calendar correo curso diplomado horas lugar in-company magister magisteres programa-avanzado quotes reloj telefono contacto contacto grad video
Search
Generic filters
Search
Generic filters

Diplomado en Big Data para la Toma de Decisiones (Online)

Herramientas para analizar y monitorear grandes volúmenes de datos, permitiéndote generar información optimizada para tomar decisiones estratégicas y lograr una mejor gestión en áreas como finanzas, comercial y marketing en diversos sectores, tales como salud hasta banca.

Antecedentes Generales

24/09/2019
Diplomado Online
Diplomado Online
150 horas cronológicas / 200 horas pedagógicas
$ 2.200.000.- (Convenio Marco ID 1580451)
programas@ing.puc.cl
+56 2 2354 4516

Hoy en día, alcanzar una eficiencia organizacional óptima se relaciona con la implementación de soluciones tecnológicas que permiten agilizar la toma de decisiones en base a información cuantitativa y cualitativa en tiempo real. Dicha información proviene de una adecuada administración de grandes volúmenes de datos, que demandan extensos y rigurosos análisis, junto con métricas e indicadores cada vez más exactos. El análisis de estos datos permite extraer tendencias y patrones complejos de información, con enormes implicancias estratégicas, permitiendo predecir mejor y transformar la forma en la que se hacen hoy día los negocios.

 

Con el Diplomado en Big Data para la Toma de Decisiones aprenderás los fundamentos, principios y últimas tendencias en plataformas computacionales relacionadas a Big Data; aplicaciones y herramientas analíticas de ciencias de datos y estadística para la predicción, optimización y visualización de información.

 

Dirigido a:

Profesionales, ejecutivos o emprendedores que requieran tomar decisiones eficaces de gestión basado en los beneficios del uso de tecnologías relacionadas a Big-Data y con esto puedan incrementar significativamente las ventajas competitivas en la agilidad de su organización, área funcional o emprendimiento que tengan en curso. Así también, el diplomado está dirigido a los profesionales que requieran conocer los fundamentos de Big-Data para liderar proyectos de gestión que tengan como base el uso cuantitativo de información para así lograr tener una mejor precisión e impacto en la toma de decisiones de la empresa.


Contenidos del Programa

¿Qué es la visualización de datos?
– De qué trata la visualización
– Breve contexto
– Breve historia de la visualización
– Panorama de la visualización hoy
– Una definición operativa

 

¿Para qué sirve la visualización de datos?
– Visualización para amplificar el conocimiento
– Para qué nos sirve la visualización
– Qué queremos mostrar
– El proceso interactivo

 

¿Cómo trabajar la visualización de datos?
– Proceso de visualización
– Representación: percepción
– Representación: diseño y codificación visual
– Qué no hacer
– Evaluación

 

¿Cómo continuar la visualización?
– Recomendaciones para profundizar
– Herramientas recomendadas
– Autores recomendados
– Recordando los objetivos de la visualización

 

Big-Data en la Industria Bancaria
– Realidad actual y Data Scientists
– Computación cognitiva y los desafíos de la banca
– Objetivos centrales de la banca
– Caso aplicado: Royal Bank

 

Big-Data en E-Commerce
– Tendencias del E-Commerce
– Recomendación de ventas
– Detección de fraudes
– Predicción de deserción de clientes
– Caso aplicado: Amazon

 

Big-Data en Salud
– Uso de datos clínicos electrónicos
– Atención de urgencia con Big Data
– El problema del fenotipo
– Caso aplicado: Clinical Time

 

Big Data en Recursos Humanos
– Rotación en los puestos de trabajo
– Predicciones de permanencia con Big Data
– Filtro de currículos
– Caso aplicado: HCM Front

 

Origen y desafíos del Big-Data
– Big Data visto como el resultado de muchos vectores
– ¿Qué buscamos hacer con Big Data?
– ¿Qué cambios se vislumbran en la forma de trabajar?
– Potencial de Big Data

 

