Diplomado Ejecutivo en inteligencia de negocios

Docente(s): Cristián Rodríguez y Marco Ramírez

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin prerrequisitos

Créditos: 4

Horas totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción del curso

La Inteligencia de Negocios se ha consolidado como una práctica fundamental para generar valor a partir de los datos. Tradicionalmente, esta práctica se ha centrado en procesos de integración, almacenes de datos corporativos y visualización de datos (reportes, dashboards). Sin embargo, la irrupción de la Inteligencia Artificial y la Ciencia de los Datos requiere una mirada fresca que permita aprovechar las nuevas oportunidades. En este curso se describe la Inteligencia de Negocios actual y la que está apareciendo. 

El curso parte con un resumen de los componentes y roles “clásicos” de la Inteligencia de Negocios. A continuación, se presentan los principales desafíos que han surgido producto de la aparición de nuevas tecnologías, soluciones y necesidades de análisis de información. Se presentará una plataforma de análisis de datos moderna que frente a estos desafíos. Posteriormente pasaremos del mundo técnico al mundo más de gestión y personas. Hablaremos de Agilidad en Inteligencia de Negocios, de Gobierno y Calidad de Datos, de la necesidad de Pensamiento Analítico como base para la generación de valor. Luego, analizaremos la aparición del rol de Traductor Analítico y su importancia. Para cerrar, y considerando todos los puntos vistos en el curso, se presentará una visión moderna (y futura) de la Inteligencia de Negocios. 

La metodología de enseñanza y aprendizaje consiste en 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 provista para el curso. 

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 
  • Herramientas: primeros pasos 
  •  Herramientas: elementos reporte I 
• Módulo 2: Plataforma moderna de inteligencia de negocios 
  • Desafíos de inteligencia de negocios actual 
  • Presentación plataforma moderna de análisis de datos 
  • Componentes plataforma moderna de análisis de datos 
  • Centralización vs descentralización 
  •  Herramienta: Elementos reporte II 
  • Herramienta: campos calculados 
• Módulo 3: Agilidad y gobierno en inteligencia de negocios 
  • Agilidad en inteligencia de negocios 
  • Introducción al gobierno de datos 
  • Roles asociados al gobierno de los datos 
  • Desafíos del gobierno de los datos 
  • Herramientas: agregar información al modelo 
• Módulo 4: Calidad de datos 
  • Introducción a la calidad de datos 
  • Metodología de calidad de datos 
  • Desafíos de la calidad de datos 
  • Módulo 5: Pensamiento analítico 
  • Introducción al pensamiento analítico  
  • Pensamiento analítico y el valor de los datos 
  • Pensamiento analítico 
  • 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 

Estrategias metodológicas 

•  Aprendizaje autónomo asincrónico estructurado en 6 módulos 
• Clases expositivas  
• Foros 
• Estudio de caso 

Estrategias evaluativas 

• 3 controles individuales – 40% 
• 3 mini proyectos individuales – 60%

Docente(s): Patricio Cofré y Marco Ramírez

Unidad académica responsable: Escuela de Ingeniería

Requisitos: curso Presente y futuro de la inteligencia de negocios

Créditos: 4

Horas totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción del curso

Dentro del contexto de Inteligencia de Negocios, un área muy importante tiene que ver con la infraestructura y la arquitectura del ecosistema que se deberá implementar o acondicionar para que las distintas herramientas puedan hacer su trabajo correctamente. Decisiones como por ejemplo el tipo de repositorios (data warehouse, data lake, datamart), el tipo de modelo de datos (relacional o noSQL), la forma de utilización de la nube (IaaS, PaaS, SaaS) serán fundamentales para el éxito del proyecto. Este curso apunta a entregar las herramientas para que los alumnos sean capaces de tomar buenas decisiones basadas en los principios fundamentales y las buenas prácticas.

El formato de este Curso es 100% en línea y se 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.

