Diplomado en Toma de Decisiones Basadas en Datos

El curso se centra en la creación de una visión directiva de largo plazo para la determinación del futuro de la organización. Se revisan los conceptos de creación y captura de valor, a través del desarrollo y ejecución de estrategias competitivas. Los estudiantes obtendrán herramientas y perspectivas orientadas a desarrollar una respuesta de modelo de negocio estratégico y alineado a la organización. Se aplicarán herramientas propias del dominio digital, transformando amenazas digitales en oportunidades, para crear una ventaja competitiva y un mejor rendimiento en la empresa.

Curso válido para el proceso de admisión PBA (Performance Based Admission)

• ¿Qué es estrategia?
• Ventaja competitiva en el mundo digital
• Entendiendo al cliente a través del concepto job to be done
• Elementos estructurales en el diseño de una estrategia
• Entendiendo el contexto
• ¿Qué hay detrás de la cuarta revolución industrial?
• Capacidades y habilidades para el futuro mundo del trabajo
• Rompiendo paradigmas, de lo lineal a lo no lineal

• La estrategia bajo una mirada sistémica
• La cadena de valor en el mundo digital
• Análisis sistémico de una herramienta
• El rol disruptivo de los elementos digitales
• Inteligencia artificial desde lo estratégico
• Aplicaciones de inteligencia artificial en las empresas
• Transformando el negocio con IA

• Positive feedback o retroalimentación positiva
• Compitiendo a través del valor
• Conceptos de valor en estrategia digital
• Matriz de transformación digital
• La importancia del diseño organizacional, la contracara de la estrategia
• Aplicación de la transformación digital en el sector público
• Diseño funcional vs. diseño neuronal

• Construyendo recursos y capacidades para el desarrollo de la estrategia
• Logrando que la inteligencia artificial escale
• Estrategias digitales en el mundo del retail

En este curso 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.

Curso válido para el proceso de admisión PBA (Performance Based Admission)

• Conceptos fundamentales de bases de datos
• Modelo relacional de datos
• Introducción al lenguaje de consulta SQ

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

• Rol de SQL en ciencia de datos 
• Bases de datos NoSQL

En este curso se pretende desarrollar en los y las estudiantes 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.

• ¿Qué es business analytics (BA) y su evolución? Introducción al análisis descriptivo, predictivo y prescriptivo y la importancia de BA y aplicaciones
• ¿Qué es la analítica descriptiva? Data aggregation (recolección y organización de datos), data mining (minería de datos) y visualización de datos
• Modelando la incertidumbre
• ¿Qué es la analítica predictiva? Tipos de modelos predictivos, evaluando modelos predictivos y decisiones bajo certidumbre, riesgo e incertidumbre
• ¿Qué es la analítica prescriptiva? Tipos de modelos prescriptivos y relevancia de los modelos prescriptivos

• Árboles de decisión
• Decisiones óptimas con árboles de decisión
• Árboles de decisión con información
• El valor de la información
• Ejemplos aplicados

• Optimización lineal: formulación matemática
• Optimización lineal: formulación gráfica
• Solución problema de optimización lineal
• Análisis de sensibilidad: precios sombra
• Ejemplos aplicados

• Caso General Electric
• Caso Starbucks
• Consideraciones éticas y regulatorias
• Futuro de la toma de decisiones basada en datos

El curso 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.

• ¿Qué es el Data Mining?
• Introducción al Data Mining y proceso KDD
• Data Mining aplicado a la industria financiera
• Plataformas analíticas para desarrollar un proyecto de Data Mining
• Introducción a R
• Conceptos básicos del Lenguaje R
• Principales objetos y funciones de R
• Librerías y tipos de datos en R

• ¿Cómo adquirir la data? 
• Extracción de información de diferentes fuentes de abastecimiento
• Gestión de datos utilizando la librería dplyr
• Limpieza y Transformación de datos
• Resumen de información en R
• Estadísticas descriptivas para resumir datos
• Visualización de los datos con ggplot2 y plotly.
• Medidas de similitud y asociación.

• Análisis de correlación de variables
• Problemas con la dimensión de la información
• Introducción a Componentes Principales
• Aplicación de PCA al valor del cliente en el Retail
• Introducción a los métodos de Clasificación No Supervisados
• Medidas de similaridad: Distancias
• Método jerárquico Kmedias para clasificación
• Clasificación de los clientes en el retail utilizando Kmedias

• Ejemplo aplicado
• Modelos de Regresión Lineal para estimación de los gastos por hogar utilizando la EPF
• Introducción a Flexdashboard 
• Uso de la librería Flexdashboard en ejemplo aplicados