Diplomado en Toma de decisiones basadas en datos

Sigla VRA: MAN3010

Docente(s): Rodrigo Abumohor y Luis Palacios

Unidad académica responsable: Escuela de Administración

Requisitos: Sin Prerrequisitos

Créditos: 5

Horas totales: 90 | Horas directas: 24 | Horas | indirectas: 66

Descripción del curso

El curso “Estrategias de negocio en la era digital” se centra en la creación de una visión directiva de largo plazo para la determinación del futuro de la organización. Uno de los focos principales estará centrado en los conceptos de creación y captura de valor a través del desarrollo y ejecución de estrategias competitivas. Los estudiantes obtendrán herramientas, conceptos y perspectivas orientadas a desarrollar una respuesta de modelo de negocio estratégico y alinear la organización para lograr una ejecución efectiva de la estrategia en el marco de la era digital. A través de estudio de casos y elaboración de informes, los estudiantes podrán aplicar herramientas propias del dominio digital, transformando amenazas digitales en oportunidades para crear una ventaja competitiva y un mejor rendimiento en la empresa. Los aprendizajes serán evaluados a través de la discusión de casos, controles, trabajo un examen final.

Resultados de Aprendizaje

1. Desarrollar el enfoque de la estrategia de la organización desde un punto de vista integral y sistémico, teniendo en cuenta la relevancia de los datos y la transformación digital.
2. Analizar la forma en que la digitalización ha cambiado la cadena de valor, los patrones de demanda, el entorno, las presiones competitivas y los modelos de negocios de las empresas en diferentes tipos de industrias.
3. Estructurar estrategias competitivas y diseños organizacionales exitosos en el contexto de un entorno altamente cambiante y complejo, incorporando elementos relacionados a la industria 4.0 (internet de las cosas, inteligencia artificial, Big Data, Machine Learning entre otros).
4. Desarrollar propuestas de valor convincentes que transformen amenazas en oportunidades en diferentes tipos de industrias, aprovechando el desarrollo digital.
5. Ejecutar estrategias digitales alineando las actividades claves de la organización con nuevas propuestas de valor, integrando la agilidad estratégica con la sostenibilidad a largo plazo.
6. Distinguir las principales características de la inteligencia artificial (AI) y su poder orientado a crear valor en la organización.

Contenidos

Dirección Estratégica de Empresas

• La esencia de la estrategia competitiva
• Generación y captura de valor
• Conceptos esenciales de ventaja competitiva
• Determinantes de la rentabilidad de las empresas
• Decisiones estratégicas versus decisiones tácticas y sus implicancias

Viviendo en un mundo digital

• Disrupción digital y oportunidades
• Revolución digital industrial
• Lecciones de la revolución digital original
• Claves para una estrategia efectiva en la era digital
• Cómo se adaptan las empresas a esta nueva era digital
• Cadena de valor de la industria y transformación digital

Análisis estructural y competitivo y Estrategias Disruptivas

• Entendiendo las dinámicas de la captura del valor creado
• El sistema de valor (ecosistema) como herramienta de análisis
• Posicionamiento estratégico
• Tecnología: Sostenibilidad versus disrupción
• Principios sobe innovaciones disruptivas
• Job to be Done: Enfrentando disrupciones
• Creación y captura del valor
• ¿Cómo puede una organización sostener una creación de valor superior?
• Cómo impulsar un salto en el valor en un mundo con fuertes presiones competitivas
• Funciones de apoyo en la era digital

Ejecución e implicancias en la era digital

• ¿Cómo ejecutar la estrategia digital?
• Agilidad y cultura estratégica
• Utilización de los datos en la era digital
• ¿Cómo están cambiando los patrones de consumo en la sociedad?
• Amenazas y oportunidades en la era digital
• Competencias requeridas en la era digital

Estrategias metodológicas:

El curso desarrolla sus contenidos y actividades a través de una modalidad online, que combina diferentes recursos de aprendizaje según cada tipo de contenido, por ejemplo: videos, imágenes, esquemas, textos, audios, preguntas formativas, foros y otros. Todos estos recursos se encuentran integrados en una plataforma virtual a la que accede el alumno y desde la cual también obtendrá información de apoyo (materiales anexos, bibliografía, evaluaciones, mensajería, información sobre calificaciones y otros), además, desde la misma plataforma podrá acceder a las clases sincrónicas (online streaming) contempladas en el programa del curso. Específicamente, se trabaja con:

• Sesiones expositivas
• Discusión de casos.
• Lecturas
• Análisis de casos

El curso contendrá además actividades formativas (sin calificación), las que tienen como propósito la preparación para las evaluaciones calificadas.

 Estrategias evaluativas:

• Tareas aplicadas: 30%
• Controles: 30%
• Trabajo final: 30%
• Foro: 10%

Sigla VRA: MDS3000

Docente(s): Domagoj Vrgoc

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin Prerrequisitos

Créditos: 5

Horas totales: 90 | Horas directas: 24 Horas indirectas: 66

Descripción del curso

En el curso “Ingeniería de datos” los estudiantes analizarán, en una primera parte, el modelo relacional de bases de datos y su lenguaje de consultas SQL; posteriormente, se explicará el modelo de datos NoSQL; ambos en el contexto de su uso en el mundo real. El curso cuenta con una serie de actividades formativas (clases de cátedra, videos, talleres), evaluaciones, y un proyecto final.

