Diplomado Ejecutivo en Inteligencia de Negocios - Online*

Este diplomado apunta a entregar las competencias necesarias para incorporar en forma efectiva la Inteligencia de Negocios en la organización de modo que sea posible incorporar insights al proceso de toma de decisiones de nivel táctico y estratégico, entregarles a los ejecutivos no solo información visual de alto nivel, sino también la capacidad para responder a preguntas inesperadas que puedan surgir en escenarios volátiles.


Descripción

La Inteligencia de Negocios está cobrando cada vez más importancia para la toma de decisiones dentro de una organización. Desde una primera etapa en que ya demostró su valor para apoyar el proceso de toma de decisiones de alto nivel, entregando datos duros y dashboards con información gráfica sintetizada orientada a los altos ejecutivos, pasa ahora a una nueva Inteligencia de Negocios que no se limita a ayuda a entender lo que está sucediendo, sino que apunta a predecir lo que puede suceder e incluso a sugerir cursos de acción a seguir.

Este diplomado entrega conocimientos teóricos y prácticos para entender cabalmente las oportunidades y desafíos que existen en Inteligencia de Negocios, conocer los elementos de la infraestructura tecnológica necesaria, poder manejar un proyecto de Inteligencia de Negocios, entender los aspectos relacionados con gobernanza de los datos y finalmente conocer 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 de este Diplomado es 100% en línea y se estructura sobre 4 cursos que utilizan técnicas metodológicas activas, donde el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual utilizada.

Dirigido a

El Diplomado está 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.

Prerrequisitos
  • Se recomienda estar en posesión de un grado académico o de un título profesional Universitario.
  • Se recomienda experiencia laboral de 2 años en áreas afines.
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.

Desglose de cursos

Nombre del curso: Presente y Futuro de la Inteligencia de Negocios
Nombre en inglés: Business Intelligence, Present and Future 
Horas cronológicas: 35; Créditos: 5 créditos 

Resultados de Aprendizaje

-                 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.

Metodología de enseñanza y aprendizaje:

La metodología, igual en los 4 cursos, se detalla al final del desglose de los mismos.

Evaluación de los aprendizajes:

  • Tres pruebas on-line, todas de igual ponderación                               (40% en total)
  • Tres actividades de aplicación, la tercera con doble ponderación          (60% en total)

 

Nombre del curso: Infraestructura para la Inteligencia de Negocios 

Nombre en inglés: Infrastructure for Business Intelligence 

Horas cronológicas: 35; Créditos: 5 créditos
Resultados de Aprendizaje

-                 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

Metodología de enseñanza y aprendizaje:
La metodología, igual en los 4 cursos, se detalla al final del desglose de los mismos.

Evaluación de los aprendizajes:

  • Tres pruebas on-line, todas de igual ponderación                               (40% en total)
  • Tres actividades de aplicación, la tercera con doble ponderación          (60% en total) 


Nombre del curso: Gestión de Proyectos y Gobernanza de Inteligencia de Negocios 
Nombre en inglés: Project Management and Governance of Business Intelligence 
Horas cronológicas: 35; Créditos: 5 créditos

Resultados de Aprendizaje

-                 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.

Metodología de enseñanza y aprendizaje:
La metodología, igual en los 4 cursos, se detalla al final del desglose de los mismos.

Evaluación de los aprendizajes:

  • Tres pruebas on-line, todas de igual ponderación                               (40% en total)
  • Tres actividades de aplicación, la tercera con doble ponderación          (60% en total)


Nombre del curso: Introducción a Minería de Datos y Machine Learning 

Nombre en inglés: Introduction to Data Mining and Machine Learning 

Horas cronológicas: 35; Créditos: 5 créditos

Resultados de Aprendizaje

-                 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

Metodología de enseñanza y aprendizaje:

La metodología, igual en los 4 cursos, se detalla al final del desglose de los mismos.

 

Evaluación de los aprendizajes:

  • Tres pruebas on-line, todas de igual ponderación                               (40% en total)
  • Tres actividades de aplicación, la tercera con doble ponderación          (60% en total)

 

Metodología de enseñanza y aprendizaje:

La modalidad de capacitación es e-learning asincrónica, por lo que los participantes accederán a una plataforma educativa virtual (LMS). Las actividades se desarrollan en forma remota, lo que permite entregar flexibilidad en los horarios, de manera que cada participante pueda distribuir su tiempo y ser autónomo en su proceso de aprendizaje. No obstante, el proceso de enseñanza-aprendizaje se acompañará con un tutor, quien tendrá un rol de mediador y facilitador, ofreciendo apoyo a los participantes en aspectos técnicos y también administrativos durante la actividad de capacitación.

