BUSINESS INTELLIGENCE & BUSINESS ANALYTICS

Objetivo

  • Fortalecer las competencias de los profesionales con interés en Business Intelligence y Business Analytics.
  • Impartir las herramientas y los conocimientos necesarios para que el participante defina estrategias adecuadas orientadas a lograr ventajas competitivas.
  • Mostrar la importancia de Business Intelligence & Business Analytics como ventaja competitiva en las empresas o instituciones.
  • Presentar la solución de casos prácticos, convirtiendo los datos en información relevante que genere conocimiento y valor para la toma de decisiones.

Metodología

El programa requiere de manejo de software especializado en diferentes campos de Business Intelligence & Business Analytics; se han programado talleres aplicativos para el entrenamiento y capacitación a través de aplicaciones consideradas de vital importancia para el análisis de la información.

Contenido

Business Intelligence Environment:
Introducción al Business Intelligence. Business Intelligence como propuesta de valor en las organizaciones. Metodología de Implementación. Modelamiento dimensional. Gestión de proyectos y estrategia de Business Intelligence. Aplicaciones en diversas áreas laborales.
– Taller de Power BI
 
Business Intelligence Application:
Introducción a Structured Query Language (SQL). Lenguaje transaccional de SQL. Modelamiento de datos. Creación y sintaxis en cubos. Analisys e Integration Services. Explotación de la información: Reporting Services y Office. Procesos de carga ETL. Explotación de datos.
– Taller de Google Analytics
Data Analysis Introduction
Organización y manipulación de datos con R y Python. Análisis Descriptivo: Medidas de tendencia central, variabilidad, asimetría y correlaciones. Visualización de Datos: Gráficos y características. Modelos exploratorios multivariados.
– Taller de R Markdown
 
Data Analysis Advanced
Visualización de Datos: Gráficos avanzados. Imputación de datos perdidos. Técnicas de balanceo de datos. Oversampling, undersampling y smote. Elaboración de dashboards y gráficos dinámicos. Introducción a Python para Ciencia de Datos.
 
Business Analytics Introduction
Modelos supervisados y no supervisados de machine learning. Casos aplicativos con data real de prestigiosas universidades y empresas de diversos sectores económicos del mundo, escritos en diversos escenarios para poner a prueba los conocimientos adquiridos.
– Taller Big Data.
 
Business Analytics Advanced
Análisis RFM. Análisis Clúster: métodos jerárquicos y métodos de particionamiento. Modelos Supervisados I: Regresión Logística y Probit, Árboles de decisión, KNN, Máquina de Soporte Vectorial y Redes Neuronales. Modelos Supervisados II: Modelos Bagging, Boosting y Ensamble. Minería de textos.
– Taller de Deep Learning.

El CFC-FIEECS podrá efectuar cambios en la secuencia de los cursos de acuerdo a su política de mejora continua.

Plana Docente

Bachiller en Ingeniería Estadística de la Universidad Nacional de Ingeniería, Cuenta con una Especialización en Marketing Digital con más de 5 años de experiencia en áreas comerciales, diseñando estrategias e implementando proyectos digitales, con sólidas bases de análisis de la data para la toma de decisiones.

Magister en Estadística y candidata a PhD en Ingeniería por la PUCP;BSc. en Ingeniería Estadística de la UNI. Cuenta con amplia experiencia en análisis de datos y modelos predictivos con data psicométrica, geolocalización y data no estructurada, en los sectores banca, retail, inmobiliario y consumo masivo. Actualmente, es integrante de un proyecto internacional de Ingeniería Biomédica para desarrollar herramientas e indicadores predictivos para el monitoreo de heridas crónicas utilizando computer vision & Co-organizadora de RLadies Lima, organización mundial que promueve la participación de mujeres y minorías en programación con el software estadístico R.

Ingeniero Estadístico con amplios conocimientos en teoría estadística y aplicaciones en el manejo de grandes volúmenes de datos usando herramientas de Big data; especialista en Analítica avanzada, Machine learning y Econometría aplicada. Perfil de liderazgo analítico enfocado en resultados, habilidad en el trabajo de proyectos de transformación digital usando metodologías modernas.