Resultados de Aprendizaje

1. Elaborar modelos de datos para implementarlos sobre un motor relacional.
2. Analizar conceptos de dependencias funcionales y normalización para modelar bases de datos
3. Aplicar el lenguaje de consultas SQL a un nivel intermedio para realizar consultas sobre bases de datos.
4. Identificar las fortalezas y debilidades de las bases de datos NoSQL para implementarlas en el contexto adecuado.
5. Elaborar consultas sencillas en bases de datos de documentos para hacer búsquedas básicas de información.
6. Aplicar las bases de datos en un proceso de análisis de datos.
7. Describir problemas éticos y de privacidad en el manejo de datos.

Contenidos

Módulo 1

• Conceptos Fundamentales de bases de datos
• Modelo Relacional de datos
• Introducción al lenguaje de consulta SQ

Módulo 2

• SQL avanzado (agregación, consultas anidadas)
• Diseño de una BD Relacional

Módulo 3

• Rol de SQL en Ciencia de Datos
• Bases de Datos NoSQL

Estrategias metodológicas:

El curso desarrolla sus contenidos y actividades a través de una modalidad online, que combina diferentes recursos de aprendizaje según cada tipo de contenido, por ejemplo: videos, imágenes, esquemas, textos, audios, preguntas formativas, foros y otros. Todos estos recursos se encuentran integrados en una plataforma virtual a la que accede el alumno y desde la cual también obtendrá información de apoyo (materiales anexos, bibliografía, evaluaciones, mensajería, información sobre calificaciones y otros), además, desde la misma plataforma podrá acceder a las clases sincrónicas (online streaming) contempladas en el programa del curso. Específicamente, el curso trabaja con:

• Clases expositivas
• Talleres de resolución de problemas 

El curso contendrá además actividades formativas (sin calificación), las que tienen como propósito la preparación para las evaluaciones calificadas. 

Estrategias evaluativas:

• Tareas semanales (70%)
• Trabajo final grupal (15%)
• Foro de discusión (15%)

Sigla VRA: MAN3030

Docente(s): Álvaro Chacón, Pablo Marshall y Tomás Reyes

Unidad académica responsable: Escuela de Administración + Escuela de Ingeniería

Requisitos: Sin Prerrequisitos

Créditos: 5

Horas totales: 90 | Horas directas: 24 | Horas | indirectas: 66

 *El módulo 1 de este curso corresponde al MOOC “Mejores Decisiones con Business Analytics” también dictado en Coursera.

Descripción del curso

Las organizaciones modernas enfrentan la necesidad de tomar decisiones complejas en las cuales se debe analizar mucha información en ambientes de incertidumbre. En cualquiera de los ámbitos de la administración de organizaciones se requiere una gestión exitosa que permita estructurar problemas de decisión, evaluar las acciones alternativas y tomar decisiones óptimas dada la información disponible. En el curso “Toma de decisiones basadas en datos” se pretende desarrollar en los alumnos la capacidad para abordar y estructurar problemas de decisiones propios de la gestión de manera de orientar la toma de decisiones. El curso considera estructurar problemas de decisiones, el análisis de problemas de decisión caracterizados por la disponibilidad de una gran cantidad de información, las distintas formas de cuantificar y analizar la incertidumbre propia de los problemas de decisiones y el análisis de relaciones entre variables.

Resultados de Aprendizaje

1. Identificar la importancia, tipos y aplicaciones de Business Analytics en el desarrollo actual de los negocios.
2. Aplicar modelos analíticos de toma de decisiones para resolver problemas de negocio
3. Aplicar metodologías de la analítica descriptiva para pronosticar escenarios futuros inciertos.
4. Aplicar modelos de la analítica predictiva para pronosticar escenarios futuros inciertos.
5. Aplicar modelos de la analítica prescriptiva para recomendar acciones ante posibles situaciones futuras complejas e inciertas.

Contenidos

Módulo 1: Mejores Decisiones con Business Analytics

• Business Analytics y aplicaciones
• Analítica Descriptiva
• Analítica Predictiva
• Analítica Prescriptiva

Módulo 2: Modelos de Toma de Decisiones

• Análisis de Decisiones
• Análisis de Decisiones con Información
• Modelos de Probabilidad
• Simulación
• Ejemplos Aplicados

Módulo 3: Modelos de Predicción y Optimización

• Modelos de Regresión
• Modelos de Optimización Lineal
• Ejemplos Aplicados

Módulo 4: Aplicaciones Reales y el Futuro de la Toma de Decisiones Basada en Datos

• Caso General Electric
• Caso Starbucks
• Consideraciones Éticas y Regulatorias
• Futuro de la Toma de Decisiones Basada en Datos

Estrategias metodológicas:

El curso desarrolla sus contenidos y actividades a través de una modalidad online, que combina diferentes recursos de aprendizaje según cada tipo de contenido, por ejemplo: videos, textos, audios, preguntas formativas, discusión de casos y otros. Todos estos recursos se encuentran integrados en una plataforma virtual a la que accede el alumno y desde la cual también obtendrá información de apoyo (materiales anexos, bibliografía, evaluaciones, mensajería, información sobre calificaciones y otros). Además, desde la misma plataforma podrá acceder a las clases sincrónicas (online streaming) contempladas en el programa del curso. Específicamente, el curso trabaja con:

• Clases expositivas
• Estudio de casos
• Test basados en la interacción con bases de datos
• Contenidos entregados por las video clases
• Lecturas y reflexión individual 

El curso contendrá además actividades formativas (sin calificación), las que tienen como propósito la preparación para las evaluaciones calificadas. 

Estrategias evaluativas:

• Tareas – 32%
• Controles – 18%
• Foro – 18%
• Trabajo final grupal – 32%

Sigla VRA: MAN3050

Docente(s): Cristian Vásquez

Unidad académica responsable: Escuela de Administración

Requisitos: Sin Prerrequisitos

Créditos: 5

Horas totales: 90 | Horas directas: 24 | Horas | indirectas: 66

Descripción del curso

El curso “Minería de datos con R” está dirigido a profesionales que ejercen tareas relacionadas a gestión y análisis de datos con énfasis en la programación. Se entregan las principales competencias para que sus egresados puedan desarrollar todas las etapas que requiere un proyecto analítico, tales como: identificar la necesidad del negocio y proponer una efectiva solución estratégica con la información disponible; recolectar, limpiar y gestionar la información proveniente de distintas fuentes de datos; extraer conocimiento a través de métodos del aprendizaje estadístico y, finalmente visualizar y comunicar los resultados utilizando las principales plataformas computacionales del mercado. Además, el curso brinda conocimiento para integrar todas etapas del desarrollo de un proyecto analítico con plataformas de Big Data.

Resultados de Aprendizaje

1. Comprender los fundamentos del proceso de Minería de Datos y las etapas que conlleva un proyecto analítico en un contexto empresarial.
2. Distinguir conceptos de programación subyacentes al lenguaje R para desarrollar una programación eficiente en el software.
3. Aplicar técnicas de gestión de datos para preparar, analizar, gestionar y almacenar información digital en su organización.
4. Aplicar métodos del aprendizaje estadístico para resumir información, identificar asociaciones y reducir la dimensionalidad de los datos.
5. Desarrollar un proyecto analítico y todas las etapas que conlleva utilizando los datos públicos.
6. Crear informes de reporterías de análisis de datos para comunicar resultados estadísticos de manera correcta y efectiva.
7. Integrar técnicas de gestión de datos en plataformas de Big Data.

Contenidos

Módulo 1: Introducción y conceptos básicos del Lenguaje R

• ¿Qué es el Data Mining?
• Etapas del proceso de Data Mining
• Principales plataformas analíticas para hacer Data Mining
• ¿Cuál es el rol del Big Data?
• Principales librerías de R
• Lenguaje de programación y principales objetos de R
• Funciones y gráficos en R

Módulo 2: Gestión y visualización de datos

• ¿Cómo adquirir la data?
• Tipos de datos y representación.
• Transformación, depuración y limpieza de la información.
• Terminología de procesamiento de datos: Tabla, Fila y Columna.
• Consultas básicas de manipulación de datos con la librería dplyr en R.
• Estadísticas descriptivas de los datos.
• Resumen para datos categóricos.
• Medidas de similitud y asociación.
• Visualización de los datos con ggplot2 y plotly.

Módulo 3: Reducción de la información y comunicación de los resultados

• La maldición de la dimensionalidad
• Análisis de correlación de variables
• Componentes principales.
• Aplicación a caso de negocio
• Gráficos interactivos
• Reportes R Markdown
• Introducción a flexdashboards
• Introducción a Shiny

Módulo 4: Integración con Big Data

• Plataformas de Big Data.
• Introducción Apache Spark para el análisis de grandes volúmenes de datos.
• Conexión de R con Apache Spark para tareas distribuidas.
• Ilustraciones.

Metodología de enseñanza y aprendizaje

El curso desarrolla sus contenidos y actividades a través de una modalidad online, que combina diferentes recursos de aprendizaje según cada tipo de contenido, por ejemplo: videos, imágenes, esquemas, textos, audios, preguntas formativas, foros y otros. Todos estos recursos se encuentran integrados en una plataforma virtual a la que accede el estudiante y desde la cual también obtendrá información de apoyo (materiales anexos, bibliografía, evaluaciones, mensajería, información sobre calificaciones y otros), además, desde la misma plataforma podrá acceder a las clases sincrónicas (online streaming) contempladas en el programa del curso. Específicamente, el curso trabaja con:

• Clases expositivas
• Estudio de casos
• Trabajos aplicados

El curso contendrá además actividades formativas (sin calificación), las que tienen como propósito la preparación para las evaluaciones calificadas.

Evaluación de los aprendizajes

• Tareas - 40%
• Pruebas de selección múltiple - 30%
• Foro evaluado -10%
• Trabajo final -20%