Diplomado en Transformación e innovación en entornos digitales (MTIG)

Al finalizar el curso podrás:
- Valorar cuál es la mirada estratégica que establecen las organizaciones más exitosas del mundo para llevar a cabo su proceso de transformación digital.
- Analizar los procesos de transformación en cada organización.
- Debatir los aspectos claves en las organizaciones que habilitan u obstaculizan una transformación digital exitosa.
- Analizar, de manera profunda, los desafíos de la colaboración de las diversas áreas de una organización, más allá del área de tecnología, para establecer las bases para la transformación digital.
- Evaluar de qué manera las nuevas tecnologías habilitan lograr una transformación digital exitosa.

Contenidos:
1. Construyendo las bases: Distinciones y facetas de la transformación digital y de negocio
1.1. Desmitificando la transformacional digital: aspectos estratégicos.
1.2. Ejemplos de transformación digital en el mundo.
1.3. Cómo aplica la transformación de negocio/digital a la realidad de la empresa en Chile, en base a ejemplos.
1.4. Propósito y alineamiento para comenzar la transformación.

2. Aspectos claves que gobiernan el éxito y fracaso de una transformación digital
2.1. Entendiendo cómo se genera una cultura para iniciar un proceso de transformación.
2.2. Entendiendo cómo la interpretación de la realidad impacta en la transformación.
2.3. Coordinando interpretaciones de colaboradores y equipos con el entendimiento compartido.
2.4. Por qué los prototipos.
2.5. Por qué alineamiento frecuente.
2.6. Planteamiento de desafíos a ser implementados en la semana.
2.7. Por qué el pensamiento visual, cómo y cuándo utilizarlo.

3. Descubriendo y aprendiendo los principios que activan una mentalidad ágil en líderes y equipos:
3.1. Mitigación de riesgo en proyectos y gestión diaria.
3.2. Impacto en la generación de nuevos productos y soluciones.
3.3. Foco en entrega de valor inmediato.
3.4. Optimización del trabajo para la entrega de valor.
3.5. Colaboración efectiva para un mejor desempeño global de la organización.
3.6. Relación de los principios fundamentales de la agilidad.

4. Gestionando la incertidumbre
4.1. Por qué los procesos transformacionales son inherentemente inciertos.
4.2. Herramientas para la mitigación de incertidumbre.
4.3. Gestión de complejidad e incertidumbre de proyectos con Story maps.
4.4. Formación y despliegue de equipos multidisciplinarios con Impact maps.
4.5. Entendimiento profundo de problemáticas con Design Thinking.

5. Innovación e intra-emprendimiento en la organización
5.1. Generación de negocios digitales.
5.2. Validación de productos y servicios con valor inmediato usando Lean startup y UX.
5.3. Gestión de flujo de trabajo y mejora continua con Kanban.
5.4. Despliegue estratégico con metodologías Lean.
5.5. Planteamiento de desafíos a ser implementados en la semana.

6. Importancia del liderazgo consciente para navegar la incertidumbre y llevar adelante procesos de transformación
6.1. Niveles de consciencia de las organizaciones.
6.2. Desarrollando propósito individual alineado con propósito organizacional.
6.3. Liderazgo y nuevas tendencias.
6.4. Integración de procesos humanos con la implementación de proyectos tecnológicos/digitales.

7. Tecnologías disruptivas, factores y estrategias a considerar para iniciar y desplegar un proceso de transformación de negocio
7.1. Tendencias disruptivas y su impacto en esta nueva era: Blockchain, IoT, Machine Learning (AI), Big Data, entre otras.
7.2. Seguridad psicológica.
7.3. Sesgos cognitivos que habilitan o impiden la transformación.
7.4. Equipo multidisciplinarios.
7.5. Flujos de valor organizacional e integración con stakeholders.
7.6. Reflexión final y recomendaciones.

Al finalizar el curso podrás:
- Aplicar técnicas y herramientas para describir procesos de negocio.
- Aplicar técnicas y herramientas para modelar procesos de negocio.
- Aplicar técnicas y herramientas para analizar procesos de negocio.
- Aplicar técnicas y herramientas para identificar oportunidades de mejora a procesos de negocio.
- Valorar herramientas para la gestión de procesos de negocio.

Contenidos:
1. Procesos de negocio.
2. Descubrimiento de procesos de negocio.
3. Madurez de los procesos de negocio.
4. Modelación de procesos de negocio.
5. Métricas de procesos de negocio.
6. Mejora de procesos de negocio.
7. Minería de procesos de negocio.
8. Habilidades del modelador.

