Diplomado en Management analytics

Álvaro Chacón Hiriart

Ph.D (c), MBA, M.Sc. e Ingeniero Civil de Industrias de la Pontificia Universidad Católica de Chile. Además, es Master of Engineering Management de la Universidad de Melbourne, Australia. Su área de investigación se relaciona con las ciencias del comportamiento y en particular con la utilización de las recomendaciones algorítmicas. Ha ocupado cargos gerenciales y directivos en importantes empresas multinacionales e instituciones sin fines de lucro.

Juan Carlos Ferrer

Ph.D in Management en el Massachussets Institute of Technology (M.I.T.) e Ingeniero Civil Industrial y M.Sc. de la Pontificia Universidad Católica de Chile. Desde 1995 se ha desempeñado como profesor del Departamento de Ingeniería Industrial y de Sistemas de la Pontificia Universidad Católica de Chile, y en dos oportunidades (2009 y 2015) ha sido Visiting Professor en MIT Sloan School of Management. Desde el 2010 es Director de Desarrollo y Financiamiento de la Escuela de Ingeniería, y desde 2013 también ha sido el Vicedecano de la Escuela de Ingeniería UC.

Mathias A. Klapp

Profesor de la Escuela de Ingeniería UC, afiliado al Departamento de Ingeniería Industrial y de Sistemas y al Departamento de Ingeniería de Transporte y Logística. Es Ph.D y MSc. en Investigación de Operaciones del Georgia Institute of Technology e Ingeniero Civil Industrial UC. Su especialidad es planificar operaciones de logística eficaces y costo-eficientes. Ha desarrollado sistemas de planificación para aplicaciones en logística urbana (despacho a domicilio, ruteo y car-sharing) y en planificación de turnos de trabajo y personal (workforce management).

Tomás Reyes Torres

Ph.D. en Finanzas y M.Sc. en Administración de Negocios de la Universidad de California at Berkeley, EE. UU. e Ingeniero Civil de Industrias y M.Sc. en Computación de la Pontificia Universidad Católica de Chile. Actualmente es Profesor de Jornada Completa en el Departamento de Ingeniería Industrial y de Sistemas de la Pontificia Universidad Católica de Chile, donde dicta Finanzas y Evaluación de Proyectos, entre otros cursos.

Domagoj Vrgoc

Profesor Asistente del Instituto de Ingeniería Matemática y Computacional de la Pontificia Universidad Católica. Doctor en Computación de la Universidad de Edimburgo, Reino Unido. Sus áreas de interés son manejo de datos, la Web Semántica y Teoría de Computación. Su tesis de doctorado fue destacada por la British Computing Society como una de las mejores de su generación. Es autor de más de 30 papers técnicos y ha sido parte de los comités de programas de las conferencias más importantes en bases de datos, la Web, e Inteligencia Artificial, como ACM PODS, ICDT, WWW, ISWC, IJCAI, entre otros.

* La Escuela de Ingeniería se reserva el derecho de reemplazar, en caso de fuerza mayor, a él o los profesores indicados en este programa; y de asignar al docente que dicta el programa según disponibilidad de los profesores.

En la actualidad, las técnicas de análisis de datos están siendo muy demandadas, debido a su utilización en las organizaciones y a la tendencia mundial de querer utilizar toda la información disponible para una mejor toma de decisiones. Para esto se debe combinar estadística, manejo de bases de datos y optimización para encontrar patrones en grandes volúmenes de datos y así optimizar procesos y decisiones en los negocios u otras aplicaciones.

El Diplomado en management analytics busca introducir los conceptos generales de la analítica de negocios acompañado de visualizar el valor en los datos y cómo los modelos predictivos, incluyendo la inteligencia artificial, permiten recomendar acciones futuras y a seguir mediante el estudio de casos prácticos de la aplicación de distintas metodologías y herramientas en distintas industrias: retail, e-commerce, finanzas, logística, entre otras. 

La pertinencia de este diplomado en business analytics está relacionada con la necesaria aplicación de métodos para el modelamiento de datos y la construcción de modelos de optimización para mejorar la planificación de corto, mediano y largo plazo de las operaciones de los distintos sistemas dentro de una organización a través del uso de métodos cuantitativos que permitan obtener información relevante para apoyar la toma de decisiones, todo inserto en un mundo que está girando totalmente hacia lo digital.

