Metodología ágil basada en KPI para la implantación de sistemas Big Data en empresas

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10045/88667
Información del item - Informació de l'item - Item information
Título: Metodología ágil basada en KPI para la implantación de sistemas Big Data en empresas
Autor/es: Reales Díaz, Alberto
Director de la investigación: Molina-Carmona, Rafael
Centro, Departamento o Servicio: Universidad de Alicante. Departamento de Ciencia de la Computación e Inteligencia Artificial
Palabras clave: Big Data | Metodología | Proceso
Área/s de conocimiento: Ciencia de la Computación e Inteligencia Artificial
Fecha de publicación: 22-feb-2019
Fecha de lectura: 14-feb-2019
Resumen: El objetivo principal del proyecto es desarrollar una metodología de implantación de un sistema de análisis masivo de datos (Big Data) en una empresa real. El procedimiento se desarrollará de forma iterativa para que la adaptación a la empresa sea lo más adecuada posible. La metodología desarrollada se aplicará en una simulación de un proyecto real en Cruz Roja Alicante, lo que nos permitirá validar el desarrollo realizado y buscar sus posibles puntos débiles para futuras mejoras. El proceso de creación de la metodología involucrará a responsables de las áreas tecnológicas y de negocio de Cruz Roja desde el primer momento, asegurando el correcto alineamiento de la metodología y el negocio. El objetivo es crear una base para un futuro estándar que sirva como referencia para la gestión de proyectos Big Data en esta empresa.
URI: http://hdl.handle.net/10045/88667
Idioma: spa
Tipo: info:eu-repo/semantics/masterThesis
Derechos: Licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0
Revisión científica: no
Aparece en las colecciones:Máster Universitario en Ingeniería Informática - Trabajos Fin de Máster

Archivos en este ítem:
Archivos en este ítem:
Archivo Descripción TamañoFormato 
ThumbnailMetodologia_agil_basada_en_KPIs_para_la_implantacion_de__Reales_Diaz_Alberto.pdf1,45 MBAdobe PDFAbrir Vista previa


Todos los documentos en RUA están protegidos por derechos de autor. Algunos derechos reservados.