Diplomado en Transformación e innovación en entornos digitales (MTIG)

Los estudiantes aprenderán a analizar los desafíos de la colaboración de las diversas áreas de una organización, sus procesos de transformación y las estrategias fundamentales para lograr avances en entornos de incertidumbre. Aplicar una mirada sistemática para identificar oportunidades y estableciendo las bases para la transformación digital de la organización. Así también, aprenderán a utilizar técnicas de análisis y mejoramiento de procesos, para facilitar la adopción de tecnologías digitales; y aprenderán técnicas de emprendimiento e innovación para facilitar la transformación organizacional.

El Diplomado en Transformación e innovación en entornos digitales permitirá a los estudiantes desarrollar las competencias requeridas para identificar y gestionar de manera exitosa los aspectos claves para la transformación digital de una organización; conocerán una metodología sistemática de análisis para mejorar los procesos organizacionales; y aprenderán a utilizar técnicas de emprendimiento e innovación aplicables en entornos digitales.

La metodología utilizada se basa en clases expositivas, análisis de casos, y actividades, talleres y proyectos prácticos. De esta manera, los estudiantes aprenderán los fundamentos de las disciplinas estudiadas y también cómo se aplican en la práctica.

Profesionales que deseen escalar y disrumpir en industrias completas, con el objetivo de impactar la toma de decisiones claves en sus negocios.

Profesionales como ingenieros, economistas, y otros profesionales licenciados y/o con experiencia en áreas afines, que requieren conocimientos y habilidades en la materia.

Aplicar prácticas y metodologías clave para la construcción de una estrategia de transformación digital exitosa.

Identificar problemas, necesidades, desafíos y oportunidades en entornos dinámicos.

Analizar oportunidades de mejora a los procesos organizacionales.

Valorar la importancia de las tecnologías emergentes de ciencia de datos y machine learning, como herramientas clave para la transformación digital de las organizaciones.

El alumno debe estar en posesión de un grado académico o de un título profesional universitario:
– Licenciatura en ciencias de la ingeniería o título de ingeniería civil.
– Otro grado académico o título profesional universitario en una disciplina afín a la ingeniería, cuyo nivel sea al menos equivalente al necesario para obtener el grado de licenciado.
– Experiencia laboral de 2 años en al área o áreas afines.

Al finalizar el curso podrás: Valorar la mirada estratégica de las organizaciones más exitosas para su proceso de transformación digital (TD) y analizar los procesos en cada organización. Debatir los aspectos claves en las organizaciones que habilitan u obstaculizan una TD exitosa. Analizar los desafíos de la colaboración de las diversas áreas de una organización, más allá del área de tecnología, para establecer las bases para la TD. Evaluar las nuevas tecnologías que permiten una TD exitosa.

Contenidos:
1. Distinciones y facetas de la TD y de negocio: Desmitificando la TD: aspectos estratégicos y ejemplos. Cómo aplica la transformación de negocio/digital a la realidad de la empresa en Chile. Propósito y alineamiento para comenzar la transformación.

2. Aspectos que gobiernan el éxito y fracaso de una TD: Cómo generar una cultura para iniciar un proceso de transformación y su interpretación de la realidad. Coordinando interpretaciones de colaboradores y equipos con el entendimiento compartido. Por qué los prototipos y alineamiento frecuente. Planteamiento de desafíos a ser implementados en la semana. Por qué el pensamiento visual, cómo y cuándo utilizarlo.

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

4. Gestionando la incertidumbre: Por qué los procesos transformacionales son inherentemente inciertos y las herramientas para la mitigación. Gestión de complejidad e incertidumbre de proyectos con Story maps. Formación y despliegue de equipos multidisciplinarios con Impact maps. Revisar problemáticas con Design Thinking.

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

6. Liderazgo consciente para navegar la incertidumbre y llevar adelante procesos de transformación: Niveles de consciencia de las organizaciones. Propósito individual alineado con propósito organizacional. Liderazgo y nuevas tendencias. 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: Tendencias disruptivas y su impacto en esta nueva era: Blockchain, IoT, Machine Learning (AI) y Big Data. Seguridad psicológica. Sesgos cognitivos que habilitan o impiden la transformación. Equipo multidisciplinarios. Flujos de valor organizacional e integración con stakeholders.

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 y tipos de innovación y emprendimiento.
1.2. El dilema del innovador.
1.3. Ley de Gall.
1.4. 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 y el mundo.
2.2. 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.