Grado en Business Intelligence y Data Analytics

Conviértete en un experto en análisis de datos y toma de decisiones empresariales dentro de un ecosistema tecnológico, con excelentes oportunidades laborales

Descripción: 

Este curso ofrece una introducción completa al diseñoimplementación y gestión de bases de datos relacionales. Se centra en el modelo relacional, el lenguaje SQL y el ciclo de vida de los datos desde la ingesta (ELT) hasta el informe empresarial. Los estudiantes trabajarán principalmente con PostgreSQL para resolver retos reales de datos utilizando herramientas estándar de la industria como DBeaver y VS Code. 

Tipo asignatura
Primer - Obligatoria
Semestre
Segundo
Curso
1
Créditos
6.00

Profesores Titulares

Profesores Docentes

Conocimientos previos: 

--

Objetivos: 


  • Entiende y aplica los principios del modelo relacional y la normalización de datos. 


  • Domina SQL para la recuperaciónagregación y transformación de datos complejos. 


  • Diseña esquemas de bases de datos eficientes que aseguren la integridad de los datos y minimicen la redundancia. 


  • Ejecutar procesos ELT (Extracción, Carga, Transformación) para limpiar y preparar datos en bruto para el análisis. 


  • Desarrollar estándares profesionales de informes para la entrega de datos en entornos empresariales. 

Contenidos: 


Primera parteFundamentos e Ingesta (Semanas 1–7) 



Se centra en la mecánica de los sistemas relacionales. Los estudiantes aprenden a configurar PostgreSQL, definir tipos de datos y utilizar el orden COPY para importar conjuntos de datos a gran escala (Census, NYC Taxi). Los hitos clave incluyen dominar la lógica relacional (Joins), matemáticas básicas y agregación de datos (GROUP BY) para extraer las ideas iniciales de tablas en bruto. 



Segunda parte: Analítica avanzada y optimización (semanas 9–15) 



Se centra en la manipulación sofisticada de datos. Los estudiantes dominan la limpieza avanzada (minería de texto y gestión de NULL), la lógica compleja mediante Common Table Expressions (CTEs) y la partición estadística mediante Window Functions (RANK, LEAD/LAG). El curso concluye con técnicas de optimización de bases de datosincluyendo el uso estratégico de índices y vistas. 



El proyecto final: Síntesis narrativa (semanas 12–14) 



Una experiencia final donde los estudiantes fusionan fuentes dispares (IMDB y datos financieros) para responder una "Historia de Datos" específica. El énfasis se desplaza de la escritura de consultas a la interpretación de los resultadosrequiriendo que los estudiantes realicen una limpieza compleja de datos y presenten un análisis "¿Y qué?" que traduzca el resultado técnico en evidencia empresarial. 

Metodología: 


La siguiente tabla relaciona los resultados de aprendizaje con el contenido enseñado para conseguirlos: 







RA 




Plan de estudios 




Contenidos 




R1 




Entender el mundo de las bases de datos 




Introducción a las bases de datos 




R2 




Entender el modelo relacional 




Modelado relacional de bases de datos 




R3 




Aprende el lenguaje de consulta más popular para bases de datos (SQL) 




SQL básico y avanzado 




R4 




Practica con un proyecto de caso real 




ProyectoAnálisis de datos utilizando la base de datos IMDB 





 

Evaluación: 


El sistema de evaluación será continuo, combinando diversas actividades para facilitar la asimilación del conocimiento por parte del estudiante. 



La tabla siguiente muestra el porcentaje de evaluación de cada actividad basado en la nota final: 







R1, R2, R3, R4 




Actividad de clase 




10% 




R1, R2 




Deberes 




10% 




R2, R3 




Examen parcial 




30% 




R4 




Proyecto 




20% 




R2, R3 




Examen final 




30% 





   



Los objetivos de la evaluación continua son los siguientes: 



  • Aprendizaje progresivo de la materia y evaluación de la actividad 


  • Evaluación de los conocimientos adquiridos en los exámenes 


  • Practica el tema con una base de datos de casos reales 


  



Inteligencia Artificial: está prohibido el uso de herramientas de Inteligencia Artificial como ChatGPT, Gemini, Claude u otrosUtilizar una herramienta de IA se considerará hacer trampas y será sancionado con un cero. Además, el profesor informará al director académico, lo que podría ser la base para decidir medidas disciplinarias adicionales. 



  



Política de repetición: como este curso utiliza un modelo de evaluación continuo, no habrá exámenes de repetición. 

Criterios evaluación: 

--

Bibliografía básica: 

  • DeBarros, A. (2022). Practical SQL, 2nd Edition: A Beginner’s Guide to Storytelling with Data. No Starch Press. 
  • PostgreSQL Global Development Group. PostgreSQL Oficial Documentation 

Material complementario: 

--