Introdução
apresentaçãoVivemos na era da dataificação , na qual graças aos sensores e à rastreabilidade que podemos extrair da chamada impressão digital de nosso rastro na internet ou do uso de nossos dispositivos digitais, estamos em condições de traduzir fenômenos em dados que servem para auxiliar no monitoramento e na tomada de decisões ou que podem até mesmo se transformar em algo monetizável. Mas, para isso, é condição necessária a existência de técnicas para seu correto armazenamento, processamento e análise, o que deve permitir seu aprimoramento, em sentido amplo.
Devido ao seu alto volume, ou seja, devido à sua grande dimensão, o termo Big Data tem se popularizado para se referir a esse fenômeno, embora não seja apenas o alto volume, mas também sua alta frequência e variedade de formas (estruturadas, não estruturadas, textuais , multimídia) os elementos que caracterizam esta era de Big Data, e que marcam o caminho através do qual os desenvolvimentos para a análise de dados massivos devem correr.
Neste contexto, as novas possibilidades da utilização destes sistemas de informação para a classificação de clientes, utilizadores e fornecedores de forma a realizar diferentes formas de discriminação entre eles, ou o seu papel no sistema de apoio à tomada de decisão fez com que o interesse em extrair valor agregado dos dados se tornasse uma prioridade para empresas e instituições como pilares de suas estratégias competitivas.
Nessa ordem de coisas, ter um ecossistema digital adequado que facilite os processos de geração de dados e a existência de canais que facilitem a transferência de dados requer, além de uma infraestrutura tecnológica adequada, ter o capital humano adequado: ou seja, Deve ter especialistas com habilidades avançadas no projeto, extração, armazenamento, tratamento, análise e interpretação que favoreçam a implementação progressiva da tomada de decisão baseada em dados. Portanto, a disponibilidade de especialistas em arquitetura de Big Data e em Data Science é tão importante quanto ter empresas especializadas que nos forneçam a infraestrutura necessária para projetar e implementar gestão baseada em dados ou para transformar a indústria de dados de uma forma criação de valor graças à disponibilidade de tecnologia e talento para capturar, armazenar e analisar dados.
Para alcançar uma cultura empresarial baseada em dados, este ecossistema, esta infraestrutura deve existir e que por sua vez irá gerar externalidades que favoreçam o interesse dos responsáveis pela tomada de decisões estratégicas, projetando e baseando sua governança em sistemas de decisão baseados em dados . Portanto, ter o talento de criadores de estratégias de Big Data é um elemento crucial para facilitar a governança e o desenvolvimento de estratégias de business intelligence. A oferta adequada desse tipo de talento, certamente escasso, é condição sine qua non para que essa nova cultura baseada em dados surja e penetre em todo o sistema de negócios. No entanto, esse talento é escasso, conforme evidenciado pela elevada empregabilidade e salários em relação a outros profissionais semelhantes. Esta situação deve-se, em grande medida, à elevada procura deste tipo de especialistas por parte das grandes empresas ancoradas em antigos esquemas de negócio, que têm consciência de que a sua transformação digital é a chave para serem competitivas. Porém, a implantação dessa nova cultura não é fácil, e exige especialistas que as empresas não possuem e que são escassos no mercado. Para essas corporações, fazer a transição digital transformou os dados em um novo fator produtivo, enquanto algumas empresas, incluindo as da economia digital e das telecomunicações, monetizaram os dados, transformando-os em fonte de geração de valor, em uma nova linha do produto.
Por um lado, essa situação pode ser explicada pela tradicional falta de agilidade de nosso sistema educacional para responder às mudanças de demanda, embora não seja menos verdade que a configuração atual do paradigma e suas rápidas transformações também dificultam a formação. profissionais com este perfil, enquanto para alguns profissionais, atualizar e adquirir este tipo de competências tornou-se condição necessária para o exercício da profissão. Nesse sentido, concordaremos que o quadro de competências que definem um bom número de profissões está mudando a uma velocidade vertiginosa sem que os planos de estudos sejam no mesmo ritmo, de modo que não seria estranho encontrar um bom número de graduados com alta questões de empregabilidade em um mundo em constante mudança.
Talvez o terno de a análise massiva de dados e suas técnicas de análise terem uma origem diversa, em que estratégias e técnicas de análise da Engenharia, Matemática, Estatística e Economia também sejam causas que explicam a resposta lenta ao ausência de um paradigma definido, já que antes um novo paradigma está sendo gerado pela hibridização de todas essas disciplinas.
Este fenómeno tem muito a ver com a relativa heterogeneidade das novas ofertas formativas que procuram dar resposta a esta procura. Assim, dependendo da abordagem, encontramos programas de pós-graduação em Big Data com perfil de Business Intelligence, programas de Data Science com caráter estatístico marcante, programas voltados para Machine Learning e Data Mining e programas voltados para arquitetura. Big Data, dependendo do foco ou mesmo do corpo docente de onde o projeto emana. No entanto, as abordagens mais recentes são abordagens multidisciplinares nas quais não apenas os princípios de programação, armazenamento, captura e arquitetura de big data são importantes, mas, nesses programas, econometria, aprendizado de máquina ou mineração de dados configuram um novo paradigma graças à exploração de intersecções e complementaridades.