Los cuatro cursos que forman el diplomado, son en formato e-learning, el cual permite construir aprendizajes a partir de los aportes de los participantes y entrega flexibilidad en los horarios de estudio. Los participantes podrán interactuar con sus compañeros y tutores a través de mensajería y foros de discusión aplicados a las temáticas tratadas, incorporando sus distintas visiones y diversidad de experiencias, enriqueciendo la reflexión y la apropiación de los conceptos claves de estas temáticas.

Se sugiere contar con:

• Grado académico de licenciatura, título profesional o técnico
• Al menos 2 años de experiencia profesional en empresas u organizaciones relacionadas al área del diplomado.
• Manejo básico de office e internet.
• Conocimiento del idioma inglés a nivel lectura.

1. Aplicar técnicas de analítica de negocios para desarrollar habilidades que permitan extraer, visualizar y analizar la información de grandes volúmenes de datos con el objeto de tomar mejores decisiones.

Duración: 300 horas Totales , correspondientes a 140 horas directas (8 meses).

Los contenidos del diplomado están agrupados en cursos de dos meses de duración cada uno. El año se divide en 5 bimestres programados desde marzo a diciembre (enero y febrero no se imparten clases). Los alumnos tienen la opción de ingresar a los diplomados en cualquiera de los bimestres dado que los cursos que no haya alcanzado a realizar lo podrán tomar al año siguiente. Esto le da el carácter rotativo al diplomado.

Curso 1: Manejo de grandes volúmenes de datos (Big Data)

Nombre en inglés: Managing Big Data

Horas Totales: 75 horas.

Descripción del Curso

El real mejoramiento de la eficiencia organizacional está relacionado con la implementación de soluciones tecnológicas que permiten agilizar la toma de decisiones en base a información cuantitativa y cualitativa relevante en tiempo real. Dicha información proviene de una adecuada administración de grandes volúmenes de datos por minuto, que demandan extensos y rigurosos análisis junto con métricas e indicadores cada vez más exactos. El análisis de grandes volúmenes de datos permite extraer tendencias y patrones complejos de información, con enormes implicancias estratégicas, permitiendo predecir mejor y transformando la forma en la que se hacen hoy en día los negocios. Este curso permite al alumno escoger las herramientas adecuadas para manejo de los datos en su empresa, entendiendo las infraestructuras computacionales que se requieren para manejar datos de distintos volúmenes y características.

Resultados de Aprendizaje

1. Al finalizar este curso los/las estudiantes debieran ser capaces de:
2. Modelar datos usando herramientas de bases de datos relacionales (SQL), bases de datos NoSQL y bases de datos distribuidas.
3. Estimar la necesidad de cambiar la infraestructura de los datos desde un modelo clásico centralizado (tipo SQL) a un modelo de Big Data distribuido.
4. Identificar las herramientas de manejo de datos adecuadas para el contexto de su empresa.

Contenidos:

• Bases de datos relacionales
  • Diversas fuentes de datos (Excel, CSV, texto plano, páginas web,)
  • Organización clásica de los datos: Bases de datos relacionales
  • Lenguaje SQL
  • Propiedades de una base de datos relacional: ACID
  • Integración de los datos
• Bases de datos distribuidas
  • Paso al mundo de Big Data (limitaciones de una base de datos relacional)
  • Un sistema distribuido
  • Propiedades de sistemas distribuidos: CAP y BASE
  • Limitaciones de sistemas distribuidos: ACID vs CAP
  • Resolución de fallas en un sistema distribuido usando el consenso distribuido
• Bases de datos NoSQL
  • Características de sistemas NoSQL
  • Bases de datos de búsqueda: Amazon Dynamo
  • Bases de datos de documentos: MongoDB
  • Bases de datos de grafos: Neo4J
• Procesamiento masivo de datos
  • Distribución de los datos (Google distributed File System)
  • Map-reduce
  • Infraestructura de Apache Hadoop
  • Apache Pig: lenguaje de scripting para Hadoop

Metodología de enseñanza y aprendizaje:

En cada curso se desplegarán semanalmente las clases, contenidos, actividades y evaluaciones. Las clases se estructuran bajo una lógica de diseño instruccional centrada en el estudiante, que contribuye a la motivación y facilita su aprendizaje. Se busca que estén siempre presente tres elementos: contenido, evaluación y reflexión. El componente de reflexión es clave para generar comunidades de aprendizaje activas que permitan compartir experiencias.

En el caso del contenido, este se organiza a través de recursos interactivos que integran videos, esquemas, artículos, lecturas complementarias y preguntas formativas, todos dispuestos para facilitar el aprendizaje de los estudiantes.

