PIN - Programa de Inteligencia de Negocio - Puerto Madero - Buenos Aires - UA Universidad Austral-Facultad de Ingeniería - I30454

Home>Posgrado>Business Intelligence>Puerto Madero>PIN - Programa de Inteligencia de Negocio - Puerto Madero - Buenos Aires
 
PIN - Programa de Inteligencia de Negocio
Método: Presencial
Tipo: Posgrado
Enlaces Patrocinados
Loading...

Solicita información sin compromiso
UA Universidad Austral-Facultad de Ingeniera

PIN - Programa de Inteligencia de Negocio - Puerto Madero - Buenos Aires

Nombre
Apellidos
E-Mail
Titulación
Provincia
Teléfono
Código Área Ej: 11
 
 
 
 
Teléfono Fijo Ej: 54544444
 
 
 
 
Mi teléfono es:
Fijo
Celular
Para enviar la solicitud debes aceptar la política de privacidad
* Campos obligatorios

En breve un responsable de UA Universidad Austral-Facultad de Ingeniera, se pondrá en contacto contigo para informarte.
Por favor, rellená todos los campos correctamente
Imágenes de UA Universidad Austral-Facultad de Ingeniera:
UA Universidad Austral-Facultad de Ingeniera Centro Foto
UA Universidad Austral-Facultad de Ingeniera Centro Foto
AnteriorAnterior
SiguienteSiguiente
Foto Centro UA Universidad Austral-Facultad de Ingeniera Puerto Madero
UA Universidad Austral-Facultad de Ingeniera Centro Foto
PIN - Programa de Inteligencia de Negocio - Puerto Madero - Buenos Aires Comentarios sobre PIN - Programa de Inteligencia de Negocio - Puerto Madero - Buenos Aires
Objetivos del Curso:
Brindar una visión general y sólida - con un balance entre los fundamentos y el conocimiento práctico - de los conceptos principales de la Inteligencia de Negocio (Business Intelligence) que habilite a los participantes a desarrollar proyectos o programas mediante los cuales se puedan utilizar los datos que ya posee una organización, para transformarlos en información valiosa que permita ayudar a resolver problemas de negocio y soportar la toma de decisiones de los directivos.
Curso dirigido a:
Ejecutivos involucrados en la toma de decisión: profesionales de las áreas de finanzas, producción, marketing, RRHH, tecnología informática, analistas de negocios, etc.
Titulación:
La Facultad de Ingeniería de la Universidad Austral extenderá el Certificado Académico de aprobación del “Programa de Inteligencia de Negocio” a quienes cumplan con el régimen de promoción. El presente programa pertenece a la categoría de extensión universitaria de perfeccionamiento y no es una carrera, título o grado universitario (Nota Nº 732/2002 DNGU).
Contenido:
La democracia de la información emergerá en empresas con pensamiento vanguardista, con la información de la inteligencia del negocio y las aplicaciones disponibles para los empleados, los consultores, los clientes, los proveedores y el público en general. La información será la clave para prosperar en un mercado competitivo. La toma de decisiones financieras basadas en información exacta y actual toma más valor que la intuición.

Análisis de datos, reportes y herramientas de búsqueda pueden ayudar a los usuarios a navegar por un inmenso mar de datos y sintetizar la información valiosa - hoy este tipo de herramientas se clasifican como Inteligencia de Negocio (Business Intelligence). Gartner Group, 1996.

Las áreas que la Inteligencia de Negocio cubre son prácticamente todas las funciones administrativas y operativas del negocio; pero no siempre fue así, hasta mediados de los 90´s las empresas medían su desempeño sólo en términos financieros (Rentabilidad, ROI, ROCE, EVA, etc.), que si bien son importantes, estaban dejando de lado el monitoreo y seguimiento de áreas sumamente importantes como la manufactura, las ventas, los recursos humanos, compras y proyectos estratégicos por mencionar algunas.

Esta visión integral del monitoreo del desempeño del negocio, permite a las organizaciones tomar decisiones, dar seguimiento y establecer planes de acción para poder alcanzar un objetivo de la empresa. Los indicadores de desempeño de la organización, o por sus siglas en inglés KPI (Key Performance Indicator) son la representación gráfica de la situación de un área específica.

Actualmente este concepto no se limita sólo al monitoreo del desempeño del negocio, sino que también incluye conceptos como los escenarios de simulación y planeación, los cuales se basan o se diseñan a partir de información actual y exacta del negocio.

Módulo     

1     Análisis Inteligente de datos
2     Data Warehousing
3     Data Mining
4     Tablero de Control
5     Sistemas de Soporte de Decisión
      Presentación del Trabajo de Aplicación


Maestría en Data Mining - MDM
Aprobada por el Ministerio de Educación, Ciencia y Tecnología, Resolución Nº 1712/06.