La cuatro V’s del Big-Data
– Volumen: crecimiento exponencial de los datos, incorporación de nuevas tecnologías de almacenamiento
– Velocidad: procesamiento distribuido, como administrar sistemas de forma eficiente
– Variedad: datos estructurados, semi-estructurados y no estructurados
– Veracidad: confiabilidad y robustez
– La Quinta V: valor de los datos

 

Infraestructura del Big-Data
– Tecnologías “Big Data”: Map Reduce, Hadoop, Cloud computing
– Funcionamiento de plataformas computacionales de Big Data
– Enfoques top-down y bottom-up para la arquitectura de sistemas informáticos en el contexto de Big Data
– Transición y cohabitación de DW, BI (Business Intelligence y Big Data)

 

Estrategias del Big-Data
– Entender aspectos estratégicos asociados al Big Data
– Identificación de oportunidades de agregación de valor por datos
– Etapas de la transformación digital para lograr una organización basada en datos
– Los datos como un activo: valoración basada en el consumo de datos

 

Conceptos de gestión de rendimiento, estrategia e inteligencia empresarial competitiva en el mundo Big Data
– La evolución en la toma de decisiones
– El dato como un activo digital
– El nuevo paradigma de los datos
– Data Driven Company

 

Identificación y captura de valor basado en datos
– El potencial de los datos
– El valor de la información
– La diferenciación del análisis
– El incremento de competitividad en las organizaciones a partir de los datos

 

Pasos hacia la implementación de un proyecto de Big Data
– Estrategias de aproximación a Big data & analytics
– La perspectiva de IT
– La perspectiva de negocio
– Las metodologías de descubrimiento, prototipado e implementación ágil de iniciativas de Big Data

 

Arquitecturas Big Data: Batch Data, Fast Data
– Conceptos de arquitecturas de Big data
– Arquitecturas batch
– Arquitecturas real time
– Otros componentes de Big Data (seguridad, gobierno, metadatos…)
– Arquitecturas de desarrollo, integración y ejecución
– Transición y cohabitación de DW, BI (Business Intelligence y Big Data)

 

Data Governance y Data Security aplicado a Big Data
– Introducción al gobierno de datos
– Introducción a la seguridad de datos
– Aplicabilidad de gobierno de datos y la seguridad a entornos Big Data

 

Big Data Benchmarking
– Qué aspectos considerar en la selección de las herramientas de Big Data & Analytics
– Benchmark de arquitecturas, proveedores y tecnologías

 

Valoración económica de proyectos de Big Data
– Aspectos a considerar en la estimación de costes de proyectos Big Data & Analytics
– El retorno de la inversión
– Estrategias de inversión y lanzamiento de iniciativas Big Data

 

Aplicación de conceptos de Big Data Analytics y aplicaciones estadísticas a diversos aspectos de la toma de decisiones gerenciales
– Casos de uso Big Data
– Casos de uso analíticos
– Casos de uso de monetización de datos

Preprocesamiento de datos
– Calidad de datos
– Limpieza de datos
– Integración de datos
– Reducción de datos
– Transformación de datos

 

Métodos de clasificación
– El proceso de clasificación
– Árboles de decisión
– Bayes ingenuo
– K-vecinos más cercanos
– Métodos conjuntos: Bagging, Boosting y Random Forests

 

Métodos de Agrupación
– Definición y propiedades
– Métodos de partición: K-means y K-medoides
– Métodos jerárquicos

 

Sistemas Recomendadores
– Impacto y casos importantes
– Filtrado colaborativo
– Filtrado basado en contenido
– Métodos híbridos


Cuerpo Académico

  • Cristián Paris Ibarra
    Subdirector del Instituto de Ingeniería Matemática y Computacional UC
    programas@ing.puc.cl

    Máster en Gestión de Emprendimientos Tecnológicos, Universidad Adolfo Ibáñez. Ingeniero Civil de Industrias, diploma en Ingeniería Matemática, Pontificia Universidad Católica de Chile. Actualmente es Subdirector del Instituto de Ingeniería Matemática y Computacional UC. Anteriormente fue Project Manager, Ingeniero de Desarrollo de Negocios e Ingeniero de I+D en la Fundación Inria Chile. Cuenta con experiencia en el desarrollo de modelos matemáticos avanzados de Análisis Estocástico para simulaciones de Dinámica de Fluidos Computacional, con aplicaciones en parques eólicos.

