Óscar Alonso Llombart
Óscar es ingeniero en Software de Gestión por la Universidad Autónoma de Barcelona (UAB), Máster en Ingeniería de Software por la Universidad Politécnica de Cataluña (UPC) y Licenciado en Minería de Datos por la Universitat Oberta de Catalunya (UOC). También, es alumno de ESADE Business School, donde obtuvo el título en el Programa CIO Advanced. Además es autor de numerosos artículos y estudios sobre la aplicación de los sistemas de información a las estrategias de negocios y orador en muchos eventos del mercado de TI.
Contacto: oalonsol@uoc.edu
Restricciones
No hay restricciones
Líneas propuestas
Línea 1: Aspectos éticos en el uso y explotación de los datos
El objetivo de este trabajo es llevar a cabo una investigación respecto a los aspectos éticos en los proyectos de tratamiento y análisis de datos (business intelligence, big data, analytics, machine learning, artificial intelligence, etc.). Esto permitirá conocer el estado del arte respecto a este ámbito de actuación para poder realizar propuestas de mejora y de evolución de la misma. Por lo tanto, el trabajo tendrá los siguientes subobjetivos:
Identificar fuentes de información relevantes
Determinar comunidades y grupos de trabajo relacionados con la temática del proyecto
Proponer acciones concretas como la construcción de un código de conducta, cómo tener en cuenta la ética en organizaciones públicas y privadas, o la evolución de un data-ethics-canvas
Revisar el estado de arte de los componentes seleccionados para el proyecto
Línea 2: Análisis, diseño y elaboración de una estrategia Data-Driven y de una iniciativa de Data Governance
Elaboración de un plan de sistemas y de proyectos para enfocado a la definición de una estrategia Data-Driven a la organización en la que trabaje el alumno (o sobre la que seleccione para el trabajo), y de una iniciativa de gobierno de los datos. Esto permitirá establecer un roadmap de iniciativas priorizadas para transformar la organización en una data-driven-company. Por lo tanto, el trabajo tendrá los siguientes subobjetivos:
Aproximación a los conceptos clave de Data-Driven y Data Governance
Análisis de la situación actual (AS IS), fricciones, y modelo futuro (TO BE)
Identificación de datos sensibles de la compañía usados en procesos y/o almacenados en sistemas
Análisis y priorización de los repositorios de datos (estructurados y no estructurados)
Definición de implantaciones tecnológicas clave tanto para el cumplimiento como para la transformación en una organización Data-Driven
Roadmap y plan de sistemas y de proyectos tecnológicos para la adecuación
Definición de sistemas de optimización continua de forma regular y de la estrategia y gobierno de los datos.
Revisar el estado de arte de los sistemas y tecnologías seleccionadas para el proyecto.
Establecimiento de iniciativas de valor añadido para ir más allá, p.e. cumplimiento normativo, aspectos éticos en el uso y explotación de los datos, monetización de los datos, Infonomía, etc.
Línea 3: Data monetization e Infonomics, los datos como activo intangible de valor
Organizaciones de todo tipo y tamaño recolectan, almacenan, procesan e intercambian grandes volúmenes de información con el deseo de crear nuevos productos y servicios a partir de los datos que generen mayores beneficios, reduzcan los costes, consoliden y refuercen la fidelidad de los clientes, y ofrezcan auténticas ventajas competitivas. Pero al mismo tiempo, se enfrentan a importantes retos tales como gestionar adecuadamente los datos, garantizar su privacidad, o cumplir con regulaciones y estándares internos y externos.
Es evidente que algo interesante está pasando, por ejemplo Uber la mayor compañía de transporte privado del mundo no posee ningún vehículo, o Airbnb el mayor proveedor de alojamientos del mundo no posee bienes inmuebles. ¿Qué tienen en común estas compañías?... monetizan los datos
La monetización de los datos se refiere al uso de los datos para obtener un beneficio económico cuantificable. Esto incluye métodos tales como el intercambio y la venta de información a terceros, o la creación de nuevos productos y servicios basados en los datos.
La cuestión que surge es, ¿cómo podemos monetizar los datos, valorarlos y gestionarlos como un activo empresarial?. La respuesta aparece con la idea de Infonomía, término acuñado por Doug Laney, para describir la teoría, el estudio y la disciplina de asignar relevancia económica a la información como a cualquier otro activo, creando procesos de “logística de los datos, de la información y del conocimiento”.
El objetivo de este TFM es doble, por una parte la realización de un trabajo en profundidad para la aplicación de los conceptos de monetización de los datos y de Infonomía en la organización en la que se trabaje (o la que se haya seleccionado para realizar este trabajo). Por otra parte, se pide realizar un análisis de las causas posibles de porqué el mercado no está llevando a cabo proyectos de monetización de los datos y de Infonomía mediante técnicas de recolección de datos y técnicas analíticas, y de proyectos e inicativas que sí se están llevando a cabo y resulten de interés.
