Diplomado en Modelos Analíticos para la Toma de Decisiones de Negocio


Utiliza datos y aplica modelos analíticos con el objeto de generar información que mejore los procesos de toma de decisión en las organizaciones.

Matricúlate Aquí

Diplomado en Modelos Analíticos para la Toma de Decisiones de Negocio



Quiénes Somos

La UC Chile es una universidad pública no estatal fundada hace más de 130 años y ocupa actualmente el primer lugar en el ranking QS de Latinoamérica.

En la UC Chile tenemos un compromiso permanente con la calidad, como una forma de expresión de nuestro servicio. Este sello es parte de nuestra misión fundacional. Nos esforzamos por realizar esta labor en forma rigurosa, con altos estándares académicos y adoptando las prácticas internacionales de las mejores universidades. A través de nuestras 18 facultades, abarcamos todas las áreas del conocimiento.

Descripción

El Diplomado en Modelos analíticos para la toma de decisiones de negocio de la UC Chile desarrolla en los egresados la capacidad para  abordar, estructurar y analizar problemas de decisiones propios de la gestión de organizaciones públicas y privadas. Estas capacidades son muy relevantes en los ámbitos de instituciones que han desarrollado procesos de digitalización en su gestión, para lo cual se requiere analizar datos y tomar decisiones en base a información.

La metodología de este diplomado en modelos analíticos es 100% online.

Dirigido a

Profesionales o licenciados de todas las disciplinas que tengan el interés en trabajar, liderar o desarrollarse profesionalmente en el área de analítica de negocios en organizaciones y empresas, públicas y privadas; con una motivación especial por adquirir sólidas capacidades en analítica de datos.

Profesionales que busquen una formación que les permita integrar en su ámbito laboral distintas áreas del conocimiento, como la computación, el análisis de datos y la gestión negocios, para la gestión integral de una organización basada en el análisis de datos.

Profesionales con sólidos valores de responsabilidad ética en el manejo de datos, su análisis y uso para la toma de decisiones.

Metodología 100% online

Aprendizaje práctico

La metodología de cada curso considera la realización de un trabajo práctico y diversas herramientas para realizar ejercicios, junto con analizar casos reales. En la actividad final de graduación se aplican los conocimientos y habilidades adquiridos.

Diversidad de formas de aprender

Los cursos cuentan con una amplia diversidad de recursos, lo que permite un aprendizaje integral. Estos incluyen videoclases, podcast, tutoriales, lecturas, clases sincrónicas, foros de discusión, trabajos individuales y grupales, ejercicios y evaluaciones.

Plataforma de Coursera

El programa se imparte en alianza con Coursera, plataforma de aprendizaje en línea que cuenta con una gran variedad de recursos: videoclases, lecturas, cuestionarios, ejercicios prácticos, foros de discusión, herramientas de interacción con otros estudiantes, etc.

Aclara tus dudas

Puedes contactarnos al correo: cmendietg@ing.puc.cl

Malla académica



Toma de decisiones basadas en datos
Profesor:  

Pablo Marshall, Ph.D London School of Economics (Reino Unido) Ver más...

Tomás Reyes, Ph.D Berkeley (EE.UU.) Ver más...

Álvaro Chacón, Ph.D (c) Pontificia Universidad Católica de Chile Ver más...

Plan de estudios

Sobre el curso

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.

Contenidos

Business Analytics y tipos de analítica
  • ¿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
  • Árboles de decisión
  • Decisiones óptimas con árboles de decisión
  • Árboles de decisión con información
  • El valor de la información
  • Ejemplos aplicados
Optimización lineal
  • Optimización lineal: formulación matemática
  • Optimización lineal: formulación gráfica
  • Solución problema de optimización lineal
  • Análisis de sensibilidad: precios sombra
  • Ejemplos aplicados
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

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Minería de datos con R
Profesor:  

Cristián Vásquez, Ph.D Pontificia Universidad Católica de Chile

Plan de estudios

Sobre el curso

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.

Contenidos

Unidad 1: Introducción al Data Mining y lenguaje R
  • ¿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
Unidad 2: Gestión y visualización de datos
  • ¿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.
Unidad 3: Componentes Principales y Clasificación No Supervisada
  • 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
Unidad 4: Modelos Predictivos Supervisados y Reportes Analíticos
  • 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

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Visualización de datos
Profesor:  

Denis Parra, Ph.D University of Pittsburgh (EE.UU.)

Plan de estudios

Sobre el curso

En este curso los estudiantes obtendrán conocimientos y habilidades para resumir y comunicar resultados de métodos de computación, estadística, minería y análisis de datos. Dentro de las actividades prácticas del curso, los estudiantes estudiarán técnicas y algoritmos para analizar, diseñar y crear visualizaciones efectivas, basadas en principios de diseño gráfico, artes visuales y psicología cognitiva. El curso está orientado a estudiantes con experiencia previa en programación.