 

Respecto a las estrategias de enseñanza - aprendizaje, se utilizarán videoclases, screencast y clases interactivas para la presentación de contenidos y actividades de aplicación que serán desarrolladas a partir de cuestionarios y tareas, dirigidas a que los participantes resuelvan problemas/situaciones aplicando los conocimientos aprendidos y comprobar la comprensión de los contenidos a través de test automáticos.

 

Respecto a las evaluaciones, el curso contempla tres pruebas online organizadas en cuestionarios con preguntas de opción múltiple, cuyo propósito es medir el nivel de aprendizaje logrado en cada una de las clases, y 3 entregas prácticas o miniproyectos de aplicación.

 

Los participantes también contarán con foros abiertos de consulta, como apoyo a su proceso de aprendizaje, donde podrán interactuar con sus pares y tutor.

 

Al inicio del curso se contará con una clase sincrónica en formato streaming, en que el jefe de programa o un profesor del programa, introducirán a los alumnos en las materias a abordar.

Equipo Docente

JEFE DE PROGRAMA
Jaime Navón, PhD.
Ingeniero Civil Electricista de la Universidad de Chile, Master en Computer Science del, Technion-Israel Institute of Technology, Ph.D en Computer Science de la University of North Carolina at Chapel Hill. Profesor asociado del Departamento de Ciencia de la Computación UC.

EQUIPO DOCENTE
Mauricio Arriagada Benítez
Doctor en Ciencia de la Ingeniería, Pontificia Universidad Católica de Chile – Chile, Master en Ciencias de la Ingeniería de la Pontificia Universidad Católica de Chile – Chile, Ingeniero Civil en Computación e Informática, Universidad de Tarapacá – Chile. Master in Computer Science, University of Northern Iowa – USA. Master en Ingeniería de Software, Universidad de Tarapacá – Chile. Director Magister en Procesamiento y Gestión de Información (MPGI) UC.

Cristián Rodríguez
Ingeniero Civil de Industrias UC con Mención en Tecnologías de la Información, Profesor Diplomado Inteligencia de Negocio, Profesor Magíster en Tecnologías de la Información y Gestión - Escuela de Ingeniería UC. Cofundador en Archetype, empresa consultora fundada el año 2016 y especializada en el área de Inteligencia de Negocios, Análisis de Negocios y Gestión Estratégica con Inteligencia de Negocios (Enterprise Performance Management).]

Patricio Cofré, MSc.
Ingeniero Civil de industrias UC con con Mención en Tecnologías de la Información, Profesor Instructor Adjunto Departamento de Ciencia de la Computación - Escuela de Ingeniería UC, y Master of Engineering Management, Northwestern University. CEO at MetricArts, empresa consultora fundada el año 2007 y especializada en las áreas de Inteligencia de Negocios y Análisis de Negocios.

Marco Ramírez
Ingeniero Civil Industrial en Computación de la Pontifica Universidad Católica de Chile, Profesor de Diplomado en Inteligencia de Negocios UC. Project Manager at MetricArts, empresa consultora fundada el año 2007 y especializada en las áreas de Inteligencia de Negocios y Análisis de Negocios.

* EP (Educación Profesional) de la Escuela de Ingeniería se reserva el derecho de remplazar, en caso de fuerza mayor, a él o los profesores indicados en este programa.

Requisitos de aprobación

La nota final del Diplomado se obtendrá a través del promedio aritmético de las notas de los 4 cursos.  Se requiere aprobar cada uno de los cursos en forma separada.

 

  • Curso: Presente y Futuro de la Inteligencia de Negocios:                            25%
  • Curso: Introducción a Minería de Datos y Machine Learning:                       25%
  • Curso: Gobierno y Gestión de Proyectos de Inteligencia de Negocios:          25%
  • Curso: Infraestructura para la Inteligencia de Negocios:                             25%

 

Los alumnos deberán ser aprobados de acuerdo los criterios que establezca la unidad académica:

 

  1. Calificación mínima de todos los cursos 4,0 en su promedio ponderado.

 

En el caso de los programas en modalidad en línea, los estudiantes tendrán que cumplir con la calificación mínima de 4,0 y con los requisitos establecidos para cada programa.

 

Para aprobar los programas de diplomados se requiere la aprobación de todos los cursos que lo conforman y en el caso que corresponda, de la evaluación final integrativa.

 

Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por la Pontificia Universidad Católica de Chile.