Línea 4: Análisis, diseño y elaboración de un plan de sistemas y de proyectos tecnológicos para la adecuación a EU GDPR de una organización
El objetivo de este trabajo es la creación de un plan de sistemas y de proyectos tecnológicos para la adecuación a EU General Data Protection Regulation (GDPR) a la organización en la que trabaje el alumno (o sobre la que seleccione para el trabajo), que sirva como punto de partida para la implantación de soluciones TIC para el cumplimiento del reglamento y mejora continua respecto al mismo. Esto permitirá establecer un roadmap de iniciativas priorizadas tanto para el cumplimiento como para transformar la organización en una data-driven-company.
Por lo tanto, el trabajo tendrá los siguientes subobjetivos:
Aproximación a los conceptos clave de GDPR
Análisis de la situación actual (AS IS), fricciones, y modelo futuro (TO BE)
Identificación de datos sensibles de la compañía usados en procesos y/o almacenados en sistemas
Análisis y priorización de los repositorios de datos (estructurados y no estructurados)
Definición de implantaciones tecnológicas clave tanto para el cumplimiento como para la transformación en una organización Data-Driven
Roadmap y plan de sistemas y de proyectos tecnológicos para la adecuación
Definición de sistemas de optimización continua de forma regular y del cumplimiento de la compañía respecto a GDPR
Revisar el estado de arte de los sistemas y tecnologías seleccionadas para el proyecto.
Establecimiento de iniciativas de valor añadido para ir más allá del cumplimiento, p.e. aspectos éticos en el uso y explotación de los datos, monetización de los datos, Infonomía, etc.
Línea 5: Data literacy, alfabetización en el uso de los datos
En el caso de la alfabetización de datos, hablamos de la habilidad de saber qué datos estamos rastreando, por qué los estamos rastreando, cómo leer esos datos y cómo usar esos datos para tomar decisiones. Gartner define la alfabetización de datos como la capacidad de leer, escribir y comunicar datos en contexto, incluida la comprensión de las fuentes y construcciones de datos, los métodos analíticos y las técnicas aplicadas, y la capacidad de describir la aplicación del caso de uso y el valor resultante.
El objetivo de este trabajo es llevar a cabo una investigación respecto al concepto de data literacy o alfabetización en el uso de los datos. Esto permitirá conocer el estado del arte respecto a este ámbito de actuación para poder realizar propuestas de mejora y de evolución de la misma. Por lo tanto, el trabajo tendrá los siguientes subobjetivos:
Identificar fuentes de información relevantes
Determinar comunidades y grupos de trabajo relacionados con la temática del proyecto
Proponer acciones concretas como la acciones formativas, cómo tener en cuenta la alfabetización en el uso de los datos en organizaciones públicas y privadas, un plan de ruta
Revisar el estado de arte de los componentes seleccionados para el proyecto
Línea 6: Los datos en el centro para el cumplimiento de los criterios ESG
Los criterios ESG (por sus siglas en inglés: Environmental, Social, y Governance) son un conjunto de normas utilizadas para evaluar el rendimiento de una organización sobre la manera en la que interactúa con el entorno natural; en criterios sociales incluyendo entre otros aspectos de diversidad de género y racial y bienestar de los grupos con los que se relaciona; y finalmente en criterios de gobierno que engloban prácticas corporativas como la ética, los códigos de conducta y las políticas anticorrupción.
El objetivo de este trabajo es llevar a cabo una investigación respecto a cómo la organización elegida por el alumno puede abordar los aspectos ESG mediante una plataforma de gestión de datos, integrándolos en sus operaciones con controles respaldados por datos para evaluar, seguir y, en última instancia, mejorar el rendimiento en relación con los criterios ESG.
Línea 7: La estrategia de datos de la UE, hacia una sociedad data-driven
Nos encontramos en plena cuarta revolución industrial, la segunda basada en la información desde finales del siglo pasado, que requiere una normativa que se centre por igual en la competitividad económica, la protección de la privacidad y la ética en el uso de los datos.
Así, con el objetivo de fomentar la "economía de los datos", la Comisión Europea lleva años desarrollando y dando a conocer el concepto de intercambio de datos y sus beneficios. En este sentido, la Comisión Europea ha desarrollado su propia estrategia, que busca convertirse en el líder de una sociedad impulsada por los datos, facilitando el intercambio de datos entre sectores y estados miembros.
El objetivo de este trabajo es que el alumno realice una investigación de los diferentes componentes de la estrategia de la UE, por ejemplo: Open Data Act, GDPR, Data Governance, Data Act, AI Act, etc. desde el punto de vista de aplicación tangible a una organización del sector público o privado de elección del alumno.
Línea 8: AI Governance
La Gobernanza de la IA, o Gobernanza de la Inteligencia Artificial, se refiere a los marcos, reglas y estándares que se establecen para garantizar el desarrollo y uso ético, responsable y seguro de los sistemas de Inteligencia Artificial (IA). Es esencialmente un conjunto de barreras que guían cómo se investiga, diseña, implementa y monitorea la IA.
En general, la gobernanza de la IA es un aspecto fundamental para garantizar que la IA beneficie a la sociedad de manera positiva y responsable.
El objetivo de este trabajo es que el alumno realice una investigación, y aplicación práctica, de los frameworks de AI Governance existentes en la actualidad desde el punto de vista de aplicación tangible a una organización del sector público o privado de elección del alumno.
Otras consideraciones
El profesor colaborador puede atender a estudiantes en catalán, castellano e inglés.