calendar correo curso diplomado horas lugar in-company magister magisteres programa-avanzado quotes reloj telefono contacto contacto grad video
X
Coincidencias exactas
Buscar por
Magisters
Diplomados
Cursos
Profesores
Noticias
Search
Coincidencias exactas
Buscar por
Seleccionar todos
Magisters
Diplomados
Cursos
Profesores
Noticias

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

26/11/2019
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!

Programas relacionados

Diplomado en Blockchain

Fecha de inicio: 18/05/2020
X