En cuanto a las estrategias de evaluación, estas se organizan en cuestionarios con preguntas de opción múltiple, cuyo propósito es medir el nivel de aprendizaje logrado en cada una de las clases. Complementariamente, se dispone de foros en donde se evaluará tanto la participación como la calidad de dicha participación, brindando de esta forma al estudiante la oportunidad de intercambiar y fundamentar sus opiniones respecto a temas de actualidad asociados al contenido. Finalmente, el curso contempla la entrega de un trabajo, el que debe ser desarrollado a lo largo del curso, en donde se espera que el estudiante tenga la oportunidad de aplicar los conocimientos adquiridos y un examen final.

Cada curso cuenta con tutores de contenidos cuya función es dar respuesta a todas las preguntas sobre la materia tratada, ya sea directamente, o bien, sirviendo de puente con el profesor responsable del curso.

Cada curso además cuenta con una clase en vivo donde los alumnos podrán reforzar y resolver dudas. La asistencia a dicha clase es obligatoria y los alumnos podrán participar mediante streaming o asistiendo presencialmente en los lugares y horarios de realización que defina la Clase Ejecutiva.

Evaluación de los Aprendizajes:

• Controles : (15%).
• Foros de discusión : (20%).
• Trabajo grupal :(25%).
• Test on-line o presencial: (40%). 

Curso 2: Toma de decisiones de negocio basada en análisis de datos (Business Analytics)

Nombre en inglés: Making decisions based on business analytics

Horas Totales: 75 horas.

Descripción del Curso

El uso de métodos cuantitativos permite obtener información relevante para apoyar la toma de decisiones, en un mundo que está volcándose totalmente hacia lo digital. Debido a lo anterior, las organizaciones en la actualidad han aumentado intensivamente el uso de técnicas de análisis de datos.

En este contexto, el presente curso busca que los participantes logren aplicar la analítica de datos en la toma de decisiones en distintas industrias, utilizando herramientas propias del análisis descriptivo, predictivo, prescriptivo y conductual en los negocios, dentro del marco ético y regulatorio correspondiente.

Resultados del Aprendizaje

1. Relacionar la analítica de datos con la toma de decisiones en las organizaciones
2. Aplicar distintos métodos predictivos para la toma de decisiones de una organización
3. Aplicar distintas metodologías y herramientas de análisis de datos para la toma de decisiones de una organización.

Contenidos:

• Introducción a Business Analytics (BA)
  • Qué es BA y sus orígenes
  • Introducción al análisis descriptivo, predictivo, prescriptivo, y conductual
  • Por qué es importante el BA para tu empresa u organización
  • Aplicaciones actuales y futuras
• Análisis Descriptivo y el Valor de los Datos
  • El valor de los datos y relevancia del Big Data
  • El rol de los datos en el análisis descriptivo de BA
  • Visualización y exploración de datos (e.j., análisis de clusters)
  • Describiendo y pronosticando eventos futuros
• Análisis Predictivo y Manejo de Incertidumbre
  • Análisis de riesgo
  • Modelando la incertidumbre con datos históricos
  • Modelos probabilísticos y técnicas estadísticas
  • Modelos predictivos con Inteligencia Artificial
  • Evaluación de modelos predictivos
• Análisis Prescriptivo y Recomendación de Decisiones
  • Métodos de optimización
  • Valor de la simulación
  • Análisis de sensibilidad
  • Recomendaciones para la toma de decisiones
• Herramientas y Aplicaciones Prácticas de BA
  • Métodos de recolección de datos
  • A/B Testing
  • Métodos de pronósticos
  • Análisis de regresiones
  • Modelos de optimización
  • Modelos de simulación
• Analítica Conductual y el Futuro de BA
  • Modelando el comportamiento de las personas
  • Determinando tendencias futuras de consumo y actuando sobre ellas
  • Aplicaciones actuales de BA
  • Consideraciones éticas y regulatorias
  • El futuro de BA

Metodología de enseñanza y aprendizaje:

El curso está constituido de seis clases online que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje.

En cada clase están siempre presente los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido.

El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc.

El curso cuenta con tutores de contenido que dan respuesta a las preguntas académicas, ya sea directamente, o bien, sirviendo de puente con el equipo docente.

Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es obligatoria vía streaming o asistiendo presencialmente, si esto es posible, en los lugares y horarios de realización que se definan.