Beneficios para los Graduados del "PIN"

A los graduados del presente programa se les considerará aprobado el Test de Admisión y podrán acreditar la asignatura “Sistemas de Soporte de Decisión” - con sólo rendir la evaluación correspondiente - en la Maestría en Data Mining – MDM que dicta la Universidad Austral.

Director del Programa

* Juan M Ale

      Doctor en Ciencias de orientación Informática, Universidad Nacional de La Plata.
      Licenciado en Ciencias de la Computación, UBA; Licenciado en Ingeniería de Sistemas; UBA. Computador Científico, UBA.
      Consultor en Bases de Datos y Business Intelligence.
      Director de la Maestría en Data Mining, Universidad Austral.
      Profesor titular en carreras de grado y posgrado en UBA, UNLP y Universidad Austral.

Cuerpo Docente

   
* Esteban Alonso
      Computador Científico, UBA
      CEO de SWAP S.A. y consultor de Servicios Profesionales de Consultoría en IT.
      Fue profesor en la UBA y actualmente es profesor en la Universidad Austral.
    
* Jose Alvarez
      Licenciado en Psicología, UBA.
      Profesor adjunto en la FCEyN, UBA
      Consultor en Data Mining y aplicaciones de Inteligencia Artificial y Tecnologías del Lenguaje.
    
* Alejandro Gabriel Capillo
      Ingeniero Industrial, ITBA
      Master en Dirección de Empresas, IAE.
      Gerente de Negocios de Solfrut.
      Profesor part-time, IAE y en la Facultad de Ingeniería de la Universidad Austral.

* Gustavo Denicolay
      Ingeniero en Computación, UROU.
      Licenciado en Informática, Escuela Superior Latinoamericana de Informática.Master en Dirección de Empresas, CEMA.
      Profesor UBA y Profesor en la Maestría en Data Mining, Facultad de Ingeniería, Universidad Austral.
    
* Conrado Estol
      Bachelor of Aeronautical Engineering, New York University, EE.UU
      Master of Aeronautical Engineering, New York University, EE.UU.
      Doctor en Ciencias de la Administración, Universidad de Belgrano, Buenos Aires, Argentina.
      Miembro del Consejo Académico del ITBA. Profesor visitanteen el International Management Programme (IMF), École de Management de Reims, Francia.
      Fué socio de Price Waterhouse & Co., Argentina. Actualmente se desempeña como asesor de empresas en el área de IT.

* Ricfardo Luis Ferre
      Ingeniero en Sistemas de Información, UTN
      Socio de SWAP S.A. y consultor en Datawarehousing.
      Fue profesor en la UTN y actualmente es profesor en al Universidad Austral.

Contenido Académico
Módulo 1. Análisis Inteligente de Datos

Características principales del análisis de datos y etapas. Propiedades fundamentales de los datos, tipos, escalas, ruido, dimensionalidad, etc. Análisis exploratorio: herramientas y tareas.  Herramientas descriptivas. Principales estadìsticos y distribuciones; análisis de frecuencias, tests de normalidad, estimaciones de asociaciones, etc. Herramientas gráficas, interactivas y no interactivas, diagramas de barras, gráficos de dispersiones, gráficos multidimensionales, jittering, ajuste de curvas. Transformaciones de datos: de la distribución, discretización, estandarización.  Patologías en los datos, técnicas de detección de outliers uni- y multidimensionales, técnicas de imputación, de identificación de casos duplicados, atípicos y herramientas de validación. Muestreo y reducción de dimensionalidad. Técnicas de muestras complejas y componentes principales. Construcción de variables. Ejercitacion de cada tema usando SPSS.
Módulo 2. Data Warehousing

Arquitectura, procesos y componentes. Integración de datos, diversas arquitecturas. Proceso de Extracción, Transformación y carga. Implementación. Modelos multidimensionales. Esquema Estrella y snowflake. OLAP, MOLAP, ROLAP y HOLAP. Metadata. Ciclo de vida del desarrollo de un data warehouse. Procesamiento y optimización de consultas. Conceptos de calidad en data warehousing. Herramientas de explotación de un data Warehouse. Productos comerciales.
Módulo 3. Data Mining

Etapas del proceso de data-mining. Metodologías. Diversas tareas, técnicas y algoritmos. Modelos predictivos.  Técnicas de árboles de decisión, redes neuronales. Regresión lineal y logística. Comparación de modelos. Reglas de asociación, el problema de análisis de canasta de mercado. Clustering: medidas de distancia, dimensionalidad, distintos enfoques. Diversas  aplicaciones: oferta de productos, churn o attrition, detección de fraudes, detección de intrusos. Mining de textos. Búsquedas en la Web y Web-mining.
Módulo 4. Tablero de Control

Visión estratégica de los sistemas de soporte de decisión. El control de la gestión en las organizaciones: Contenido de los sistemas de control de gestión. Del control burocrático a la delegación con control. Incorporación de nuevas dimensiones de la gestión.