 

El alumno que no cumpla con una de estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

 

Bibliografía

BIBLIOGRAFÍA

Curso 1

-                 Eckerson, Wayne. (2012). Secrets of Analytical Leaders: Insights from Information Insiders. 1a Edición en Inglés.

-                 Moss, Larissa. (2013). Extreme Scoping: An Agile Approach to Enterprise Data Warehousing and Business Intelligence. 1a Edición en Inglés.

-                 Ladley, John. (2012). Data Governance: How to Design, Deploy and Sustain an Effective Data Governance Program (The Morgan Kaufmann Series on Business Intelligence). 1a Edición en Inglés.

-                 Poppendieck, Mary (2013). The Lean Mindset: Ask the Right Questions. 1a Edición en Inglés.

-                 Kleppmann, Martin. (2017). Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems. 1a Edición en Inglés.

-                 ROBERT S. KAPLAN, DAVID P. NORTON, The Execution Premium: Linking Strategy to Operations for Competitive Advantage, 2008.

-                 ELIZABETH VITT, MICHAEL LUCKEVICH, STACIA MISNER, Business Intelligence, Microsoft Press, 1st edition, 2010.

 

CURSO 2

-                 DAVID TANIAR, Progressive Methods in Data Warehousing and Business Intelligence: Concepts and Competitive Analytics, Idea Group Inc, 2009.

-                 ERIK THOMSEN, OLAP Solutions: Building Multidimensional Information Systems, Wiley, 2nd edition, 2002.

-                 RALPH KIMBALL, MARGY ROSS, The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling, Wiley, 2nd edition, 2002.

-                 RALPH KIMBALL, MARGY ROSS, WARREN THORNWAITE, JOY MUNDY, BOB BECKER, The Data Warehouse Lifecycle Toolkit, Wiley, 2nd edition, 2007.

-                 STEPHEN FEW, Information Dashboard Design: The Effective Visual Communication of Data, 2006.

 

CURSO 3

-                 ALEX BERSON, LARRY DUBOV, Master Data Management and Data Governance, 2e, McGraw-Hill 2010.

-                 DANETTE MCGILVRAY, Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information, Elsevier, 2008.

-                 GAIL LA GROUW, BI Strategy Guide: Proven Pathways to Success with Business Intelligence, 2011.

-                 GARY COKINS, Performance Management: Integrating Strategy Execution, Methodologies, Risk, and Analytics, Wiley and SAS Business Series, 2009.

-                 GLORIA J. MILLER, DAGMAR BRAUTIGAM, STEFANIE V. GERLACH, Business Intelligence Competency Centers: A Team Approach to Maximizing Competitive Advantage, Wiley and SAS Business Series, 2006.

-                 JOHN BOYER, BILL FRANK, BRIAN GREEN, Business Intelligence Strategy: A Practical Guide for Achieving BI Excellence, 2010.

-                 LARISSA T. MOSS, SHAKU ATRE, Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications, Addison-Wesley Professional, 2003.

-                 PROJECT MANAGEMENT INSTITUTE, A Guide to the Project Management Body of Knowledge: (Pmbok Guide,4e), PMI, 2008.

-                 RAJIV SABHERWAL, IRMA BECERRA-FERNANDEZ, Business Intelligence, Wiley, 1st edition, 2010.

-                 WAYNE W. ECKERSON, Performance Dashboards: Measuring, Monitoring, and Managing Your Business, Wiley, 2010.

 

CURSO 4

-                 Data Mining: Practical Machine Learning Tools and Techniques, Ian H. Witten, Eibe Frank.

-                 Data Mining: Concepts and Techniques, Jiawei Han and Micheline Kamber.

-                 Berry, M. and Linoff, G., ”Data Mining Techniques for Marketing, Sales and Customer Support”, Wiley, 1997.

Proceso de Admisión

Las personas interesadas deberán enviar los documentos que se detallan más abajo al correo programas@ing.puc.cl.

 

  • Fotocopia Carnet de Identidad.

 

El postular no asegura el cupo, una vez aceptado en el programa, se debe cancelar o documentar el valor, para estar matriculado.

 

VACANTES: 50

“No se tramitarán postulaciones incompletas”.

 

El Programa se reserva el derecho de suspender la realización del diplomado si no cuenta con el mínimo de alumnos requeridos. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero en un plazo aproximado de 10 días hábiles.

 

A las personas matriculadas que se retiren de la actividad antes de la fecha de inicio, se les devolverá el total pagado menos el 10% del total del arancel.

 

SOLICITAR MÁS INFORMACIÓN
POSTULA AQUÍ

Mantente conectado a nuestras redes sociales