Contenidos

Fundamentos
  • Definiciones y ejemplos históricos
  • Marcas, canales, y procesamiento humano de la información
  • Modelo anidado de Munzner para diseño y validación de visualización
  • Reglas y recomendaciones generales para visualizaciones efectivas
Gráficos básicos en Python para datos tabulares
  • Gráficos de barras, barras apiladas, puntos y líneas
  • Gráficos de dispersión, de burbujas y de flujos
  • Gráficos para distribuciones: histograma, densidad, caja y violín
  • Múltiples ejes, radial y torta
Gráficos avanzados en Python para datos tabulares
  • Mapa de calor, densidad 2D, treemap
  • Matriz de gráficos y pequeños múltiples
  • Reducción de dimensionalidad lineal
  • Reducción de dimensionalidad no lineal
Implementación de gráficos en Python con datos de red, texto y espaciales
  • Grafos y árboles: diagramas nodo-enlace y de adyacencia
  • Grafos y árboles II: gráficos tipo encierro, clustermap y dendograma
  • Visualización de texto
  • Visualización espaciotemporal

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Modelos analíticos
Profesor:  

Juan Urquiza, Ph.D Universidad de Houston (EE.UU.) Ver más...

Pablo Marshall, Ph.D London School of Economics (Reino Unido) Ver más...

Plan de estudios

Sobre el curso

Es un curso que entrega en sus egresados un conocimiento vanguardista de las principales herramientas para el modelamiento analítico de datos. Con los métodos presentados en el curso, los alumnos podrán enfrentar los nuevos desafíos de la era digital en sus organizaciones, resolver problemas de negocios haciendo un uso efectivo de la información y generando valor agregado en los procesos críticos de sus organizaciones. Además, el alumno egresado podrá integrar los métodos expuestos en el curso con plataformas de Big Data para aplicar modelos analíticos sobre grandes volúmenes de información.

Contenidos

Unidad 1: Regresión Clásica
  • Modelo de regresión clásica
  • Análisis del modelo: Interpretación coeficientes, inferencia estadística, predicción y bondad de ajuste
  • Aplicaciones en R a marketing, finanzas y personas
Unidad 2: Extensiones Regresión Clásica
  • Variables independientes categóricas
  • Selección de variables
  • Inferencia causal
  • Aplicaciones en R a marketing, finanzas y personas
Unidad 3: Regresión Logística
  • Modelo de Regresión Logística
  • Análisis del modelo: Interpretación coeficientes, inferencia estadística
  • Análisis de chances (odds)
  • Predicción y matrices de confusión
  • Aplicaciones en R a marketing, finanzas y personas
Unidad 4: Modelos para Variables Categóricas
  • Modelos para variables categóricas
  • Análisis del modelo: Interpretación coeficientes, inferencia estadística
  • Aplicaciones en R a marketing, finanzas y personas
Unidad 5: Árboles de regresión
  • Árboles para variables cuantitativas
  • Árboles para variables cualitativas
  • Pruning

La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.

Profesores

Cristián Vásquez

Ph.D Pontificia Universidad Católica de Chile

Cristián Vásquez es Ph.D en Estadística, Pontificia Universidad Católica de Chile.

Sus líneas de trabajo son inteligencia de negocio, business analytics, herramientas de carga financiera, automatización de reportería y de procesos SAS, riesgo crédito, manejo de algoritmos de machine learning, manejo de análisis econométrico con series de tiempo financiera y otros.

Ha sido consultor y asesor en empresas del rubro financiero, tales como: Banco BBVA, Banco Santander, Caja de Compensación Los Andes, Cámara de Comercio de Santiago, Banco Security, TransUnion Chile, entre otras.

Denis Parra
Denis Parra

Ph.D University of Pittsburgh (EE.UU.)

Denis Parra es Ph.D. en Philosophy in Information Science, University of Pittsburgh, Estados Unidos.

Profesor del Departamento de Ciencia de la Computación de Ingeniería de la Pontificia Universidad Católica de Chile (UC).

Además, realiza investigación y desarrollo de sistemas sociotécnicos, desde diversas perspectivas.

Entre sus áreas de interés se encuentran los sistemas recomendadores y el uso de visualizaciones tanto para crear aplicaciones como para analizar los datos.

Juan Urquiza

Ph.D Universidad de Houston (EE.UU.)

Juan Urquiza es Ph.D, Universidad de Houston (EE.UU.) y B.A., Economics, Universidad del CEMA (Argentina).

Profesor docente asistente de la escuela de Economía y Administración de la Pontificia Universidad Católica de Chile (UC).

Asimismo, sus áreas de interés son macroeconomía, series de tiempo, econometría.

Cuenta con una amplia trayectoria docente en diferentes instituciones nacionales e internacionales como la Universidad del CEMA y la Universidad de Houston.

