Diplomado Ejecutivo en inteligencia de negocios (online)

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.

Contenidos:
Módulo 1: Conceptos de inteligencia de negocios
- Conceptos de inteligencia de negocios.
- Plataforma clásica de inteligencia de negocios.
- Nuevas tendencias que impactan la inteligencia de negocios.
- Herramientas: introducción, primeros pasos, elementos reporte I.

Módulo 2: Plataforma moderna de inteligencia de negocios
- Desafíos de inteligencia de negocios actual.
- Presentación y componentes de la plataforma moderna de análisis de datos.
- Centralización vs descentralización.
- Herramienta: elementos reporte II y campos calculados.

Módulo 3: Agilidad y gobierno en inteligencia de negocios
- Agilidad en inteligencia de negocios.
- Introducción, roles asociados y desafíos del gobierno de datos.
- Herramientas: agregar información al modelo.

Módulo 4: Calidad de datos
- Introducción, metodología y desafíos de la calidad de datos.

Módulo 5: Pensamiento analítico
- Introducción al pensamiento analítico.
- Pensamiento analítico y el valor de los datos.
- El nuevo rol del traductor analítico.

Módulo 6: El futuro de la inteligencia de negocios
- Próximos años: principales desafíos.
- El rol de los gerentes y directivos de la organización.
- El (probable) invierno analítico.

*Prerrequisito: curso Presente y futuro de la inteligencia de negocios

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 las arquitecturas analíticas
- Arquitecturas transaccionales y analíticas.
- Componentes de una arquitectura analítica.

Tipos de datos
- Datos relacionales y no relacionados.

Datawarehouse
- Big Data.
- Almacenes y diseño de almacenes de datos.
- Construcción Datawarehouse

Datalake
- Enfoque moderno.
- Diseño y construcción de Datalake.

Mercado de soluciones analíticas
- Metodologías para la evaluación de proveedores.
- Mercado Cloud Database Management Systems y mercado Data Integration.

Infraestructuras analíticas
- Mercado Data Management Solutions for Analytics y mercado Business Intelligence.
- Analítica avanzada.
- Aprovisionamiento de BD en nube.
- Revisión de oferta de servicios de Amazon AWS y Azure.

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:
Conceptos básicos de la gestión de proyectos BI
- Principios básicos del PMI.
- Áreas de conocimiento.
- Personas, cultura y política.

Metodología clásica de gestión de proyectos BI
- Contexto metodológico.
- Conceptos y consideraciones relevantes.
- Prototipos.

Metodología moderna de gestión de proyectos BI
- La naturaleza de la agilidad.
- Introducción y desarrollo de proyectos BI con metodología Scrum.

Conceptos básicos de gobierno de datos
- La necesidad de gobierno.
- Desafío de fondo.
- Conceptos fundacionales clave.
- Desafíos del gobierno de datos.

Gobierno y calidad de datos
- Roles.
- Estructura organizativa.
- Data Stewardship.
- Calidad de datos.
- Modelos de gobierno de datos.

Arquitectura, tecnología y soluciones
- Arquitectura de datos.
- Master Data Management.
- Proveedores de nube.

*Prerrequisito: curso Gestión de proyectos y gobernanza 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 sobre Data Warehouse y uso de Dataframes

Procesamiento y consolidación de datos
- Preprocesamiento de datos.
- Selección y transformación de datos.

Reglas de asociación

Aplicación de los algoritmos Random Forest y KNN
- Árbol de decisión.
- KNN.
- Random Forest.

Aplicación de los algoritmos K-Means y DBSCAN
- Clustering.
- K-Means.
- Clustering jerárquico.

Introducción al Machine Learning
- Modelo de entrenamiento.
- Métricas de evaluación.