Maestría en Ciencia de Datos de la Universidad Ricardo Palma. Ingeniera de Sistemas de la Universidad Femenina del Sagrado Corazón; cuenta con una Especialización en Métodos Avanzados en Analítica de la Pontificia Universidad Javeriana de Colombia. Diplomatura en Analítica de Negocios y Gestión de la Información en Centrum PUCP Business School. Amplia experiencia profesional en manejo de base de datos y herramientas de análisis de grandes volúmenes de información.

Maestría en Data Science de la UPC. BSc en Ingeniería Estadística de la Universidad Nacional de Ingeniería, 1er puesto. Especialista en Big Data, Machine Learning, Business Analytics, Business Intelligence aplicados con tecnologías on premise y on cloud. Lead Data Scientist del Center of Excellence Advanced Analytics del Banco Pichincha. Profesional Data Scientist con amplia experiencia en proyectos de business analytics and business intelligence haciendo uso de tecnologías del Big Data, en el sector público y privado.

Magíster en Dirección de Marketing y Gestión Comercial Universidad del Pacífico. Ingeniero Informático de la PUCP. Cuenta con amplia experiencia en áreas de Business Intelligence y CRM, tecnologías de la información y comerciales. Actualmente, se desempeña como Supervisor de Proyecto BI en América Móvil – Claro. Ha sido Product Manager en Saga Falabella en el área de CRM & Research. Se ha desempeñado en áreas de Pricing e inteligencia de clientes en el sector financiero.

Doctorando en Estadística y Matemática en temas de Deep Learning parala identificación de pacientes con Covid-19. Magíster Scientiae en Estadística Aplicada (UNALM), Master en Dirección de Marketing y Gestión Comercial (EOI España), Magíster en Dirección de Marketing y Gestión Comercial (UPC), Ingeniero Estadístico de la UNI. Especialización Silicon Valley Innovation and Technology Training Program (San Francisco State University). Cuenta con 11 años de experiencia realizando modelos analíticos en el sector bancario, retail, tributario, e commerce, media, etc. Ha sido Líder Científico de Datos en SUNAT, Subgerente Adjunto de Gestión de Portafolio de Productos en el Banco de Crédito del Perú, Especialista de Business Analytics en Banco Financiero y Banco Falabella. Actualmente es líder Científico de Datos en el Grupo El Comercio. Docente de Pregrado y Posgrado en diferentes Universidades en el Perú (UNI, ESAN, U. LIMA,UNALM, UNMSM, UPC). Reconocido por San Francisco State University por contribuir de manera valiosa en el programa de entrenamiento Silicon Valley Innovation and Technolog y Program para los estudiantes del MBA dela Universidad de Lima.

Bachiller en Ingeniería Estadística de la Universidad Nacional de Ingeniería, con especializaciones en Big Data & Analytics, Innovación y Agilidad para generar Productos y Servicios y Business Intelligence & Business Analytics. Actualmente cursando la maestría de Gestión Económica Empresarial en UNMSM.

Magister en Dirección de Marketing y Gestión Comercial Universidad del Pacífico. Maestría en Estadística Matemática en UNMSM. Postgrado con especialización en Estadística Aplicada en PUCP. Ingeniera Estadística dela UNI. Cuenta con una amplia experiencia en el sector bancario. Lideró, elaboró e implementó modelos analíticos en todo el ciclo de vida del cliente. Ha desarrollado análisis cuantitativo del retorno de la inversión en las campañas comerciales relacionadas con la gestión de la información. Experto en Business Analytics, marketing analítico, modelos estadísticos y de minería de datos. CMO & CoFounder en Strategic Business Analytics – Bastrat Consulting, Ha sido especialista en Modelos analíticos en entidades financieras como Scotiabank, Banco Falabella y Mi Banco. Amplia experiencia como capacitadora y ha sido docente de la UNI. Actualmente es jefe de Business Analytics en la empresa Ideas Diferentes S.A.C.