Pablo Marshall, Magíster en Analítica para los negocios UC Chile
Pablo Marshall

Ph.D London School of Economics (Reino Unido)

Pablo Marshall es co-director del Magíster en Analítica para los negocios de la Pontificia Universidad Católica de Chile (UC).

Ph.D en Estadística, London School of Economics, Reino Unido, se desempeña como profesor titular de la UC y dicta los cursos Marketing Analytics y Métodos Cuantitativos para programas de Ingeniería Comercial y MBA. También es director del curso Big Data & Business Analytics, para ejecutivos (UC).

Además, es asesor de empresas y organizaciones en temas de marketing analytics y learning analytics.

Líneas de investigación actuales: big data, marketing analytics y learning analytics.

Tomás Reyes
Tomás Reyes

Ph.D Berkeley (EE.UU.)

Tomás Reyes es Ph.D y Magíster en Ciencias en Administración de Negocios, con concentración en Finanzas, University of California, Berkeley (2012), EE.UU. Es ingeniero civil de industrias y Magíster en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile, UC (2006).

Profesor asociado de la Escuela de Ingeniería de la Pontificia Universidad Católica de Chile (UC).

Asimismo, es el codirector del Magíster en Inversiones y Finanzas Aplicadas (MIFA UC), director del Laboratorio de Finanzas Itaú y del Magíster en Ingeniería Industrial (MII).

Además, ha publicado múltiples artículos académicos en revistas internacionales. También es consultor y director de empresas.

Tomás Reyes imparte los cursos Preparación y análisis de estados financieros, Decisiones de inversión y Evaluación de proyectos en el Magíster en Inversiones y Finanzas Aplicadas (MIFA) de UC Chile.

Álvaro Chacón
Álvaro Chacón

Ph.D (c) Pontificia Universidad Católica de Chile

Álvaro Chacón Hiriart es Ph.D (c), MBA, M.Sc. e ingeniero civil de Industrias de la Pontificia Universidad Católica de Chile (UC). Además, tiene un Master of Engineering Management de la Universidad de Melbourne (Australia).

Es profesor de la UC en temáticas relacionadas con economía del comportamiento, analítica de datos, inteligencia artificial en negocios y negociación.

Su área de investigación es ciencias del comportamiento y, en particular, en la interacción humano-máquina.

Ha ocupado cargos gerenciales y directivos en importantes empresas multinacionales y organizaciones sociales, como también ha sido director de emprendimientos.

Ventajas

Prestigio UC

La UC es una universidad pública no estatal fundada en 1888, que ocupa hace varios años el primer lugar en el ranking QS Latinoamericano.

El compromiso con la calidad es nuestro sello. Mantenemos altos estándares académicos y adoptamos las mejores prácticas internacionales de educación superior. En 18 facultades, abarcamos todas las áreas del conocimiento.

Equipo docente de excelencia

La UC promueve la investigación científica y aplicada de impacto entre sus académicos, quienes cuentan con gran experiencia en pregrado, postgrado y educación continua. Los profesores son expertos en los temas del programa; con vasta presencia internacional en investigación y desarrollo de proyectos de transferencia con empresas e instituciones del Estado.

Flexibilidad

Los estudiantes podrán ajustar el programa a sus horarios, dentro de un cierto período. Además, contarán con el apoyo de tutores y con clases sincrónicas para interactuar con sus profesores. También tendrán disponibles herramientas tecnológicas para el desarrollo de proyectos y para fomentar la interacción entre estudiantes, profesores y tutores.

Requisitos

Para postular al programa debes llenar tu postulación en línea y cumplir con los siguientes requisitos:

Inversión

Precios

Precio :
USD $2.000

CLP $1.740.000

Medios de pagos Chile

  • 3 cuotas sin interés con tarjeta de crédito
  • Pago al contado vía transferencia electrónica, con lo que obtendrás un 5% de descuento acumulable
  • Pago en 3 cuotas bimestrales a través de Webpay

Medios de pagos internacional

  • Pago al contado vía transferencia electrónica, con lo que obtendrás un 5% de descuento acumulable
  • Pago en 3 cuotas bimestrales a través de Paypal

 

Clase Ejecutiva UC

Certificados apostillados

Una de las características más importantes de los títulos emitidos por la Pontificia Universidad Católica de Chile es que pueden ser apostillados gracias al Convenio de la Apostilla de la Haya. La Apostilla es una certificación única que permite agilizar el proceso de acreditación y certificación de títulos o documentos extranjeros en algún país miembro del Convenio de la Apostilla. Los documentos emitidos en Chile para ser utilizados en un país miembro del Convenio de la Apostilla que hayan sido certificados mediante una Apostilla, deberán ser reconocidos en cualquier otro país del convenio sin necesidad de otro tipo de certificación. Más información sobre el proceso de Apostilla en http://apostilla.gob.cl. El título de grado es apostillable. Sin embargo, UC Chile no se hace parte de la gestión de apostillarlo.