Medición del desempeño: Selección de indicadores. Características de un buen indicador. Fuentes de información. Práctica de selección y determinación de indicadores: Caso John Harvard's. Tableros de control: Tipos de tableros. Caso Telefónica de Argentina. Balanced scorecards: Modelo de gestión BSC. Caso Mobil.
Módulo 5. Sistemas de Soporte de Decisión

Visión tecnológica de los sistemas de soporte de decisión. Introducción a los Sistemas de Información: DSS, EIS y para BSC. Desarrollos internos de software vs compra de un “paquete” de software y problemas típicos de una implantación: forewarned vs forearmed. Selección y análisis del software disponible en mercado para implementar Tableros de Control y BSC.
Trabajo de Aplicación

El objetivo del Trabajo de Aplicación es lograr que el profesional aplique los conocimientos adquiridos, en problemas encontrados en su puesto de trabajo, con el fin de evaluar la capacidad del profesional en detectar, evaluar y resolver situaciones de su quehacer diario empleando esta nueva visión de los negocios. El Trabajo de Aplicación se realiza en forma grupal y debe ser expuesto frente al resto de los participantes durante la última jornada del programa.

Trabajos de Aplicación realizados durante las anteriores ediciones:

    * Aplicación de Data Mining al problema de Attrition en un empresa de Atención Médica.
    * Proyecto Desarrollo e Implementación de Data Warehousing.
    * Un Modelo de Detección de Fraudes.
    * Aplicación de Técnicas de BI al problema de baja en las ventas.
    * Aplicación de técnicas de BI para optimizar las operaciones en una empresa de servicios profesionales en IT.
    * Aplicación de Data Mining en Marketing.
    * Aplicación de Inteligencia de Negocio en el Hospital Naval.
    * Inteligencia de Negocios en Entidades Financieras.
    * Aplicación de Inteligencia de Negocio en Empresas de Servicios de Salud.
    * Análisis de deudores para la determinación del capital mínimo inmovilizado en instituciones financieras.
    * Análisis de Attrition en bancos.
    * Relevamiento y análisis de indicadores para la elaboración de un Tablero de Control.
    * Ranking de indicadores de un tablero de control empleando Análisis Estructural.


Perfil de los participantes

El perfil de los participantes a ediciones anteriores fue el siguiente:

Empresas:

Aluar, Banco Comafi, Banco Galicia, Banco Central, Banco Francés, Banco Río, Banco Societe Generale, Bank Boston, Cetelem Gestión, Consolidar Salud, Consultores Traverso & Asoc., Correo Argentino, El comercio Cia. de Seguros, Hospital Naval, HST, IBM, Internacional Health Services Arg., Janssen Cilag Farmaceútica, Klabin Argentina, Laboratorios Raffo, m2-maketimetrics, Monsanto Argentina, NCR Arg., Neoris Argentina, Provincia Salud, Hospital Francés, Repsol – YPF, Sherwin – Williams, SKF, Soluciones Tecnológicas, Solvay Indupa, Telecom, Telefónica, Tiempo Real Consultores, Universidad Austral, Wyeth.

Cargos:

Jefe Gestión Informática, Analista Inteligencia de Mercado, Analista de Sistemas, Gerente ded Administración de Ventas, Director, Gerente, Gerente de Planta, Ingeniería, Seniro Consultant, BI Product Manager, Jefe de Trabajos Prácticos, Jefe de Investigación de Mercado, Analista Sr., Jefe Departamento, Líder de Proyectos, Subgerente, Jefe de Auditoría Médica, Competitive Intelligence, Coordinadora de IT, Jefe CS Data Warehouse, Jefe de Proyectos, Gerente de Información de Negocios, Responsable de Investigación Comercial, Consultor BI, Gerente, Gerente de Producto, Jefe Depto. Personal, Jefe Proyecto Informático, Director Ejecutivo, Jefe Depto. Técnico, Subdirector Administrativo, Docente, Marketing Database Team Leader, Analista de Productos – Gestoría DW, Business Director, Jefe de Sistemas, Gerente de Sistemas, Analista ded Presupuesto, Gerente de Producto, Analista Programador Senior, Responsable de Inteligencia Artifical y Marketing, Gerente Exploración de Datos, Auditor Interno, Analista Sistemas Expertos, Gerente, Presidente, Gerente Proyectos Especiales, Exploración de Datos.
   
Requisitos de Admisión

    * Ser graduado en una carrera universitaria de 4 a más años de duración.
    * Acreditar experiencia profesional.
    * Poseer conocimientos generales de base de datos, algoritmos y estadística.
    * Lectura de material en inglés.

Régimen de Promoción

    * Contar con una asistencia mínima del 75%.
    * Completar la lectura individual del material entregado semanalment.
    * Aprobar el Trabajo de Aplicación final.

Últimas consultas al curso

Otra formación relacionada con Posgrado de Business Intelligence: