Compartir en:
Acerca del programa:
El Diplomado Ejecutivo en Inteligencia de negocios 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.
Dirigido a:
- 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.
Jefe de Programa
Jaime Navón Cohen
Equipo Docente
keyboard_arrow_downCristián 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
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.
Sergio Bocaz
MBA, Thunderbird School of Global Management. Ingeniero Comercial, Universidad del Desarrollo. Cuenta con más de 20 años de experiencia en consultoría y asesoría en diversos mercados e industrias. Es especialista en proyectos de analítica avanzada, gobierno de datos e inteligencia de negocios. Adicionalmente, posee experiencia en administración y finanzas. Se ha desempeñado con éxito en gestión de proyectos ágiles y de equipos de alto desempeño con la destreza de abordar problemas y desafíos complejos.
Hernán Valdivieso
Magíster en Ciencias de la Ingeniería e Ingeniero Civil en Computación, UC. Profesor Instructor del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC. Su área principal de trabajo es la docencia y el desarrollo de técnicas de visualización.
* EP (Educación Profesional) de 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.
Descripción
keyboard_arrow_downLa Inteligencia de Negocios ha permitido durante años a las empresas y organizaciones mejorar el proceso de toma de decisiones gracias a la utilización de los datos para alimentar sus dashboards operacionales, analíticos o estratégicos. Sin embargo, como suele suceder en la dinámica área de la Ciencia de Datos, la Inteligencia de Negocios ha ido cambiando significativamente desde un enfoque más analítico a uno más proactivo. El acelerado avance de lo que se ha llamado Big Data ha obligado a la Inteligencia de Negocios a repensar las arquitecturas tradicionales por otras que acomoden tanto la data estructurada como la data no estructurada.
Este diplomado entrega conocimientos teóricos y prácticos para entender cabalmente las oportunidades y desafíos que existen en Inteligencia de Negocios; además, para conocer los elementos de la infraestructura tecnológica, para manejar un proyecto de inteligencia de negocios y para entender los aspectos relacionados con la gobernanza de los datos. Asimismo, considera 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 del Diplomado Ejecutivo en Inteligencia de Negocios es 100% en línea y se estructura sobre cuatro cursos que utilizan técnicas metodológicas activas. Gracias a estas últimas, el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual.
Requisitos de Ingreso
keyboard_arrow_down- 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
Objetivos de Aprendizaje
keyboard_arrow_down- Liderar proyectos de Inteligencia de Negocios y de Gobernanza de Datos en la organización.
Desglose de cursos
keyboard_arrow_downCurso 1: Presente y futuro de la inteligencia de negocios
keyboard_arrow_downDocente(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.
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.
- Comprender la importancia del pensamiento analítico.
- Identificar los principios y roles básicos asociados al gobierno de datos.
- Describir las características e importancia del rol de traductor analítico.
- Utilizar los principios de agilidad aplicados a los proyectos de inteligencia de negocios.
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%
Curso 2: Infraestructura para la inteligencia de negocios
keyboard_arrow_downDocente(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:
- 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 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%
Curso 3: Gestión de proyectos y gobernanza de inteligencia de negocios
keyboard_arrow_downDocente(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:
- 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:
- 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%
Curso 4: Introducción a minería de datos y machine learning
keyboard_arrow_downDocente(s): Hernán Valdivieso
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 abordando la problemática de la obtención, preparación y limpieza de datos, para luego adentrarse en las técnicas y algoritmos asociados a la Minería de Datos, como clasificación, clustering, entre otros. Además, se exploran algoritmos, técnicas y herramientas de Machine Learning. Los estudiantes de este curso adquirirán conocimientos fundamentales sobre Minería de Datos, comprendiendo las diversas fuentes de información a utilizar, revisando el preprocesamiento de datos y aplicando técnicas de extracción de conocimiento. Esto incluye el uso de reglas de asociación, árboles de decisión, algoritmos de clasificación y la evaluación de clasificadores, junto con una introducción al aprendizaje de máquina.
El enfoque del curso es práctico, privilegiando la experimentación mediante herramientas y entornos que permiten ejecutar y analizar ejemplos preconfigurados. Los estudiantes modificarán parámetros, observarán los efectos de dichos cambios y reflexionarán sobre su impacto en la calidad del modelo y la extracción de conocimiento.
Al finalizar el curso, los estudiantes comprenderán los principios teóricos y prácticos que sustentan las principales técnicas utilizadas en la minería de datos y el aprendizaje de máquina, pudiendo analizar sus resultados, evaluar su aplicabilidad en distintos contextos y reconocer sus potencialidades y limitaciones sin necesidad de programar directamente los algoritmos.
El desarrollo de estos aprendizajes se realizará a través de estudios de casos, mini proyectos prácticos, y el acceso a recursos especializados, lo que permitirá a los estudiantes experimentar, analizar y aplicar directamente los conceptos adquiridos.
La metodología de enseñanza y aprendizaje para este curso en línea se basa en técnicas metodológicas activas, permitiendo que el participante interactúe con sus pares y el profesor-tutor a través de los recursos tecnológicos proporcionados por la plataforma educativa virtual destinada para el curso.
Resultados de aprendizaje:
- Reconocer las principales teorías y prácticas de la Minería de Datos.
- Identificar relaciones interesantes en un conjunto de transacciones mediante el uso de reglas de asociación.
- Distinguir técnicas como árboles de decisión, clustering y otras, aplicándolas en escenarios prácticos reales.
- Evaluar la calidad y pertinencia de los resultados obtenidos, reconociendo las potencialidades y limitaciones de cada técnica.
Contenidos:
- Introducción a Minería de Datos y conceptos sobre Data Warehouse
- Procesamiento, selección y transformación de datos.
- Reglas de asociación
- Clasificación
- Árbol de decisión
- KNN
- Random Forest
- 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%
Requisitos Aprobación
keyboard_arrow_downLos cursos que conforman el diplomados tienen la siguiente ponderación:
- 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 resultados de las evaluaciones serán expresados en notas, en escala de 1,0 a 7,0 con un decimal, sin perjuicio que la Unidad pueda aplicar otra escala adicional.
Para aprobar un Diplomado, se requiere la aprobación de todos los cursos que lo conforman y, en los casos que corresponda, de otros requisitos que indique el programa académico.
El estudiante será reprobado en un curso o actividad del Programa cuando hubiere obtenido como nota final una calificación inferior a cuatro (4,0).
Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por la Pontificia Universidad Católica de Chile.
Además, se entregará una insignia digital por diplomado.
Proceso de Admisión
keyboard_arrow_downLas 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
Cualquier información adicional o inquietud podrás escribir al correo programas.ing@uc.cl
Con el objetivo de brindar las condiciones y asistencia adecuadas, invitamos a personas con discapacidad física, motriz, sensorial (visual o auditiva) u otra, a dar aviso de esto durante el proceso de postulación.
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
¿Te parece interesante este programa?
Sí No