El CFC-FIEECS se reserva el derecho de modificar la plana docente, por motivos de fuerza mayor o por disponibilidad del profesor, garantizando que la calidad del programa de especialización no se vea afectada. Toda modificación será comunicada anticipadamente a los participantes»

Horario

Clases dos veces por semana:
 
Sábados :   3:00 pm – 7:00 pm,
Domingos:  9:00 am – 1:00 pm
 

Duración

180 HORAS PEDAGÓGICAS. Cinco meses aproximadamente
 

Certificación

Se otorgará un Diploma de Aprobación del Programa de Especialización (PE) a nombre de la Universidad Nacional de Ingeniería, sólo a los que mantienen un récord de asistencia mayor o igual al 80% del total de clases programadas y con una nota igual o superior a 13. Los participantes que obtengan una nota final menor a 13 y cumplan con el mínimo de 80% de asistencia, obtendrán Constancia de Participación.

REQUERIMIENTOS

Requerimiento mínimo de equipo:
  • Contar de manera recomendada con un equipo Core i5, 16 GB RAM y 1 TB de almacenamiento.
Conocimiento mínimo e instalaciones:
  • Conocimientos de modelamiento de bases de datos relacionales (recomendado).
  • Contar con el lenguaje de programación libre R y el entorno de desarrollo interactivo (IDE) RStudio (https://rstudio.com).
  • Contar con el lenguaje de programación Python y el entorno de desarrollo interactivo Spyder, IDE multiplataforma a través de la distribución anaconda (https://www.anaconda.com/products/individual).
  • Adicionalmente se colocara en la plataforma Canvas los enlaces de los sotfwares Python, R y SQL, para que sean descargados por los alumnos del programa.

MODALIDAD ONLINE

Las clases se realizan en la plataforma ZOOM, dentro de esta plataforma podrás:
  • Contar con con un docente dictando la clase en vivo y conectado durante todo el tiempo que dure la sesión.
  • Hacer preguntas o comentarios al docente en tiempo real (hablado o por chat).

AULA VIRTUAL

Comprometidos con la transformación hacia la educación digital, presentamos CANVAS: una amigable plataforma que le permite al estudiante tener mayor facilidad para encontrar su material de estudio y participar de las actividades programadas durante el ciclo, tales como: foros, tareas, evaluaciones, etc.

INVERSIÓN

Promoción Pronto Pago: Hasta el 21 de JULIO
Pago al contado
S/. 3150.00
Inversión Individual:  
Pago al contado
S/. 3500.00
 

Pago en cuotas: S/3850.00
1. S/. 963.00
2. S/. 963.00
3. S/. 962.00
4. S/. 962.00

Inversión Grupal: (mínimo 3 personas)
Pago al contado
S/. 3150.00
 

Pago en cuotas: 
1. S/. 788.00
2. S/. 788.00
3. S/. 788.00
4. S/. 788.00

Inversión Docentes y Administrativos UNI: 
Pago al contado
S/. 1750.00
 

Pago en cuotas: 
1. S/. 440.00
2. S/. 440.00
3. S/. 440.00
4. S/. 440.00

MATRICULA

Para poder matricularse al PE, debe solicitar la ficha de preinscripción y enviar al correo cfc.fieecs@uni.edu.pe, los siguientes documentos:

  • Escaneo de DNI a color (los 2 lados y en PDF).
  • Ficha de pre-inscripción, se solicita por correo o por wsp (en PDF).
  • Foto tamaño carnet (en png o jpg).
  • Comprobante del pago de matrícula y 1° cuota (en png o jpg).
  • Si eres egresados: Escaneo de su constancia de egresado o grado de bachiller o título (en PDF).
  • Si eres alumno de pre grado: (8° al 10° ciclo) escaneo de su malla curricular con sus respectivas notas (en PDF).

LUGAR DE PAGO

Previa solicitud de orden de pago al correo cfc.fieecs@uni.edu.pe, indicando su nombre, DNI y monto. En caso desee factura indicar el RUC y los datos de la persona o empresa.

DATO IMPORTANTE

  • De no cumplir con el quorum requerido (18 personas) CFC-FIEECS, se reserva el derecho de postergar el inicio de clase del PE.
  • El diploma de aprobación y/o constancia de participación serán emitidos de forma DIGITAL, ya que la FIEECS cuenta con una plataforma oficial de certificación digital.
  • Alternativamente se podrá emitir certificados en físico previo pago de un costo adicional.

Informes e Inscripciones

Formulario

El llenado del formulario no significa la reserva de su vacante.

Contáctenos

Rellena los datos