Las organizaciones generan hoy más datos de los que logran convertir en decisiones: la información queda dispersa en distintos sistemas y rara vez se transforma en conocimiento accionable para el negocio. El Máster Power BI responde a este reto formando profesionales capaces de construir el puente entre el dato y la decisión, desde la arquitectura que lo sustenta hasta el panel de control que lo comunica. A lo largo del programa se domina el ecosistema Power BI de principio a fin (modelado con DAX y Power Query, Power BI Service y Power BI Embedded), se profundiza en arquitecturas de datos modernas como Data Lakehouse y Microsoft Fabric, y se incorpora la analítica aumentada con IA generativa y agéntica. El resultado es la capacidad de diseñar dashboards ejecutivos que realmente influyen en la toma de decisiones, un perfil cada vez más demandado en cualquier sector.
Este máster está dirigido a profesionales de administración, finanzas, marketing o consultoría que buscan especializarse en Power BI y Business Intelligence, así como a analistas de datos y analistas funcionales que quieren avanzar hacia el diseño de arquitecturas de datos y dashboards ejecutivos. Resulta igualmente adecuado para titulados universitarios en Administración y Dirección de Empresas, Economía, Ingeniería o Informática que deseen iniciarse en el ecosistema de datos y Business Intelligence, y para responsables de área o mandos intermedios que necesitan basar sus decisiones en datos e impulsar la adopción de BI en su equipo.
Objetivos
– Implementar soluciones integrales de Power BI, desde modelado con DAX y Power Query hasta Service y Embedded.
– Diseñar arquitecturas analíticas escalables mediante Data Warehouse, Data Lakehouse y Microsoft Fabric.
– Aplicar minería de datos, machine learning e IA generativa para generar analítica avanzada y predictiva.
– Desarrollar cuadros de mando ejecutivos en Power BI y Tableau con técnicas de data storytelling.
– Explotar datos de negocio combinando Excel avanzado (Power Pivot/Query), Google Analytics 4 y Looker Studio.
– Liderar el gobierno del dato y la adopción de BI, asegurando trazabilidad, seguridad y alineación estratégica.
Salidas Profesionales
Quienes completan este máster pueden desarrollar su carrera como analista de Business Intelligence (BI Analyst), desarrollador o desarrolladora Power BI (Power BI Developer), diseñador de dashboards y reporting ejecutivo, o especialista en arquitectura y gobierno del dato dentro de equipos de datos. El programa también abre la puerta a puestos de analista de datos con foco en Power BI, responsable de adopción de BI en la organización o consultor técnico de Power BI para clientes internos o externos, roles con demanda creciente en cualquier sector que necesite convertir sus datos en decisiones.
Concepto de innovación y tecnología aplicada a la empresa
Tipología de la tecnología según su disposición en la empresa y su ventaja competitiva
Competencias y proceso de la innovación tecnológica
Filosofía Web 3.0 y su impacto en el mundo empresarial
Adaptación del mundo empresarial a las nuevas tecnologías
Perfiles del nuevo ecosistema digital: Community Manager, Chief Data Officer, Data Protection Officer, Data Scientist
Desarrollo de competencias digitales en la organización
El papel del CEO como líder de la transformación digital
La transición digital del modelo de negocio tradicional
Modelo freemium, long tail y de suscripción
Modelo cloud y SaaS
Dropshipping, afiliación e infoproductos
Diagnóstico de la madurez digital de la empresa
Elaboración del roadmap de transformación digital
Provisión de financiación y recursos tecnológicos
Implementación y seguimiento del plan de transformación digital
Rediseño del customer experience
Omnicanalidad en la distribución
Buyer's journey y funnel de conversión
Growth hacking y el funnel AARRR (Pirate Metrics) aplicado a la analítica de datos
La transformación digital de la cadena de valor y la Industria 4.0
Modelos y sistemas de gestión de la innovación
Innovación en procesos a través de las TIC y el comercio electrónico
Automatización de procesos: RPA, RBA y RDA
Casos de éxito en transformación digital en banca, salud y retail
Oportunidades de innovación derivadas de la globalización
Etapas de desarrollo y ciclos de vida de nuevos mercados
Qué es Big Data y qué es Thick Data
Fuentes de datos: naturaleza y selección
Fases de un proyecto de Big Data
Big Data en el proceso de toma de decisiones operativas y estratégicas
Marketing estratégico y Big Data
Open Data: concepto y ejemplos de uso
Internet of Things (IoT) como fuente de datos para el negocio
Concepto y arquitectura de una solución de Business Intelligence
Business Intelligence en los departamentos de la empresa
Plan Director, Plan Estratégico y Plan de Operativa Anual
Sistemas operacionales y procesos ETL en un sistema de BI
Ventajas y factores de riesgo del Business Intelligence
Cuadros de Mando Integral (CMI)
Sistemas de Soporte a la Decisión (DSS)
Sistemas de Información Ejecutiva (EIS)
Sistemas transaccionales de origen (OLTP) frente a sistemas analíticos
Modelado dimensional: esquema en estrella y en copo de nieve (MOLAP, ROLAP, HOLAP)
DataWarehouse y DataMarts: estructura, construcción y fases de implantación
Data Warehouse en la nube
Hadoop como origen del procesamiento distribuido: HDFS y MapReduce
Apache Spark y el procesamiento serverless en la nube
Delta Lake y el almacenamiento en la nube (ADLS Gen2, S3) como base de las arquitecturas modernas
Interfaz, edición de datos y formato
Trabajo con múltiples hojas y creación de gráficos
Personalización del entorno y ayuda de Excel
Totalizar, resumir, filtrar y agrupar datos
Tablas dinámicas y tablas de datos
Datos de partida y estructuración de listas
Tablas con variables y funciones de pronóstico
Simulación de escenarios y persecución de objetivos
La herramienta Solver
Obtención y edición de bases de datos externas
Funciones de bases de datos
Fundamentos de modelado de datos con Power Pivot: la antesala del modelo tabular de Power BI
De Power Query en Excel a Power Query en Power BI Desktop: la transición hacia el Bloque B
Relaciones y valores lógicos; toma de decisiones anidadas
Búsqueda y selección de datos; transposición de tablas
Selección de valores de una lista y operaciones condicionales
Generación de gráficos, minigráficos y elementos interactivos
Publicación e impresión de libros de Excel
Manipulación de texto, fechas y otras funciones de interés
Qué es la visualización de datos y su papel en la toma de decisiones
Principios básicos de diseño visual: proporción, color y jerarquía
Importancia y herramientas de la visualización de datos
Gráficos de comparación, distribución, relación y composición
Selección del gráfico adecuado según el mensaje
Errores frecuentes en la elección del tipo de gráfico
Arquitectura y componentes de Tableau
Instalación y puesta en marcha
Conexiones de datos y tipos de fuente
Filtros, jerarquías y conjuntos en Tableau
Cálculos y campos calculados
Uniones y relaciones entre fuentes de datos
Creación de tablas y gráficos en Tableau
Construcción de dashboards interactivos en Tableau
Acciones e interactividad entre visualizaciones
Principios del análisis exploratorio de datos (EDA)
Detección de patrones y valores atípicos mediante visualización
De la exploración de datos a la comunicación de resultados
Metodología y ciclo de vida de un proyecto de minería de datos
Árboles de decisión, reglas de inducción, redes bayesianas y algoritmos genéticos
Minería de textos y web mining aplicada al marketing
Historia de la inteligencia artificial: de los sistemas expertos basados en reglas al aprendizaje automático
Relación entre inteligencia artificial y Big Data
Algoritmos aplicados a la inteligencia artificial
Limitaciones de los sistemas basados en reglas frente a los enfoques basados en datos
Clasificación de algoritmos de aprendizaje automático
Diferencias entre aprendizaje automático y aprendizaje profundo
Tendencias del aprendizaje automático
Algoritmos de clustering
Aplicaciones de la segmentación no supervisada
Evaluación de la calidad de los clusters obtenidos
Filtrado colaborativo y clusterización
Sistemas de recomendación híbridos
Casos de aplicación en comercio electrónico
Clasificadores y principales algoritmos de clasificación
Evaluación de modelos de clasificación (matriz de confusión, precisión, recall)
Aplicaciones de la clasificación en el entorno empresarial
Componentes de una red neuronal
Proceso de aprendizaje en redes profundas
Aplicaciones del deep learning en el análisis de datos empresariales
Selección y creación de variables (feature selection y feature engineering)
Normalización, escalado y codificación de variables categóricas
Impacto de la calidad de las variables en el rendimiento de los modelos
Qué es la analítica web; establecimiento de objetivos y KPIs
Plan de medición y métricas principales
Objetivos y ventajas de medir el comportamiento digital
Interfaz, métricas y dimensiones
Informes, filtros, segmentos y eventos
Interpretación del comportamiento de los usuarios
Implementación y medición con GTM
Uso del modo de vista previa y depuración
Configuración de etiquetas, activadores y variables
La atribución y la multicanalidad; customer journey
Principales modelos de atribución y modelos personalizados
Comparación de modelos de atribución según el objetivo de negocio
Conexión de fuentes de datos y creación de informes
Tipologías de gráficos e integración con otras fuentes de datos
Combinación de datos de Looker Studio con Power BI
Tipos de cookies y tecnologías de tracking
Gestión del consentimiento y RGPD
Impacto de la desaparición de cookies de terceros en la medición
Mapas de calor y grabaciones de sesiones de usuario
Test A/B y test multivariante para la toma de decisiones basada en datos
Indicadores clave de rendimiento (KPI) en la optimización de la experiencia
Google Search Console y herramientas de medición de rendimiento
Otras plataformas de analítica (Hotjar, Matomo, Adobe Analytics)
Criterios de selección de herramientas de analítica según el caso de uso
¿Qué es Power BI?
Funciones de Power BI
Versiones de Power BI
Roles de Power BI
Planificación de proyectos con Power BI
Instalación y puesta en marcha
Conexión de datos a Power BI
Filtrado de datos
Vista de datos
Introducción al modelado de datos
Creación de medidas
Creación y relación entre tablas
Creación de columnas y medidas calculadas
Dinamizar columnas
Fórmulas de consulta
Creación de gráficas
Tablas dinámicas
Segmentación de datos
Uso de objetos visuales
Formas y cuadros de texto
Imágenes
Matrices y tablas
Cómo crear un velocímetro
Mapas
Slicers
Cómo modificar colores
Uso del Dashboard
Compartir Dashboards
Añadir Widgets
Cómo crear reportes
Ajustes del panel
Preguntas y respuestas del Dashboard
Exportar datos de Power BI a Excel
Exportar Dashboards
Crear paquetes de contenido
Presentación de informes
Cómo públicar y compartir informes
Introducción a Power BI mobile
Del Data Warehouse al Data Lake: evolución de la arquitectura de datos
Criterios de selección de arquitectura según el caso de uso
Componentes de una arquitectura de datos moderna
Concepto y componentes de un lakehouse
Ventajas frente a arquitecturas tradicionales de DW y Data Lake
Principios de diseño de la arquitectura Medallion: capas Bronze, Silver y Gold
Casos de uso empresarial del lakehouse
Componentes de Microsoft Fabric: OneLake, Data Engineering y Data Warehouse
Integración de Power BI dentro del ecosistema Fabric
OneLake y almacenamiento unificado en Fabric
Implementación de las capas Bronze, Silver y Gold en Microsoft Fabric
Transformación progresiva de datos entre capas
Buenas prácticas de organización de un lakehouse en producción
Arquitectura y componentes de Azure Synapse como antecedente de Fabric
Escenarios de arquitectura híbrida Synapse-Fabric
Migración y convivencia entre Synapse y Fabric en organizaciones existentes
Procesos ETL y ELT en arquitecturas modernas
Orquestación de flujos de datos
Herramientas de integración de datos en la nube
Calidad, linaje y catalogación del dato
Roles y responsabilidades en el gobierno del dato
Políticas de gobierno del dato en la organización
Seguridad del dato en la nube
Cumplimiento normativo en el tratamiento de datos empresariales
Cifrado y control de accesos en plataformas de datos
Modelos de coste de plataformas de datos en la nube
Escalabilidad y rendimiento de arquitecturas de datos
Optimización de recursos en entornos de datos en la nube
Contexto de evaluación en DAX
La función CALCULATE y los modificadores de contexto
Funciones ALL, ALLSELECTED y FILTER en el control del contexto
Cálculos interanuales, acumulados y comparativas de periodos
Tablas de calendario y su rol en el modelo
Funciones de inteligencia temporal (SAMEPERIODLASTYEAR, DATEADD, TOTALYTD)
Diseño de medidas complejas y variables en DAX
Definición de KPIs de negocio con DAX
Buenas prácticas de documentación y organización de medidas
Esquema en estrella frente a esquema en copo de nieve
Relaciones activas e inactivas: relaciones muchos a muchos
Tablas de hechos y dimensiones: buenas prácticas de diseño
Modo Import: ventajas y limitaciones
Modo DirectQuery: cuándo usarlo y su impacto en el rendimiento
Direct Lake: lectura directa desde archivos Parquet en OneLake
Transformaciones avanzadas y columnas personalizadas con lenguaje M
Parámetros y funciones personalizadas en Power Query
Consultas dinámicas e incrementales en Power Query
Buenas prácticas de modelado para el rendimiento
Reducción del tamaño del modelo y optimización de consultas
Uso del analizador de rendimiento de Power BI Desktop
Funciones de tabla y agregación
Creación de tablas calculadas para análisis avanzado
Funciones iteradoras (SUMX, AVERAGEX, FILTER)
Configuración de seguridad a nivel de fila
Roles dinámicos de seguridad
Pruebas y validación de roles de seguridad
Parámetros de campo para informes dinámicos
Segmentaciones y controles avanzados de interacción
Segmentaciones sincronizadas entre páginas de un informe
Resolución de escenarios de negocio complejos con DAX y Power Query
Auditoría y depuración de fórmulas DAX
Documentación del modelo de datos para su mantenimiento
Áreas de trabajo, capacidades y licenciamiento
Publicación y actualización de conjuntos de datos
Ciclo de vida del contenido en Power BI Service
El formato de proyecto .pbip y su estructura
Integración con Git y GitHub para el desarrollo colaborativo
Flujos de trabajo con Azure DevOps en proyectos de Power BI
Roles de acceso en áreas de trabajo
Distribución de contenido mediante apps
Uso compartido de informes con usuarios externos
Gateway personal y gateway empresarial
Configuración de actualización programada de datos
Resolución de incidencias comunes en gateways
Catalogación y linaje de datos en Power BI
Políticas de gobierno del dato en la organización
Roles y responsabilidades del centro de excelencia de BI
Conjuntos de datos certificados y promovidos
Buenas prácticas de reutilización de modelos
Endorsement y confianza en el contenido publicado
Métricas de uso y auditoría de actividad
Supervisión del rendimiento de informes
Registro de actividad y detección de accesos indebidos
Panel de administración del Tenant y sus métricas
Indicadores de adopción de Power BI a nivel organizativo
Informes de auditoría a nivel de Tenant
Arquitectura de Power BI Embedded
Integración de informes en aplicaciones propias
Modelos de licenciamiento
Flujos de automatización asociados a Power BI
Alertas y disparadores basados en datos
Integración con otras aplicaciones empresariales
Microsoft Purview: catalogación y clasificación de datos sensibles
Etiquetado de confidencialidad (Sensitivity Labels) e Information Protection
Prevención de fuga de datos (DLP) aplicada a informes de Power BI
