SÍLABO

INTELIGENCIA DE NEGOCIOS (100000SI76)

2024 - Ciclo 1 Marzo

1. DATOS GENERALES

1.1.Carrera: Ingeniería de Sistemas e Informática

1.2. Créditos: 4
1.3. Enseñanza de curso: Virtual en vivo
1.4. Horas semanales: 4

2. FUNDAMENTACIÓN
Las empresas requieren analizar la información para poder tener mejores ventajas competitivas, por esta razón
requieren herramientas que les facilite la labor de análisis de la Información. Esto se logra aplicando tecnologías
de Inteligencia de Negocios (BI). En vista de ello, el curso permitirá que los estudiantes desarrollen las
habiliades necesarias para gestionar soluciones tecnológicas de Inteligencia de Negocios en las empresas.

3. SUMILLA
El curso es de naturaleza teórica. Se estudian las herramientas de la inteligencia de negocio como Datamart,
DataWarehouse, Data Mining, Balance Scored Card, Big Data y Machine Learning que intervienen en el
desarrollo de soluciones de inteligencia de negocios en un contexto general que abarque a toda la organización.

4. LOGRO GENERAL DE APRENDIZAJE

Al finalizar el curso, el estudiante evalúa soluciones de inteligencia de negocios mediante la planificación
estratégica, para el procesamiento de información en las empresas.

5. UNIDADES Y LOGROS ESPECÍFICOS DE APRENDIZAJE

Unidad de aprendizaje 1: Semana 1,2,3 y 4

Conceptos de Inteligencia de Negocios, data mart y data warehouse..

Logro específico de aprendizaje:

Al finalizar la unidad, el estudiante identifica las herramientas de arquitectura, que le servirán para la construcción
de soluciones con la data e información que se almacena en un Datamart y DataWarehouse para el uso en los
negocios, utilizando los modelos relacionales para datos estructurados.

Temario:
Introducción a la inteligencia de negocios: Propósito. Sociedad del conocimiento.
Datos, información, conocimiento. Arquitectura de SQL server 2008 R2.
Data mart, data warehouse,
Data mining, BSC.
Diseño de un data mart.
Diseño de un data mart. creación
Modelo estrella. definición, importancia
Medidas. Dimensiones.

Unidad de aprendizaje 2: Semana 5,6,7,8 y 9

Integración de Servicios y Generación de Cubos..

Logro específico de aprendizaje:

Al finalizar la unidad, el estudiante desarrolla modelamientos y extracción de información mediante los ETLs para
generar la aplicación de reportes de Cubos de Datos.
 Temario:
Diseñar un modelo estrella.
Integration Services.
Creación de paquetes.
Transformaciones. definición, utilidad
Transformaciones. creación
Conversión de datos. definición, tipos.
Conversión de datos. casos
Aplicación práctica de paquetes.
Aplicación de paquetes. creación

Unidad de aprendizaje 3: Semana 10,11,12,13 y 14

Planeamiento Estratégico y BSC..

Logro específico de aprendizaje:

Al finalizar la unidad, el estudiante evalúa un plan estratégico, mediante las herramientas de Balance Scored Card y
Power BI, con la finalidad de tomar las mejores decisiones de negocios.

Temario:
Análisis Services. Generación de cubos.
Conceptos de Power BI
Mapa estratégico y Balance Scored Card.
indicadores. definición, clasificación
indicadores. identificación y cálculo.
Balance scored card. Definir iniciativas estratégicas.
Implantación de tableros de control.
Aplicación práctica de un BSC. casos varios.
Aplicación práctica de un BSC. creación.

Unidad de aprendizaje 4: Semana 15,16,17 y 18

Introducción a Big Data y Machine Learning.

Logro específico de aprendizaje:

Al finalizar la unidad, el estudiante evalúa data estructurada y no estructurada aplicando las técnicas y herramientas
Big Data y Machine Learning en las empresas y Negocios para generar valor en las organizaciones o empresas.

Temario:
Conceptos y Terminología. Aspectos Generales de Big Data. Tipos de datos
Drivers para adopción
Patrones desde BI hacia Big Data
Aplicaciones empresariales. concepto, importancia
Aplicaciones empresariales. creación y Técnicas de Machine Learning

6. METODOLOGÍA
El curso se desarrolla a través de la plataforma virtual de aprendizaje que se usa como principal medio para el
desarrollo de las sesiones sincrónicas que son complementadas con recursos y materiales que se publican a lo
largo del curso para fomentar el desarrollo de aprendizajes significativos. Por otro lado, el estudiante dispone en
la plataforma virtual de aprendizaje de un espacio de foro de consultas para resolver las dudas académicas a lo
largo del curso. Finalmente, las actividades de evaluación se desarrollan de acuerdo con lo señalado en el sílabo
a través de la plataforma virtual de aprendizaje (aprendizaje para la era digital).

7. SISTEMA DE EVALUACIÓN
El cálculo del promedio final se hará de la siguiente manera:

(20%)PC1 + (20%)PC2 + (30%)ATF1 + (30%)TF

Donde:

Tipo Descripción Semana Observación

PC1 PRÁCTICA CALIFICADA 1 5 Evaluación individual

PC2 PRÁCTICA CALIFICADA 2 10 Evaluación individual

ATF1 AVANCE DE TRABAJO FINAL 1 15 Evaluación flexible.

 Tipo Descripción Semana Observación

TF TRABAJO FINAL 18 Evaluación flexible.