  • Daniel Capurro
    Profesor Asistente de la Escuela de Medicina UC
    programas@ing.puc.cl

    Ph.D, médico especialista en Medicina Interna. Profesor Asistente de la Escuela de Medicina de la Pontificia Universidad Católica de Chile y Profesor Asistente Afiliado al Departamento de Informática Biomédica y Educación Médica de la Escuela de Medicina de la Universidad de Washington.

  • Gustavo de Real
    MBA Universidad Adolfo Ibáñez
    programas@ing.puc.cl

    MBA Universidad Adolfo Ibáñez, profesor de Business Intelligence. Ingeniero industrial UCV. Director de Pricing & Revenue Optimization, Business Intelligence & CRM, Scotiabank. Vasta experiencia en Retail Banking: productos consumo, producto tarjeta de crédito, segmentos, analytics, pricing y campañas. Forma equipos con visión y una sólida capacidad de ejecución, desempeño e influencia estratégica. Metodológicamente descompone los desafíos y se guía por el 20/80, busca soluciones realistas, quick wins, “procesos simples” y customizados. Aplica un método estructurado para rentabilizar el negocio, reconociendo patrones de comportamiento, prediciendo, valorizando conductas e implementando tratamientos segmentados.

  • Hans Hanckes
    Chief Operations Officer, Latin America at Groupon
    programas@ing.puc.cl

    Ingeniero Civil Industrial, Tecnologías de Información, Pontificia Universidad Católica de Chile. Chief Operations Officer, Latin America at Groupon. Trabajó en el Ministerio de Economía de Chile como asesor en Innovación y Emprendimiento; en consultoría en la empresa Alemana Atheneum Partners. Ha emprendido y desarrollado varios proyectos tecnológicos intensivos en el uso de datos entre los cuales se destacan Multivende.com y Prilov.com. Entró a Groupon en Chile el 2012 para luego ir a vivir a Colombia como Country Manager del País. Luego de la venta de Groupon en Latin America al fondo Mountain Nazca, asumió como CEO de toda la región.

  • Alejandro Jara
    Profesor Asociado del Departamento de Estadísticas UC
    programas@ing.puc.cl

    Ph.D. en Matemáticas de la Universidad Católica de Leuven, Bélgica. Profesor Asociado del Departamento de Estadísticas de la UC. Especialidad en Estadística Bayesiana no Paramétrica, Modelos Jerárquicos.

  • Claudio Morchón
    Master en Ingeniería Matemática, Universidad Carlos III de Madrid
    programas@ing.puc.cl

    Master en Ingeniería Matemática, especialidad en Ciencias y Técnicas Estadísticas e Investigación Operativa, Universidad Carlos III de Madrid. Contador Público y Master en Finanzas, Universidad de San Andrés. Experiencia en desarrollo de proyectos en Big Data, Advance Analytics y consultorías de negocio para diferentes empresas internacionales. Sus principales fortalezas son el liderazgo de equipos de Data Science y el desarrollo de nuevos negocios basados en tecnología y modelos analíticos. Siempre interesado en participar de proyectos e iniciativas desafiantes donde pueda contribuir con sus conocimientos y habilidades a generar nuevos desarrollos que mejoren la vida de las personas.

  • Ricardo Vega
    Profesor Asistente Adjunto, Escuela de Diseño
    rivegam@uc.cl

    Diseñador y artista, MFA Technology (Parsons, The New School, Nueva York), trabaja en temas relativos a la visualización de información, programación aplicada en el diseño y el arte. Tiene particular interés en temas relativos a la tecnología y sus implicancias sociales, culturales y artísticas. Actualmente es docente  de la Escuela de Diseño de la Universidad Católica.

Solicita información y brochure aquí:


Este sitio está protegido por reCAPTCHA y se aplican la política de privacidad y términos del servicio de Google.

¿Listo para postular?

Postula Aquí

 

¿Te gustó este programa?
¡Compártelo en tus redes sociales!

X