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).

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 remplazar, en caso de fuerza mayor, a él o los profesores indicados en este programa.

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.

Este diplomado forma parte de Clase Ejecutiva UC, programa compuesto por una parrilla de cursos que abarcan distintas áreas de la gestión: economía, finanzas, estrategia, operaciones, innovación, marketing, comunicaciones, personas, etc. A partir de combinaciones de estos cursos se forman distintos diplomados.

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. 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, lo que permite no obligar a los alumnos a iniciar su diplomado en marzo o abril donde la carga laboral y económica podría ser mayor.

• Manejo básico de office e internet.
• PC con 2GB RAM
• Acrobat Reader
• Internet con 5Mbps o más
• Grado Académico o Título Profesional Universitario o al menos dos años de experiencia profesional en un área afín.

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 cronológicas, 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.

Fechas: Marzo a Diciembre (Rotativo) 

Horarios: Clases e-learning y Clases en vivo en 2 jornadas disponibles: 09:00 a 12:30 y 14:00 a 17:30.

Duración: 300 horas cronológicas.  

Créditos: 20 

Lugar de realización: Internet, Campus Oriente UC, Av. Jaime Guzmán Errázuriz 3300, Providencia o alguna otra dependencia de la Universidad.

Metodología de enseñanza y aprendizaje:

Los contenidos del diplomado están agrupados en cursos de dos meses de duración cada uno. El año académico se divide en 5 bimestres programados desde marzo a diciembre. 

Dado que los cursos no son prerrequisito uno de otro, los alumnos tienen la opción de ingresar al diplomado en cualquier bimestre y los cursos que no hayan alcanzado a realizar los podrán tomar al año siguiente. 

Descripción cursos 5 créditos:

Cada curso consta de ocho semanas e-learning donde 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. 

El 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. 

El 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. 

Para consultas técnicas (soporte técnico) o administrativas (coordinación asuntos estudiantiles) los alumnos pueden contactarse con la clase ejecutiva escribiendo mediante el formulario de “contacto Coordinación” dispuesto en el curso, el email alumnosuc@claseejecutiva.cl o llamando al número (+562) 2354 5040 en horario hábil (lunes a viernes de 9:00 a 18:00).

Curso 1: Manejo de Grandes Volúmenes de Datos (Big Data)

Nombre en inglés: Managing Big Data 

* Curso ya aprobado, perteneciente al Diplomado en Big Data para la Toma de Decisiones – Escuela de Ingeniería

Horas cronológicas: 75 hrs.; Créditos: 5 créditos

Resultados de Aprendizaje

Al finalizar este curso los/las estudiantes debieran ser capaces de:

1. Modelar datos usando herramientas de bases de datos relacionales (SQL), bases de datos NoSQL y bases de datos distribuidas.
2. Estimar la necesidad de cambiar la infraestructura de los datos desde un modelo clásico centralizado (tipo SQL) a un modelo de Big Data distribuido. 
3. Identificar las herramientas de manejo de datos adecuadas para el contexto de su empresa. 

Contenidos:

Bases de datos relacionales

• Diversos 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: 

La metodología se presenta más adelante ya que para todos los cursos es la misma.

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 cronológicas: 75 hrs.; Créditos: 5 créditos

Resultados de Aprendizaje

Al finalizar este curso los/las estudiantes debieran ser capaces de:

1. Analizar la importancia de la analítica de datos en la toma de decisiones en los negocios
2. Utilizar distintos métodos predictivos que permitan recomendar la toma de decisiones futuras en los negocios. 
3. Aplicar distintas metodologías y herramientas de análisis de datos en diferentes industrias

Contenidos:

Clase 1: 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

Clase 2: 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
• Clase 3: 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

Clase 4: Análisis Prescriptivo y Recomendación de Decisiones

• Métodos de optimización
• Valor de la simulación
• Análisis de sensibilidad
• Recomendaciones para la toma de decisiones (e.j., pricing)

Clase 5: Herramientas y Aplicaciones Prácticas de BA

• Métodos de recolección de datos (e.j., encuestas, redes sociales)
• A/B Testing
• Métodos de pronósticos
• Análisis de regresiones
• Modelos de optimización
• Modelos de simulación

Clase 6: 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 (e.j., retail, e-commerce, finanzas, medicina y logística, entre otras) 
• Consideraciones éticas y regulatorias
• El futuro de BA

Metodología de enseñanza y aprendizaje: 

La metodología se presenta más adelante ya que para todos los cursos es la misma.

Evaluación de los Aprendizajes:

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma:15% 
• Foros de participación que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas :20% 
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales :25% 
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso 40%

Curso 3: Habilidades Analíticas para una Gestión Moderna

Nombre en inglés: Analytical Skills for Modern Management

* Curso ya aprobado, perteneciente al Diplomado en Evaluación de Proyectos – Escuela de Ingeniería

Horas cronológicas: 75; Créditos: 5

Resultados de Aprendizaje

Al finalizar este curso los/las estudiantes debieran ser capaces de:

1. Analizar un marco para la toma de decisiones y las implicancias en los cambios de escenarios de las variables de la operación del negocio.
2. Analizar la incertidumbre de las variables del negocio con distintos modelos en escenarios continuos.
3. Aplicar conceptos de Simulación Computacional para tomar decisiones de negocio.
4. Aplicar modelos de regresión, métodos de aprendizaje de máquina y de sistemas de espera para tomar decisiones operativas y de gestión.
5. Formular Modelos de Optimización en problemas productivos y de gestión.

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 discretas
• 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:

La metodología se presenta más adelante ya que para todos los cursos es la misma.

Evaluación de los aprendizajes: 

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma 15% 
• Foros de participación que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas 20% 
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales 25% 
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso 40%

Curso 4: Inteligencia Artificial en los Negocios.

Nombre en inglés: Artificial Intelligence in Business.

Curso ya aprobado, perteneciente al Diplomado en Gestión del Cliente en el Mundo Digital – Escuela de Ingeniería

Horas cronológicas: 75 hrs.; Créditos: 5 créditos

Resultados de Aprendizaje

Al finalizar este curso los/las estudiantes debieran ser capaces de:

1. Interpretar cómo la capacidad de predicción puede transformar las organizaciones.
2. Comprender los riesgos provenientes de la inteligencia artificial.
3. Analizar cuál será el futuro de la transformación digital.
4. Distinguir fortalezas y debilidades de una organización para la implementación de la IA

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

• Cuándo 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: 

La metodología se presenta más adelante ya que para todos los cursos es la misma.

Evaluación de los Aprendizajes:

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma :15% 
• Foros de participación que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas :20% 
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales: 25% 
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso 40%

El diplomado será evaluado con una sola nota de escala de 1,0 (uno coma cero) a 7,0 (siete coma cero). La aprobación será con nota 4,0 (cuatro comas cero) de acuerdo a las siguientes ponderaciones de los cursos del diplomado: 

• 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%

Para la aprobación el diplomado, el alumno debe cumplir con dos requisitos:

• Calificación mínima de todos los cursos 4.0 en su promedio ponderado y 
• 75% de asistencia o cifra superior a las sesiones presenciales y/o streaming

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. 

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