Indicaciones sobre Fórmulas de Evaluación:

1. La nota mínima aprobatoria final es de 12.

2. En este curso, no aplica examen rezagado.

3. En las evaluaciones flexibles, el estudiante debe elegir si desarrollarla de manera individual o grupal.

8. FUENTES DE INFORMACIÓN
Bibliografía Base:
Nin Guerrero, Jordi. (2019). Big data: análisis de datos en entornos masivos. Editorial UOC.
https://tubiblioteca.utp.edu.pe/cgi-bin/koha/opac-detail.pl?biblionumber=35936
Bibliografía Complementaria:
Curto Díaz, Josep - Autor; Braulio Gil, Núria - Autor. Customer analytics: mejorando la inteligencia del
cliente mediante los datos. Editorial UOC. https://tubiblioteca.utp.edu.pe/cgi-bin/koha/opac-detail.pl?
biblionumber=36231
Rodríguez, José Ramon - Autor; González Farran, Xavier - Autor; Guitart, Isabel - Autor. ¿Cómo
planificar un proyecto de inteligencia de negocio?. Editorial UOC. https://tubiblioteca.utp.edu.pe/cgi-
bin/koha/opac-detail.pl?biblionumber=35733
Fernando Dávila Ladrón de Guevara - Autor. Hacia la inteligencia del negocio con Excel 2003. Editorial
Politécnico Grancolombiano. https://tubiblioteca.utp.edu.pe/cgi-bin/koha/opac-detail.pl?
biblionumber=36910

9. COMPETENCIAS

Carrera Competencias específicas

Ingeniería de Sistemas e Informática Soluciones Informáticas

Análisis de Sistemas

10.CRONOGRAMA DE ACTIVIDADES

Actividades y
Unidad de aprendizaje Semana Sesión Tema
evaluaciones

Introducción a la inteligencia de
Exposición de los
negocios: Propósito. Sociedad del
temas de clase
1 conocimiento.
Desarrollo de
actividades

1
Datos, información, conocimiento.
Exposición de los
Arquitectura de SQL server 2008 R2.
temas de clase
2 Desarrollo de
actividades

Data mart, data warehouse,

Exposición de los
temas de clase
3
Desarrollo de
actividades
2
Data mining, BSC.
Exposición de los
temas de clase
4
Desarrollo de
Unidad 1 actividades
Conceptos de Inteligencia
de Negocios, data mart y
data warehouse. Diseño de un data mart.
Exposición de los
temas de clase
 5 Desarrollo de
actividades
3
Diseño de un data mart. creación
Exposición de los
temas de clase
6
Desarrollo de
actividades

Modelo estrella. definición, importancia

Exposición de los
temas de clase
7
Desarrollo de
actividades
4
Medidas. Dimensiones.
Exposición de los
temas de clase
8
Desarrollo de
actividades

Diseñar un modelo estrella.

Exposición de los
temas de clase
9
Desarrollo de
actividades
5

Evaluación
PRÁCTICA
10
CALIFICADA 1

Integration Services.
Exposición de los
temas de clase
11
Desarrollo de
actividades
6
Creación de paquetes.
Exposición de los
temas de clase
12
Desarrollo de
actividades

Transformaciones. definición, utilidad

Exposición de los
13 temas de clase
Desarrollo de
actividades
Unidad 2 7
Integración de Servicios y Transformaciones. creación
Exposición de los
Generación de Cubos.
temas de clase
14
Desarrollo de
actividades

Conversión de datos. definición, tipos.

Exposición de los
temas de clase
15
Desarrollo de
actividades
8
Conversión de datos. casos
Exposición de los
temas de clase
16
Desarrollo de
actividades

Aplicación práctica de paquetes.

Exposición de los
 17 temas de clase
Desarrollo de
actividades
9
Aplicación de paquetes. creación
Exposición de los
temas de clase
18
Desarrollo de
actividades

Análisis Services. Generación de cubos.

Exposición de los
temas de clase
19
Desarrollo de
actividades
10

Evaluación
PRÁCTICA
20
CALIFICADA 2

Conceptos de Power BI
Exposición de los
temas de clase
21
Desarrollo de
actividades
11
Mapa estratégico y Balance Scored Card.
Exposición de los
temas de clase
22
Desarrollo de
actividades

indicadores. definición, clasificación

Exposición de los
temas de clase
23 Desarrollo de
actividades

Unidad 3 12
Planeamiento Estratégico
indicadores. identificación y cálculo.
y BSC. Exposición de los
temas de clase
24
Desarrollo de
actividades

Balance scored card. Definir iniciativas

Exposición de los
estratégicas.
temas de clase
25
Desarrollo de
actividades
13
Implantación de tableros de control.
Exposición de los
temas de clase
26
Desarrollo de
actividades

Aplicación práctica de un BSC. casos

Exposición de los
varios.
temas de clase
27
Desarrollo de
actividades
14
Aplicación práctica de un BSC. creación.
Exposición de los
temas de clase
28
Desarrollo de
actividades
 Conceptos y Terminología. Aspectos Exposición de los
29 Generales de Big Data. Tipos de datos temas de clase
Desarrollo de
15 actividades

Evaluación
AVANCE DE
30
TRABAJO FINAL 1

Drivers para adopción

Exposición de los
temas de clase
31
Desarrollo de
actividades
16
Patrones desde BI hacia Big Data
Unidad 4 Exposición de los
Introducción a Big Data y temas de clase
32
Machine Learning Desarrollo de
actividades

Aplicaciones empresariales. concepto,

Exposición de los
importancia
temas de clase
33
Desarrollo de
actividades

17
Aplicaciones empresariales. creación y
Exposición de los
Técnicas de Machine Learning
temas de clase
34 Desarrollo de
actividades

Evaluación
18 35 TRABAJO FINAL