Evaluación de los aprendizajes

• 6 controles individuales que permiten asegurar la comprensión de los contenidos desplegados en la plataforma (15%)
• 3 foros de participación individual que permiten evaluar el análisis y capacidad de reflexión de cada alumno en torno a problemáticas aplicadas (25%)
• 1 trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales (30%)
• 1 examen final individual que permite evaluar de manera global los aprendizajes de los contenidos del curso (30%) 

Curso 3: Habilidades analíticas para una gestión moderna

Nombre en inglés: Analytical skills for modern management

Horas Totales: 75 horas.

Descripción del Curso

El curso aborda conceptos de análisis de datos, fenómenos probabilísticos y modelos de regresión, procesos de decisión secuencial, y distintas técnicas de modelación y resolución de problemas. Junto con lo anterior, introduce herramientas y conceptos de aprendizaje de máquina y optimización.

Al finalizar el curso, se espera que el estudiante posea una visión preliminar de las técnicas de Investigación de operaciones, emplee el uso de planillas de cálculo como una herramienta eficaz, y sea capaz de realizar un análisis cuantitativo que potencie la gestión de una organización.

Resultados de Aprendizaje

1. Identificar diferentes herramientas analíticas para la toma de decisiones en las organizaciones
2. Utilizar herramientas de simulación computacional y métodos de aprendizaje de máquina
3. Aplicar herramientas analíticas para la toma de decisiones de una organización

Contenidos:

• Análisis de decisión
  • Introducción a la metodología Análisis de Decisión
  • Modelo analítico Árbol de Decisión
  • Valorización de decisiones bajo incertidumbre
  • Aplicaciones
• Análisis de incertidumbre en escenarios discretos
  • Tabla de probabilidades y probabilidad condicional
  • Variable aleatorias discretas y continuas
  • Distribuciones de probabilidad discreta
  • Estadísticos (media, desviación estándar, coeficiente de variación)
  • Distribución Binomial
  • Aplicaciones
• Análisis de incertidumbre en escenarios continuos
  • Correlación y covarianza
  • Suma de variables aleatorias.
  • Distribución de probabilidades continua
  • Distribución normal
  • Aplicaciones
• Simulación
  • ¿Qué es un modelo de simulación?
  • Beneficios de simulación computacional
  • Conceptos básicos de simulación
  • Metodología
  • Análisis de resultados y comparación de escenarios simulados
  • Aplicaciones
• Modelos de regresión
  • Regresión lineal simple y múltiple
  • Interpretación de resultados
  • Validación del modelo
  • Predicción
  • Aprendizaje de máquina
  • Aplicaciones
  • Clasificación binaria
  • Clasificación multiclase
• Optimización
  • Concepto de modelo
  • Formulación de problemas prácticos
  • Geometría de la solución
  • Conceptos económicos asociados a la solución óptima
• Sistemas de espera
  • Introducción a sistemas de espera
  • Conceptos de throughput
  • Estado estacionario y ecuación de Little
  • Aplicaciones

Metodología de enseñanza y aprendizaje:

El curso está constituido de ocho clases online que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje.

En cada clase están siempre presente los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido.

El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc.

El curso cuenta con tutores de contenido que dan respuesta a las preguntas académicas, ya sea directamente, o bien, sirviendo de puente con el equipo docente.

Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es obligatoria vía streaming o asistiendo presencialmente, si esto es posible, en los lugares y horarios de realización que se definan.

Evaluación de los aprendizajes

• 8 controles individuales que permiten asegurar la comprensión de los contenidos desplegados en la plataforma (15%)
• 4 foros de participación individual que permiten evaluar el análisis y capacidad de reflexión de cada alumno en torno a problemáticas aplicadas (25%)
• 1 trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales (30%)
• 1 examen final individual que permite evaluar de manera global los aprendizajes de los contenidos del curso (30%)

Curso 4: Inteligencia Artificial en los negocios

Nombre en inglés: Artificial Intelligence in Business

Horas Totales: 75 horas.

Descripción del Curso

El curso, posee como objetivo generar en los estudiantes una comprensión global respecto a la aplicabilidad de la Inteligencia Artificial en los Negocios, junto con el reconocimiento del panorama que está viviendo su industria, para así tomar decisiones más informado y de manera oportuna.

Para lograr lo anterior, se desarrollarán temáticas como la mejora en la capacidad predictiva, la interacción de la IA con las personas y el valor de los datos. El conocimiento de estos y otros conceptos claves, permitirán a los estudiantes y sus organizaciones, transitar de manera efectiva en un contexto de economía digital.

