Herramientas para incorporar en forma efectiva la Inteligencia de Negocios en la organización, aprovechando oportunidades y desafíos para decisiones acertadas, a nivel táctico y estratégico.
Logra información visual de alto nivel y responde directamente a preguntas inesperadas que surjan en escenarios volátiles.
La metodología online consiste en herramientas activas, donde el participante puede interactuar con sus pares y profesor-tutor, a través de los recursos tecnológicos que provee la plataforma educativa virtual.
La Inteligencia de Negocios ha permitido durante años mejorar el proceso de toma de decisiones gracias a la utilización de los datos para alimentar sus dashboards operacionales, analíticos o estratégicos. Sin embargo, como suele suceder en la dinámica área de la Ciencia de Datos, la Inteligencia de Negocios ha ido cambiando significativamente desde un enfoque más analítico a uno más proactivo. El acelerado avance de lo que se ha llamado Big Data ha obligado a la Inteligencia de Negocios a repensar las arquitecturas tradicionales por otras que acomoden, tanto la data estructurada, como la data no estructurada.
Este diplomado entrega conocimientos teóricos y prácticos para entender cabalmente las oportunidades y desafíos que existen en Inteligencia de Negocios; además, para conocer los elementos de la infraestructura tecnológica, para manejar un proyecto de inteligencia de negocios y para entender los aspectos relacionados con la gobernanza de los datos. Asimismo, considera los aspectos técnicos relacionados con minería de datos y aprendizaje de máquina, sobre los que descansa la mayor parte de las herramientas modernas.
El formato del Diplomado Ejecutivo en Inteligencia de Negocios es 100% en línea y se estructura sobre cuatro cursos que utilizan técnicas metodológicas activas. Gracias a estas últimas, el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual.
Dirigido a:
Orientado principalmente a profesionales como Ingenieros Civiles Industriales, Ingenieros Comerciales, Civiles Informáticos, Civiles Electrónicos, Civiles Eléctricos, Licenciados en Computación, y otros profesionales licenciados y/o con experiencia en áreas afines, que requieren conocimientos o habilidades en la materia.
Objetivo de aprendizaje:
- Analizar las oportunidades y desafíos asociados a la Inteligencia de Negocios y a su evolución a través del tiempo hasta llegar a la era de la Big Data actual.
- Liderar proyectos de Inteligencia de Negocios, sugiriendo esquemas de gobernanza de datos.
Al final del curso podrás:
- Comprender las características de una plataforma moderna de análisis de datos y los desafíos de la forma actual de hacer inteligencia de negocios.
- Utilizar los principios de agilidad aplicados a los proyectos de Inteligencia de Negocios.
- Identificar los principios y roles básicos asociados al gobierno de datos.
- Comprender la importancia del pensamiento analítico basado en los datos.
- Describir las características e importancia del rol de traductor analítico capaz de lleva un problema del negocio al lenguaje de los científicos de datos.
Contenidos:
- Estado actual de la inteligencia de negocios
- Plataforma moderna de análisis de datos
- Centralización vs descentralización
- Desafíos de la inteligencia de negocios actual
- El rol de la agilidad en la inteligencia de negocios
- Principios de gobierno de datos
- Roles asociados al gobierno de datos
- Introducción a la calidad de datos
- El pensamiento analítico como base de la creación de valor a partir de los datos
- El nuevo rol del traductor analítico
- Uniendo todo: inteligencia de negocios para una nueva década
Al final del curso podrás:
- Reconocer los principales componentes con que debe contar una infraestructura de Inteligencia de Negocios.
- Diseñar arquitecturas de alto nivel en proyectos relacionados a inteligencia de negocios
- Seleccionar la infraestructura adecuada en distintos escenarios de aplicación de inteligencia de negocios.
Contenidos:
- Introducción a una arquitectura sustentable de inteligencia de negocios
- Bases de datos, almacenes de datos (DW) y lagos de datos
- Manejo de "big data"
- Herramientas clásicas de inteligencia de negocios
- Servicios en la nube
- Mercados de inteligencia de negocios según Gartner y Forrester
- Principales oferentes de soluciones de inteligencia de negocios
- Ejercicio práctico de profundización crítica en los mercados y oferentes
Al final del curso podrás:
- Comprender los actuales modelos de gobierno de datos y las tendencias futuras.
- Liderar el desarrollo de un proyecto de inteligencia de negocios en cualquier empresa u organización.
- Conocer experiencias prácticas de compañías locales o multinacionales que han implementado modelos proyectos de inteligencia de negocios.
Contenidos:
- Introducción al gobierno de inteligencia de negocios (BI Governance)
- Introducción y conceptos asociados al gobierno de datos (Data Governance)
- Organismos, roles y responsabilidades
- Ciclo de vida de inteligencia de negocios
- Gobierno aplicado en arquitecturas modernas
- Relación con otras áreas y disciplinas
- Principios del PMBoK para el desarrollo de proyectos
- Metodología clásica de gestión de proyectos de inteligencia de negocios
- Metodología moderna de gestión de proyectos de inteligencia de negocios
- Estudio de casos de proyectos de inteligencia de negocios
Al final del curso podrás:
- Conocer y comprender las principales teorías y prácticas de la emergente área de minería de datos
- Aplicar reglas de asociación para encontrar relaciones en un set de transacciones.
- Desarrollar soluciones a problemas reales de big data y ciencia de datos que involucren la necesidad de técnicas de minería de datos como árboles de decisión y clustering.
- Implementar soluciones usando herramientas de software de minería de datos aplicándolas en datos reales.
Contenidos:
- Conceptos fundamentales de minería de datos
- Preparación de datos y reducción de información
- Reglas de asociación
- Algoritmos de clasificación
- Algoritmos de clustering y medidas de similaridad
- Selección de modelos e introducción a machine learning
Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica
Ph.D. Computer Science, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, UC. Profesor Asociado del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC.
Doctor en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile. Master in Computer Science, University of Northern Iowa (USA). Master en Ingeniería de Software e Ingeniero Civil en Computación e Informática, Universidad de Tarapacá (Chile).
Ingeniero Civil de Industrias UC con Mención en Tecnologías de la Información. Profesor del Diplomado Inteligencia de Negocio y profesor del Magíster en Tecnologías de la Información y Gestión de la Escuela de Ingeniería UC. Cofundador en Archetype, empresa consultora fundada el año 2016, especializada en el área de Inteligencia de Negocios, Análisis de Negocios y Gestión Estratégica con Inteligencia de Negocios (Enterprise Performance Management).
Master of Engineering, Northwestern University. Ingeniero Civil de Industrias (con mención en Tecnologías de la Información), UC. Ha desarrollado diversos proyectos de analytics en varios países de Latinoamérica.
Profesor Instructor Adjunto del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC. CEO de Metric Arts, empresa consultora fundada el año 2007, especializada en las áreas de Inteligencia de Negocios y Análisis de Negocios.
Ingeniero Civil Industrial en Computación, Pontifica Universidad Católica de Chile. Project Manager en Metric Arts, empresa consultora fundada el año 2007 y especializada en las áreas de Inteligencia de Negocios y Análisis de Negocios.
¿Te gustó este programa?
¡Compártelo en tus redes sociales!