Com tudo isto, no contexto nacional, configura-se uma oferta diversificada de pós-graduação tanto no carácter oficial ou próprio, como no dos perfis. Assim, existe um bom número de ofertas de pós-graduação na área de Business Intelligence ou Business Intelligence, orientadas para que os responsáveis pela concepção da estratégia empresarial compreendam os principais elementos da gestão baseada em dados, sem fingir que estes licenciados são analistas de dados ou capazes de desenhar uma estratégia de Big Data, mas que pelo menos são capazes de avaliar sua importância econômica. Um bom número de Escolas de Negócios e Universidades se lançaram para oferecer este tipo de estudos, em certa medida substitutos do antigo MBA para o qual não é necessário ter formação técnica ou matemática avançada, uma vez que a análise se baseia em a interpretação de resultados de programas de caixa preta.
Outro grupo de programas tenta dar um passo além e hibridizar estudos econômicos ou de negócios com análise de dados, com ênfase em técnicas de aprendizagem e em que o conhecimento técnico de programação ou arquitetura de Big Data seja passível de aplicabilidade. Um exemplo desse tipo é o Mestrado em Ciência de Dados da Pompeu Fabra, UAB, Alcalá ou da Universidade de Barcelona ou o Mestrado em Economia, Finanças e Computação UHU-UNIA.
Um terceiro grupo costuma mesclar Data Science e Big Data, embora com pesos diferentes entre essas duas áreas, como acontece, por exemplo, com o mestrado em Big Data Analytics de Carlos III, e o mestrado em Big Data da Universidade Complutense de Madrid. Um último grupo tenta fornecer um treinamento abrangente na gama de ferramentas estatísticas por trás da ciência de dados. É o caso do Mestrado em Estatística para Ciência de Dados da Universidade Carlos III.
Na Andaluzia coexistem, para além do referido Mestrado Oficial em Economia, Finanças e Informática da UNIA, um Mestrado Próprio em Ciência de Dados e Big Data da Universidade de Sevilha, um Mestrado para a Indústria 4.0 da Universidade de Córdoba, um Mestrado próprio Big Data e Business Analytics na UPO, um mestrado próprio em Big Data pela Universidade de Málaga e um mestrado oficial em Ciência de Dados e Engenharia da Computação pela Universidade de Granada.
A tudo isto junta-se a oferta de universidades privadas online (UOC, UNIR), que identificaram um nicho de elevada procura devido à elevada empregabilidade deste tipo de especialistas.
Nem são as universidades internacionais mais conceituadas que têm sido ágeis em responder a essa demanda latente tanto pessoalmente quanto online (os programas de Chicago, Harvard, Stanford ou Luiss são um bom exemplo disso, não são estranhos a essas tendências. )
A proposta que se apresenta não pretende competir na área de Business Intelligence, programas de Marketing Digital, ou na área da Economia e Finanças, mas sim tornar-se uma oferta multidisciplinar na qual os desenvolvimentos mais recentes e fronteira, em Big Data na perspetiva das Linguagens, Sistemas e tecnologias de informação ao nível da arquitectura e processamento e na perspetiva da Aprendizagem de Máquina e Estatística para análise de dados. É por isso que a proposta parte dessa ideia, reunindo especialistas da Engenharia, Matemática e Economia.
Nesta perspectiva, é uma proposta única que não esbarra com outras que tendem a ser "enviesadas" pelo predomínio de um determinado paradigma, sem ter em conta a hibridação que está a ocorrer no novo paradigma do Big Data.
Do ponto de vista da procura, este programa responde, por um lado, aos licenciados que pretendem adquirir um perfil profissional em que as competências de Big Data aumentem exponencialmente a sua empregabilidade e a possibilidade de empreendedorismo. Além disso, e a par destes, existe um bom número de profissionais que são impulsionados pelas suas empresas a adquirirem este tipo de competências como forma de facilitar a sua transformação digital, ou a transição para uma cultura de tomada de decisão baseada em dados.
Em ambos os casos e dado que o público-alvo deste programa provém do setor STEM, a sua elevada empregabilidade, indica que a modalidade de ensino virtual é a que melhor se adequa a este tipo de alunos que requerem flexibilidade para poderem estudar. uma oferta acadêmica de pós-graduação.Plano de estudosO Próprio Master em Big Data tem um total de 60 ECTS, distribuído nos seguintes Módulos:Módulo I: Fundamentos e Arquitetura de Big Data (18 ECTS)
Módulo II: Computação Científica Avançada (12 ECTS)
Módulo III: Aprendizado de máquina (12 ECTS)
Módulo IV: Econometria (6 ECTS)
Módulo V: Sistemas de Recomendação (3 ECTS)
Módulo VI: Business Intelligence (3 ECTS)
Módulo VII: Projeto Final de Mestrado (6 ECTS)requisitos de acessoA licenciatura destina-se a licenciados e licenciados relacionados com o sector STEM e, em especial, a licenciados em Engenharia, Matemática, Física, Estatística e a alunos que já tenham o título de mestre relacionado com análise de dados ou engenharia. No entanto, e dada a transversalidade do programa, os perfis dos licenciados noutros graus afins (bem como os equivalentes noutros países) que, quer pelo seu currículo quer pela sua experiência profissional, possuem os conhecimentos básicos necessários para poderem frequentar um curso de essas características.Critério de admissãoOs seguintes itens serão critérios de seleção:Expediente acadêmico. (GMAT não é obrigatório, mas será avaliado)
Curriculum Vitae.
Experiência profissional em arquitetura, extração, análise de dados e assuntos relacionados.
Conhecimento de línguas.
