Semestre 2017-10
| Nombre del curso: | Arquitectura de Información |
|---|---|
| Créditos: | 4 |
| Profesor: | Juan Manuel Sarmiento(jm.sarmiento@uniandes.edu.co) |
| Horario: | Jueves 6:00 p.m – 8:50 p.m / Sábado de 8:00 a.m – 10:50 a.m (Cuando no se dicte los jueves, la clase será movida al siguiente sábado) |
Descripción
En una Arquitectura Empresarial la dimensión de información se ocupa de identificar, definir, organizar e integrar los datos requeridos por los procesos de negocio, tanto de nivel operativo como táctico y estratégico. Para facilitar el desarrollo incremental, ordenado y coherente de dicha dimensión, es necesario adoptar y seguir un método basado en los conceptos de vistas o perspectivas e iteraciones. Este curso se enfoca tanto en temas fundamentales en el manejo de información, tales como Dominios y Modelos de Datos, Gobierno y Calidad de Datos y Estrategias de Integración, como en marcos de trabajo para el desarrollo de Arquitecturas de Información.
Objetivos
El objetivo del curso es presentar conceptos relevantes y una metodología para el desarrollo de una Arquitectura de Información (AI) en el marco de Arquitectura Empresarial.
- Analizar elementos de apoyo tales como frameworks, metodologías y artefactos para la definición de una Arquitectura de Información en el contexto de una arquitectura empresarial.
- Plantear una Arquitectura de Información basada en las perspectivas de dominio de datos, horizonte de tiempo e iteraciones, que responda a una visión de arquitectura dada.
- Entender el manejo de datos operativos, maestros y analíticos para proponer mecanismos de gobierno de datos y en general estrategias que le permitan a una organización llegar a un estado deseado.
- Hacer un diagnóstico del nivel de integración, calidad y gobierno de datos de una situación actual, así como de qué tanto esos datos apoyan los requerimientos del negocio.
- Plantear una serie de iniciativas/proyectos para lograr hitos que cierren la brecha entre la situación actual y la deseada.
- Entender las diferencias entre los principales enfoques metodológicos para el desarrollo de Sistemas de Inteligencia de Negocios y los argumentos que los sustentan.
- Entender ventajas y desventajas de diferentes arquitecturas para un Sistema de Inteligencia de Negocios.
Metodología
Cada una de las sesiones va a desarrollarse alrededor de los siguientes ejes:
- Presentación magistral de conceptos apoyados en casos reales.
- Presentación de casos de estudio contexto local, regional x industria
- Preparación de lecturas
- Ejecución de workshops
- Discusión orientada sobre las temáticas abordas en clases
Evaluación
| Examen Individual (Parcial 1) | 23% |
| Examen Individual (Examen Final) | 23% |
| Taller 1 | 20% |
| Taller 2 | 20% |
| Tareas | 14% |
Calendario Global de temáticas del Curso
1. Contexto, fundamentos y elementos estructuradores de arquitectura información (Jorge Arias-3 Clases)
- Arquitectura de información en un contexto empresarial de arquitectura
- Elementos estructuradores de una arquitectura de información
- Problemas críticos de negocio
- Resultados.
2. Gobierno de datos (Jorge Arias – 2 Clases)
- Estructuración del modelo de gobierno
- Procesos (profiling, quality, estandarización, merging, consolidación, supervivencia, datasteward, aprobaciones)
- Personas (roles , y organización
- Tecnología (MDM, Data hubs, data quality)
- Arquitectura de solución y puntos de vistas
- Modelos de madurez
- Aplicación Practica
3. Analítica (Juan Manuel Sarmiento – 4 clases + 1 Clase Parcial)
- Business intelligence
- Problemas críticos de negocio que aborda
- Métodos y aproximaciones
- Arquitectura de referencia/puntos de vistas (datawarehouse, data mart, dashboard/kpis, etc.)
- Patrones
- Aplicación y caso práctico
- Business Analytics
- Problemas críticos de negocio que aborda
- Métodos y aproximaciones
- Arquitectura de referencia/puntos de vistas
- Patrones
- Aplicación y caso práctico
4. Tendencias: Habilitando estrategias transformadores de negocio con Tendencias de información (Juan Manuel Sarmiento: 4 clases + 1 Parcial)
- IoT
- Big data: Aplicaciones y realidades
- Data Pools / Data Lakes
- Social Networks y mundos no estructurados.