Modelos de adopción de Power BI en la organización
Centro de excelencia de BI (BICC)
Medición del retorno de la inversión en proyectos de BI
Qué es la analítica aumentada y su impacto en el BI
Automatización de la generación de insights
Diferencias entre analítica descriptiva, predictiva y aumentada
Funcionalidades de Copilot en Power BI
Generación de informes y resúmenes con lenguaje natural
Requisitos y configuración para habilitar Copilot
Configuración de smart narratives
Personalización de resúmenes generados por IA
Actualización dinámica de narrativas ante cambios en los datos
Configuración del motor de preguntas y respuestas
Optimización del modelo para consultas en lenguaje natural
Sinónimos y entrenamiento del motor de Q&A
Key influencers y análisis de causas raíz
Detección de anomalías en los datos
Interpretación de resultados generados automáticamente
Uso de modelos de ML en Power BI mediante servicios en la nube
AutoML nativo de Power BI: creación de modelos predictivos sin código
Integración con Azure OpenAI Service para analítica generativa
Visualización de resultados predictivos
Casos de uso de IA generativa en la generación de informes
Límites y riesgos del uso de IA generativa en BI
Verificación y validación de resultados generados por IA
Sesgo, transparencia y explicabilidad en modelos de IA aplicados a BI
Marco regulatorio de la IA en la Unión Europea (AI Act)
Responsabilidad y supervisión humana en decisiones asistidas por IA
Tendencias en la convergencia entre BI e IA generativa
Impacto en el rol del analista de datos
Nuevas competencias profesionales ante la analítica aumentada
Resolución de un caso de negocio con Copilot y analítica aumentada de extremo a extremo
Diseño de un informe con smart narratives y Q&A integrados
Evaluación crítica de los resultados obtenidos con IA
Metodologías ágiles aplicadas a la recogida de requisitos de un dashboard
Técnicas de wireframing para el diseño de cuadros de mando
Identificación de audiencia, objetivos y alcance del informe
Del requisito de negocio al modelo de datos y las métricas necesarias
Definición de especificaciones funcionales para el equipo de desarrollo
Validación iterativa de la especificación con el cliente interno
Estructura narrativa de un informe ejecutivo de datos
Uso de bookmarks y navegación guiada en Power BI
Botones de acción y desplazamiento (drill-through) en el relato de datos
Adaptación del lenguaje técnico a perfiles de negocio
Presentación de resultados a la dirección
Gestión de preguntas y objeciones en la presentación de datos
Diseño de cuadros de mando integral (CMI/Balanced Scorecard)
KPIs estratégicos y su representación visual
Alineación del cuadro de mando con los objetivos estratégicos
Buenas prácticas de accesibilidad nativas de Power BI
Etiquetado y descripciones alternativas en objetos visuales
Pruebas de accesibilidad con lector de pantalla
Adaptación de dashboards al formato móvil
Buenas prácticas de diseño responsive en Power BI
Pruebas de usabilidad en distintos dispositivos
Recogida de feedback de usuarios de negocio
Iteración y mejora de informes en producción
Indicadores de adopción y uso real de los informes
Temas personalizados en formato JSON para Power BI
Layouts y plantillas estandarizadas para informes corporativos
Gobernanza visual: coherencia de marca en dashboards a escala de organización
Nuevas tendencias en diseño de informes de BI
El papel de la IA en la personalización de dashboards
Evolución hacia informes conversacionales y autoservicio
Titulación
Titulación de Máster de Formación Permanente en Power BI y Business Intelligence con 1500 horas y 60 ECTS expedida por UTAMED-Universidad Tecnológica Atlántico Mediterráneo. Superando el examen oficial obtendrás la Certificación IT Specialist Certificación Data Analytics. Educa Edtech es centro certificador, tramita el acceso al Examen Oficial IT Specialist Certificación Data Analytics.
Ir al contenido 
