éxito
de Inteligencia de información
Inteligencia de en la implementación de
Negocios sobre el tema.
Negocios. soluciones de Inteligencia de
2 Negocios.
 Herramientas para la generación
de soluciones de Inteligencia de
Negocios
Aplicar las Uso de  Fundamentos de Almacén de Leer,
3 herramientas y Datawarehouse Datos (DataWarehouse) investigar
técnicas de  Diseño de un Almacén de Datos información
Inteligencia de o DataMarts sobre el tema.
4
Negocios o Modelos de Datos - Esquema
de Estrella o Copo de Nieve

http://www.cimas.edu.pe -2 - Inteligencia de Negocios


Nº Elementos de Actividades de
Contenidos Básicos Tareas previas
Sem. capacidad aprendizaje

 Aspectos teóricos. Introducción al


5
concepto. Tipos de Datos.
 Construcción de un Datamart. Leer,
 Data Mart vs. Data Warehouse. investigar
Uso del Datamart
 Diferencias con Bases de Datos información
Tradicionales sobre el tema.
6  Queries multidimensionales y
extensiones a SQL

 Fundamentos de los Sistemas


OLTP (Procesamiento
7 transaccional en línea).
 Proceso de Extracción.
Uso del Proceso de Características. Leer,
Extracción,  Proceso de Transformación. investigar
Transformación y Características. información
Carga (ETL)  Proceso de Carga. sobre el tema.
Características.
8  Caso Práctico: Generación de un
Modelo ETL para la construcción
de un Almacén de Datos

9 Examen Parcial

 Fundamentos del modelo


multidimensional.
 Diferencias entre OLTP y OLAP.
10  Características de los modelos
multidimensionales (Drill Down,
Aplicar las Drill Up, Slicing, Pivoting).
Uso del Leer,
herramientas y  Tipos de modelos
Procesamiento investigar
técnicas de multidimensionales (ROLAP,
Analítico en Línea información
Inteligencia de MOLAP, OLAP)
(OLAP) sobre el tema.
Negocios  Definición de un Cubo OLAP
o Diseño del Cubo OLAP
o Medidas
11 o Dimensiones
 Caso Práctico: Generación de un
proyecto de Cubos OLAP

 Fundamentos de la Minería de
Datos.
12
 Algoritmos de Minería de Datos.
Aplicar las o Arboles de Decisión
o Clustering Leer,
herramientas y
Uso del Minería de o Redes Bayesianas investigar
técnicas de
Datos (Data Mining) información
Inteligencia de o Series de Tiempo
sobre el tema.
13 Negocios o Asociación
o Redes Neuronales
o Regresión Lineal
o Regresión Logística

http://www.cimas.edu.pe -3 - Inteligencia de Negocios


Nº Elementos de Actividades de
Contenidos Básicos Tareas previas
Sem. capacidad aprendizaje

14 Modelos de minería.
Leer,
 Creación de Modelos de Minería
Uso de los Modelos investigar
de Datos basado en algoritmos.
de Minería información
 Caso Práctico: Generación de un
sobre el tema.
15 modelo de minería de datos

Metodología de Balanced
Scorecard
 Fundamentos Leer,
Uso de los
o Perspectivas investigar
16 Indicadores
información
empresariales o Características
sobre el tema.
 Caso Práctico: Generación de un
Tablero de Comando gerencial
Presentación de
información para
la mejor toma de
17 decisiones
 Creación de cubos e informes. Leer,
Herramientas de
 Uso de cubos e informes. investigar
presentación de
datos  Procesamiento y dimensiones de información
cubos. sobre el tema.
18

19 Examen Final

V. METODOLOGÍA
Para el desarrollo del curso se aplicarán los siguientes procedimientos didácticos:
- Clases teóricas: Con exposición por parte del Docente y la participación activa de los Alumnos.
- Práctica: Se desarrollarán diversas actividades.
- Exposiciones a cargo de los estudiantes.

http://www.cimas.edu.pe -4 - Inteligencia de Negocios


VI. EVALUACIÓN
La evaluación del curso es integral, esto incluye las intervenciones orales, prácticas dirigidas,
prácticas calificadas, ejercicios de aplicación, trabajo de campo, asistencia y desenvolvimiento del
alumno en la clase. Se incluye los exámenes Parcial y Final.
UF1 + EP + UF2 + EF
Promedio Final =
4
Dónde:

 UF1 = Unidad Formativa 1.


Tiene una duración desde la 1ra. semana hasta la 9na. semana; es el promedio de las
prácticas calificadas efectuadas en esta unidad.

 EP = Examen Parcial.
Se realiza durante la 10ma. semana del semestre académico.

 UF2 = Unidad Formativa 2.


Comprende desde la 11va. semana hasta la 18va. semana y es el promedio de las prácticas
calificadas efectuadas en esta unidad.
4
 EF = Examen Final.
Se realiza durante la 19na. semana del semestre académico.

VII. RECURSOS BIBLIOGRÁFICOS / BIBLIOGRAFÍA

Impresos
 Inteligencia de Negocios: Una Propuesta para su Desarrollo en las organizaciones. -
Alejandro Peña Ayala - ISBN: 970-94797-1-7 # 001
 F. Marinescu EJB Design Patterns John Wiley & Sons, 2002.
 SQL SERVER A FONDO, McGraw-Hill.
Digitales (página Web)
 http://www.oracle.com/technology/documentation/discoverer.html
 http://www.oracle.com/technology/documentation/warehouse.html
 http://www.oracle.com/technology/documentation/bi.html
 http://www.oracle.com/technology/documentation/datamining.html

http://www.cimas.edu.pe -5 - Inteligencia de Negocios