La rellevància de les dades en la societat actual és inqüestionable. Un bon percentatge d’empreses, les conegudes com a empreses digitals, fonamenten el seu model de negoci en la recol·lecció, emmagatzematge i anàlisi de qualsevol dada rellevant per al seu negoci. Aquesta filosofia implica un canvi radical a l'hora de gestionar les operacions de les organitzacions, ja que requereix la digitalització de tots els seus processos de negoci, com per exemple, creant sistemes informàtics per interactuar amb els clients o proveïdors (siguin pàgines web, aplicacions mòbils o sistemes GPS) o sensoritzant els processos mecànics per tal de monitorar-los, entre d'altres.

Malgrat que la digitalització d’una organització és una tasca feixuga, les dades generades i recollides un cop portada a terme, poden ser analitzades amb l’objectiu de generar informació rellevant per a la presa de decisions del negoci. Aquest fet, a hores d'ara, s’ha identificat com un factor d’èxit determinant i diferenciador que augmenta la competitivitat de les organitzacions.

Actualment, el terme big data s’empra per referir-se a un nou tipus de sistemes que recullen i analitzen dades de qualsevol naturalesa, i que comporten una sèrie de reptes. La definició més popular del big data està basada en les tres "Vs", que representen els seus tres principals reptes: Volum (la digitalització de certs processos pot generar grans volums de dades), Varietat (provinents de fonts de dades heterogènies) i Velocitat (en referència al potencial temps d’arribada i processament de les dades en real-time).

El big data presenta nous desafiaments per a les organitzacions en dos aspectes tecnològics principals: la gestió i l’anàlisi de les dades. Des del punt de vista de la gestió, el big data requereix tant noves arquitectures (principalment basades en cloud computing i la gestió distribuïda de les dades i la memòria) com nous models de dades (com els documents grafs, key-value o streams). Des del punt de vista de l’anàlisi, cal considerar nous tipus de dades semiestructurades o no estructurades (com text o imatge), que avui en dia representen una fracció important de les noves dades que es generen. A més, cal adaptar les tècniques d’anàlisi tradicionals a les característiques del big data, i això complica la preparació, l'entrenament i la validació dels models.

La barrera d’entrada per incorporar solucions big data continua sent molt alta per a la majoria d’organitzacions, ja que la gestió i manteniment d’aquests sistemes té la seva particularitat. A més, les actuals eines són molt poc madures i requereixen un alt grau d’especialització per poder-les emprar correctament. Per aquest motiu, l’especialització en aquest àmbit implica un reciclatge específic basat en els principals conceptes que hi ha darrere d’aquestes tecnologies. En l’àmbit d’aquests sistemes cal distingir entre la gestió de dades en sistemes big data (Big Data Management) i l’anàlisi d’aquestes dades per extreure coneixement rellevant per l’organització amb algoritmes de data mining i machine learning (Big Data Analytics). A més, no existeix una solució universal ni de gestió ni d’anàlisi que es pugui replicar fàcilment en qualsevol domini, ja que, per definició, en aquests entorns la solució depèn del cas d’ús (explotació) que tinguem entre mans.

En aquest context, el màster en Big Data Management, Technologies and Analytics ofereix una visió global d’un ecosistema big data aprofundint en ambdós aspectes: la gestió de les dades (Big Data Management) i l'explotació de les dades (Big Data Analytics), tot aportant aplicabilitat (Big Data Technologies) i visió de negoci, és a dir, com extreure valor dins d’aquest món.