Diplomado en Toma de decisiones basadas en datos (online – MANE)

Al final del curso podrás:
- Desarrollar el enfoque de la estrategia de la organización desde un punto de vista integral y sistémico, teniendo en cuenta la relevancia de los datos y la transformación digital.
- Analizar la forma en que la digitalización ha cambiado la cadena de valor, los patrones de demanda, el entorno, las presiones competitivas y los modelos de negocios de las empresas en diferentes tipos de industrias.
- Estructurar estrategias competitivas y diseños organizacionales exitosos en el contexto de un entorno altamente cambiante y complejo, incorporando elementos relacionados a la industria 4.0 (internet de las cosas, inteligencia artificial, Big Data, Machine Learning entre otros).
- Desarrollar propuestas de valor convincentes que transformen amenazas en oportunidades en diferentes tipos de industrias, aprovechando el desarrollo digital.
- Ejecutar estrategias digitales alineando las actividades claves de la organización con nuevas propuestas de valor, integrando la agilidad estratégica con la sostenibilidad a largo plazo.
- Distinguir las principales características de la inteligencia artificial (AI) y su poder orientado a crear valor en la organización.

Contenidos:
Dirección estratégica de empresas
- La esencia de la estrategia competitiva.
- Generación y captura de valor.
- Conceptos esenciales de ventaja competitiva.
- Determinantes de la rentabilidad de las empresas.
- Decisiones estratégicas versus decisiones tácticas y sus implicancias.

Viviendo en un mundo digital
- Disrupción digital y oportunidades.
- Revolución digital industrial.
- Lecciones de la revolución digital original.
- Claves para una estrategia efectiva en la era digital.
- Cómo se adaptan las empresas a esta nueva era digital.
- Cadena de valor de la industria y transformación digital.

Análisis estructural y competitivo y estrategias disruptivas
- Entendiendo las dinámicas de la captura del valor creado.
- El sistema de valor (ecosistema) como herramienta de análisis.
- Posicionamiento estratégico.
- Tecnología: sostenibilidad versus disrupción.
- Principios sobe innovaciones disruptivas.
- Job to be Done: enfrentando disrupciones.
- Creación y captura del valor.
- ¿Cómo puede una organización sostener una creación de valor superior?
- Cómo impulsar un salto en el valor en un mundo con fuertes presiones competitivas.
- Funciones de apoyo en la era digital.

Ejecución e implicancias en la era digital
- ¿Cómo ejecutar la estrategia digital?
- Agilidad y cultura estratégica.
- Utilización de los datos en la era digital.
- ¿Cómo están cambiando los patrones de consumo en la sociedad?
- Amenazas y oportunidades en la era digital.
- Competencias requeridas en la era digital.

Al final del curso podrás:
- Elaborar modelos de datos para implementarlos sobre un motor relacional.
- Analizar conceptos de dependencias funcionales y normalización para modelar bases de datos.
- Aplicar el lenguaje de consultas SQL a un nivel intermedio para realizar consultas sobre bases de datos.
- Identificar las fortalezas y debilidades de las bases de datos NoSQL para implementarlas en el contexto adecuado.
- Elaborar consultas sencillas en bases de datos de documentos para hacer búsquedas básicas de información.
- Aplicar las bases de datos en un proceso de análisis de datos.
- Describir problemas éticos y de privacidad en el manejo de datos.

Contenidos:
Módulo 1
- Conceptos fundamentales de bases de datos.
- Modelo relacional de datos.
- Introducción al lenguaje de consulta SQ.

Módulo 2
- SQL avanzado (agregación, consultas anidadas).
- Diseño de una BD relacional.

Módulo 3
- Rol de SQL en ciencia de datos.
- Bases de datos NoSQL.

Al final del curso podrás:
- Identificar la importancia, tipos y aplicaciones de Business Analytics en el desarrollo actual de los negocios.
- Aplicar modelos analíticos de toma de decisiones para resolver problemas de negocio.
- Aplicar metodologías de la analítica descriptiva para pronosticar escenarios futuros inciertos.
- Aplicar modelos de la analítica predictiva para pronosticar escenarios futuros inciertos.
- Aplicar modelos de la analítica prescriptiva para recomendar acciones ante posibles situaciones futuras complejas e inciertas.

Contenidos:
Módulo 1: Mejores decisiones con Business Analytics
- Business Analytics y aplicaciones.
- Analítica descriptiva.
- Analítica predictiva.
- Analítica prescriptiva.

Módulo 2: Modelos de toma de decisiones
- Análisis de decisiones.
- Análisis de decisiones con información.
- Modelos de probabilidad.
- Simulación.
- Ejemplos aplicados.

Módulo 3: Modelos de predicción y optimización
- Modelos de regresión.
- Modelos de optimización lineal.
- Ejemplos aplicados.

Módulo 4: Aplicaciones reales y el futuro de la toma de decisiones basada en datos
- Caso General Electric.
- Caso Starbucks.
- Consideraciones éticas y regulatorias.
- Futuro de la toma de decisiones basada en datos.

Al final del curso podrás:
- Comprender los fundamentos del proceso de minería de datos y las etapas que conlleva un proyecto analítico en un contexto empresarial.
- Distinguir conceptos de programación subyacentes al lenguaje R.
- Aplicar técnicas de gestión de datos para preparar, analizar, gestionar y almacenar información digital en su organización.
- Aplicar métodos del aprendizaje estadístico para resumir información, identificar asociaciones y reducir la dimensionalidad de los datos.
- Desarrollar un proyecto analítico y todas las etapas que conlleva utilizando los datos públicos.
- Crear informes de reporterías de análisis de datos para comunicar resultados estadísticos de manera correcta y efectiva.
- Integrar técnicas de gestión de datos en plataformas de Big Data.

Contenidos:
Módulo 1: Introducción y conceptos básicos del lenguaje R
- ¿Qué es el Data Mining?
- Etapas del proceso de Data Mining.
- Principales plataformas analíticas para hacer Data Mining.
- ¿Cuál es el rol del Big Data?
- Principales librerías de R.
- Lenguaje de programación y principales objetos de R.
- Funciones y gráficos en R.

Módulo 2: Gestión y visualización de datos
- ¿Cómo adquirir la data?
- Tipos de datos y representación.
- Transformación, depuración y limpieza de la información.
- Terminología de procesamiento de datos: Tabla, Fila y Columna.
- Consultas básicas de manipulación de datos con la librería dplyr en R.
- Estadísticas descriptivas de los datos.
- Resumen para datos categóricos.
- Medidas de similitud y asociación.
- Visualización de los datos con ggplot2 y plotly.

Módulo 3: Reducción de la información y comunicación de los resultados
- La maldición de la dimensionalidad.
- Análisis de correlación de variables.
- Componentes principales.
- Aplicación a caso de negocio.
- Gráficos interactivos.
- Reportes R Markdown.
- Introducción a flexdashboards.
- Introducción a Shiny.

Módulo 4: Integración con Big Data
- Plataformas de Big Data.
- Introducción Apache Spark para el análisis de grandes volúmenes de datos.
- Conexión de R con Apache Spark para tareas distribuidas.
- Ilustraciones.