Resultados de aprendizaje

1.  Reconocer los principales componentes con que debe contar una infraestructura de Inteligencia de Negocios. 
2. Diseñar arquitecturas de alto nivel en proyectos relacionados a Inteligencia de Negocios. 
3. 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 
  • Datos no relacionados 
• Datawarehouse 
  • Big Data 
  • Almacenes de datos 
  • Diseño de almacenes de datos 
  • Construcción Datawarehouse 
• Datalake 
  • Enfoque moderno 
  • Diseño de Datalakes 
  • Construcción Datalake 
• Mercado de soluciones analíticas 
  • Metodologías para la evaluación de proveedores 
  • Mercado Cloud Database Management Systems 
  • Mercado Data Integration 
• Infraestructuras analíticas 
  • Mercado Data Management Solutions for Analytics 
  • Mercado Business Intelligence 
  • Analítica avanzada 
  • Aprovisionamiento de BD en nube 
  • Revisión de oferta de servicios de Amazon AWS y Azure 

Estrategias metodológicas:

• Aprendizaje autónomo asincrónico estructurado en 6 módulos 
• Clases expositivas 
• Foros 
• Estudio de caso 

Estrategias evaluativas: 

• 3 controles individuales – 40% 
• 3 mini proyectos individuales – 60%

Docente(s): Sergio Bocaz

Unidad académica responsable: Escuela de Ingeniería

Créditos: 4

Horas totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción del curso

En este curso se aborda la problemática de gobernanza desde una perspectiva de las mejores prácticas utilizadas en la actualidad en la industria. Un proyecto de Inteligencia de Negocios tiene mucho en común con un proyecto de desarrollo de software, pero también tiene particularidades muy propias o específicas. También, al igual que en el caso de desarrollo de proyectos de software, las metodologías han cambiado mucho en los últimos años, influenciadas por las metodologías ágiles. Se estudiarán así los fundamentos asociados a la gestión de proyectos de Inteligencia de Negocios tanto desde la perspectiva clásica como de la más moderna. 

El curso se centra en dos aspectos cruciales para la implementación de un proyecto de Inteligencia de Negocios en una organización. Primero, en la implementación de una gobernanza de datos que pavimente el camino para cualquier proyecto y segundo, en las técnicas metodológicas asociadas a la gestión del proyecto de este tipo. Se abarcan las metodologías clásicas y también las más innovadoras, de modo de entregar al alumno el más amplio rango de herramientas. 

El formato de este Curso es 100% en línea y se 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. 

Resultados de aprendizaje

1. Comprender los actuales modelos de Gobierno de Datos y las tendencias futuras.
2. Liderar el desarrollo de un proyecto de Inteligencia de Negocios en cualquier empresa u organización.
3. 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 relevantes 
  • Consideraciones relevantes 
  • Prototipos 
• Metodología moderna de gestión de proyectos BI 
  • La naturaleza de la agilidad 
  • Introducción a Scrum 
  • 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 

Estrategias metodológicas 

• Aprendizaje autónomo asincrónico estructurado en 6 módulos 
• Clases expositivas  
• Foros 
• Estudio de caso 

Estrategias evaluativas 

• 3 controles individuales – 40% 
• 3 mini proyectos individuales – 60

Docente(s): Mauricio Arriagada

Unidad académica responsable: Escuela de Ingeniería

Requisitos: curso Gestión de proyectos y gobernanza de inteligencia de negocios

Créditos: 4

Horas totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción del curso

El curso comienza con la problemática de obtención, preparación y limpieza de los datos para pasar luego a las técnicas y algoritmos asociados a la minería de datos para clasificación, clustering, etc. además de algoritmos, técnicas y herramientas de machine learning.

Los alumnos de en este curso aprenderán los conceptos fundamentales asociados a Minería de Datos, entendiendo cuáles son las diferentes fuentes de información a utilizar, revisar un pre procesamiento de datos, y posteriormente entender y aplicar las diferentes técnicas de extracción de conocimiento de datos utilizando reglas de asociación, árboles de decisión, métodos de regresión, algoritmos de clasificación, evaluación de clasificadores y una introducción al aprendizaje de máquina.

El enfoque del curso es de tipo práctico, con oportunidades de aplicar los conocimientos en proyectos y casos concretos. Se entregan herramientas de extracción y análisis de información para que una organización pueda generar valor desde los datos para mejorar su posición competitiva.

La metodología de enseñanza y aprendizaje para este curso online consiste en 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 provista para el curso.

Resultados de aprendizaje

1. Conocer y comprender las principales teorías y prácticas de la emergente área de Minería de Datos 
2. Aplicar reglas de asociación para encontrar relaciones en un set de transacciones. 
3. 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. 
4. 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 

Estrategias metodológicas 

• Aprendizaje autónomo asincrónico estructurado en 6 módulos 
•  Clases expositivas  
• Foros 
• Estudio de caso 

Estrategias evaluativas 

• 3 controles individuales – 40% 
• 3 mini proyectos individuales – 60%