Al finalizar el curso podrás:
- Evaluar los aspectos esenciales a considerar en el ámbito de la innovación y emprendimiento para maximizar la probabilidad de éxito de una iniciativa de estas características.
- Proponer un modelo de negocio escalable mediante la aplicación de estrategias iterativas para maximizar su viabilidad en el ámbito de la innovación y emprendimiento.
- Desarrollar la capacidad para generar soluciones innovadoras a problemas y necesidades detectadas mediante una mirada científica, que permita responder de manera objetiva y contextualizada en entornos dinámicos.

Contenidos:
1. Innovación y emprendimiento
1.1. Definiciones básicas de innovación y emprendimiento.
1.2. Tipos de innovación y emprendimientos.
1.3. El dilema del innovador.
1.4. Ley de Gall.
1.5. La naturaleza adaptativa en la gestión de la innovación y emprendimiento

2. Experiencias en Chile y el mundo (éxitos, fracasos y otros)
2.1. Casos de innovación y emprendimiento en Chile.
2.2. Casos de innovación y emprendimiento en el mundo.
2.3. Principales lecciones y aprendizajes.

3. Herramientas para la exploración de ideas, problemas y oportunidades
3.1. Lean startup.
3.2. Customer development.
3.3. Business model canvas.
3.4. Customer Journey.
3.5. Story maps.
3.6. A3.
3.7. Lean value tree.

4. Mindset del innovador y emprendedor
4.1. Sesgos cognitivos.
4.2. Heurísticas.
4.3. Cómo lidiar con el éxito y el fracaso.
4.4. Generando estados de ánimo.

5. Poniendo todo en práctica
5.1. Desarrollo de emprendimiento e innovación por grupos.
5.2. Reflexión conjunta de avances.
5.3. Cierre del curso.

Al finalizar el curso podrás:
- Valorar la utilidad del Aprendizaje Automático o Machine Learning (ML) y el Aprendizaje Profundo o Deep Learning (DL).
- Identificar potencialidades y limitaciones de ML y DL para resolver diferentes tipos de problemas en diferentes industrias.
- Identificar situaciones y contextos en los cuales ML puede resolver problemas de gran valor de negocio.
- Desarrollar un plan de implementación de proyectos y/o capacidades de ML en una empresa, analizando y evaluando infraestructura, servicios, y disponibilidad de datos.
- Proponer un plan estratégico de desarrollo de tecnología basado en ML, alineado con la estrategia corporativa.

Contenidos:
1. Aprendizaje automático supervisado
1.1. Modelos de ML, capacidades y características, así como ejemplos de aplicación.
1.2. Metodología de desarrollo de modelos.
1.3. Tratamiento y refinamiento de datos.

2. Aprendizaje profundo supervisado
2.1. Conceptos esenciales y diferencias con ML más básico.
2.2. Redes neuronales convolucionales y redes neuronales recurrentes.
2.3. Análisis dimensional, entrenamiento, y tratamiento de grandes datos.

3. Aprendizaje automático no-supervisado
3.1. Diferentes modelos como K-Means, HDBSCAN, Restricted Boltzmann Machines, entre otros.

4. Aplicaciones industriales
4.1. Clasificación, predicción, y recomendación, en contextos industriales y retail.
4.2. Procesamiento de lenguaje natural, en atención de clientes y ámbito legal.

5. El futuro inmediato en ML y DL
5.1. Hacia el razonamiento artificial.

Al finalizar el curso podrás:
- Aplicar los conceptos, métodos y herramientas fundamentales de ciencia de datos a problemas reales de negocio, interpretando adecuadamente los resultados y generando acciones de valor agregado.
- Desarrollar modelos descriptivos, predictivos y prescriptivos sobre datos de diversas industrias.
- Evaluar oportunidades de negocio accionables a partir del análisis de datos.

Contenidos:
1. La evolución de la ciencia de datos y el análisis predictivo para el apoyo a la toma de decisiones.
2. Las características que definen a una organización data-driven.
3. Cómo las empresas modernas están generando productos y servicios analíticos.
4. Metodologías de análisis de datos y búsqueda de patrones.
5. Generación de modelos descriptivos, análisis de casos reales y trabajo práctico.
6. Generación de modelos predictivos y prescriptivos, análisis de casos reales y trabajo práctico.
7. Cómo interpretar modelos analíticos para tomar mejores decisiones de negocio.