Resultados de Aprendizaje

1. Identificar los riesgos y oportunidades provenientes de la inteligencia artificial y su implementación en las organizaciones
2. Analizar las fortalezas y debilidades de las organizaciones para la implementación de la IA
3. Evaluar la posibilidad de implementación de la IA en la organización

Contenidos:

• Introducción a la Inteligencia Artificial (IA)
  • ¿Qué es IA? Definiciones: IA, ML, DL, etc.
  • Orígenes de la IA
  • IA en tu empresa u organización
  • IA en la sociedad
  • Aplicaciones actuales y futuras
• ¿Cómo la mejora en la capacidad de predicción está transformando a las organizaciones hoy?
  • Beneficios y costos de la capacidad predictiva
  • Efecto de la baja en costos
  • Nuevas aplicaciones de IA en los negocios
• El rol de las personas y la toma de decisiones en la economía digital. ¿Aversión o apreciación de las predicciones algorítmicas?
  • Racionalidad en toma de decisiones
  • Qué nos aporta la IA o algoritmos en la toma de decisiones
  • Estamos dispuestos a utilizar recomendaciones algorítmicas
  • Seremos reemplazados como trabajadores por máquinas
• El valor de los grandes volúmenes de datos (big data) como activo estratégico
  • Por qué los datos son el nuevo petróleo
  • Recomendaciones para gestionar grandes volúmenes de datos
  • Ejemplos de modelos de negocios exitosos
• Transformando el modelo de negocio con IA considerando fortalezas y amenazas
  • Modelos de negocios tradicionales
  • Cómo la IA está cambiando los modelos de negocios
  • El caso de Amazon
  • El caso de Uber
• El futuro de la transformación digital y su impacto en los negocios
  • Cuando llegará IA superinteligente
  • Beneficios de la IA superinteligente
  • Amenazas de la IA superinteligente
  • Nos veremos beneficiados o perjudicados por esta IA superinteligente

Metodología de enseñanza y aprendizaje:

El curso está constituido de seis clases online que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje.

En cada clase están siempre presente los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido.

El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc.

El curso cuenta con tutores de contenido que dan respuesta a las preguntas académicas, ya sea directamente, o bien, sirviendo de puente con el equipo docente.

Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es obligatoria vía streaming o asistiendo presencialmente, si esto es posible, en los lugares y horarios de realización que se definan.

Evaluación de los aprendizajes

• 6 controles individuales que permiten asegurar la comprensión de los contenidos desplegados en la plataforma (15%)
• 3 foros de participación individual que permiten evaluar el análisis y capacidad de reflexión de cada alumno en torno a problemáticas aplicadas (25%)
• 1 trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales (30%)
• 1 examen final individual que permite evaluar de manera global los aprendizajes de los contenidos del curso (30%)

Los cursos que componen el diplomado tienen la siguiente ponderación: 

• Curso: Manejo de grandes volúmenes de datos (Big Data): 25%
• Curso: Toma de decisiones de Negocio basada en análisis de datos (Business Analytics): 25%
• Curso: Habilidades analíticas para una gestión moderna : 25%
• Curso: Inteligencia Artificial en los negocios : 25%

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

•  Calificación mínima de todos los cursos 4.0 en su promedio ponderado. 

Para aprobar los programas de diplomados se requiere la aprobación de todos los cursos que lo conforman. 

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.

Las personas interesadas deberán completar la ficha de postulación que se encuentra al costado derecho de esta página web y enviar los siguientes documentos al momento de la postulación o de manera posterior a la coordinación a cargo:  

• Copia simple de Cédula de Identidad o pasaporte
• Currículum vitae actualizado
• Copia simple de título profesional y licenciatura.

Cualquier información adicional o inquietud podrás escribir a Romina Muñoz al correo rmunos@uc.cl

VACANTES: Sin límite

Con el objetivo de brindar las condiciones de infraestructura necesaria y la asistencia adecuada al inicio y durante las clases para personas con discapacidad: Física o motriz, Sensorial (Visual o auditiva) u otra, los invitamos a informarlo. 

Con el objetivo de brindar las condiciones de infraestructura necesaria y la asistencia adecuada al inicio y durante las clases para personas con discapacidad: Física o motriz, Sensorial (Visual o auditiva) u otra, los invitamos a informarlo. 

El postular no asegura el cupo, una vez inscrito o aceptado en el programa se debe pagar el valor completo de la actividad para estar matriculado.

No se tramitarán postulaciones incompletas.

Puedes revisar aquí más información importante sobre el proceso de admisión y matrícula