Magíster en Analítica para los Negocios

Pontificia Universidad Católica de Chile

Duración del programa

24 meses

Plan de estudios

MANE malla curricular

Cursos mínimos

  • Estrategias de negocio en la era digital
  • Ingeniería de datos.
  • Toma de decisiones basadas en datos.
  • Análisis de datos en Python.
  • Minería de datos con R.
  • Visualización de datos.
  • Machine Learning.
  • Modelos analíticos.
  • Liderazgo para generar impacto.
  • Procesamiento de datos masivos.
  • Seminario de graduación I.
  • Seminario de graduación II.
  • Seminario de graduación III.

Cursos optativos

  • Analítica de operaciones.
  • Analítica de cliente.
  • Minería de procesos.
  • Seguridad, privacidad y protección de datos.
  • Analítica y estrategia de precios.
  • Sistemas recomendadores.
  • Analítica de personas.
  • Métodos empíricos en finanzas.
  • Deep Learning.
  • Análisis de redes sociales.
  • Financial Technology (FinTech).

Conoce los temas en detalle:

Estrategias de negocio en la era digital: 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 y las 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.

Ingeniería de datos: En este curso los y las 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.

Toma de decisiones basadas en datos: 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.

Análisis de datos en Python: Este curso busca que los y las estudiantes logren comprender cómo el uso adecuado y eficiente de Python como herramienta computacional para el análisis de datos, puede mejorar su toma de decisiones dentro de su organización. Para ello, se introducirán los conceptos básicos y generales del análisis de datos, se revisará la importancia de visualizar e identificar valor en los datos y cómo los distintos métodos descriptivos, predictivos, y prescriptivos permiten evidenciar oportunidades y justificar decisiones. Para ejemplificar estos conceptos y su desarrollo a través de Python, se verán casos prácticos en industrias diversas.

Minería de datos con R: 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.

Visualización de datos: En este curso los y las 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 estará orientado a estudiantes con experiencia previa en programación.

Machine Learning: En este curso se introducen los conceptos fundamentales del Aprendizaje de Máquina y las metodologías que se utilizan en esta disciplina. En particular, el y la estudiante aprenderá los principios básicos de inferencia inductiva revisando algunas de las técnicas más utilizadas, que le permitirán crear programas que aprenden cómo resolver una tarea sin haber sido programados previamente para ello.

Modelos analíticos: 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.

Liderazgo para generar impacto: Este curso busca que los y las estudiantes puedan aumentar su capacidad de influencia, desarrollando las competencias necesarias para ejercer un liderazgo efectivo en las personas de su equipo, de otras áreas y de su organización. Que sean capaces, en entornos ágiles, de liderar y/o conformar buenos equipos de trabajo. Equipos en que los integrantes logren colaborar, comunicarse efectivamente y valoren la diversidad, para así lograr sinergia y resultados de excelencia.

Procesamiento de datos masivos: En este curso, los y las estudiantes aprenderán a trabajar con datos masivos, ya sea estructurados o semiestructurados, a recolectar información desde fuentes web, y a hacer análisis basados en descripciones de los sets de datos. Metodológicamente, en el curso se trabaja con aprendizaje basado en problemas, en donde todas las semanas se orientan a resolver un problema en particular.

Seminario de graduación I: La actividad final consiste en un seminario dividido en tres partes, en el cual los y las estudiantes desarrollan un proyecto que resuelve un problema real de una organización, a través del análisis de datos. Esta organización puede ser una empresa, un organismo público, una ONG, o un emprendimiento. En el Seminario de Graduación I, se deberá definir la problemática organizacional que requiere ser abordada, evaluar la disponibilidad de datos, identificar las técnicas analíticas que se utilizarán para abordarla, y se deberá proponer un plan de trabajo.

Seminario de graduación II: En la segunda parte de la actividad final, el Seminario de Graduación II, se deberá obtener, depurar y estructurar los datos utilizados para resolver la problemática organizacional. El proyecto deberá usar datos y metodologías de análisis orientadas a resolver el problema planteado y mejorar la toma de decisiones que enfrente la organización.

Seminario de graduación III: En la tercera y última parte de la actividad final, se deberá aplicar las metodologías analíticas necesarias para resolver la problemática organizacional definida, analizar los resultados obtenidos, y proponer recomendaciones para la toma de decisiones.

Analítica de operaciones: El curso se centra en cómo se pueden utilizar los datos para hacer coincidir de manera rentable la oferta con la demanda en diversos entornos de negocio. El o la estudiante aprenderá cómo modelar las incertidumbres de la demanda futura, cómo predecir los resultados de elecciones entre políticas alternativas, y cómo elegir el mejor curso de acción frente al riesgo. Se analizarán casos de negocio reales, métodos y software disponibles para abordar estos desafíos cuantitativamente. El énfasis está en el uso práctico de herramientas analíticas para maximizar los objetivos operacionales más que en los detalles de los modelos.

Analítica de cliente: El curso introduce a las herramientas analíticas más utilizadas en marketing, para entender mejor al cliente y predecir su respuesta ante acciones de marketing alternativas. Se incluyen: introducción a modelos estadísticos y de machine learning aplicados a la predicción de fuga y direccionamiento de campañas; y el uso de herramientas de analítica causal en la evaluación de iniciativas en los ámbitos de adquisición y retención de clientes. Se utiliza el enfoque científico del marketing, mediante el uso de tecnologías y software computacional para recolectar, analizar y actuar en base a la información de clientes.

Minería de procesos: El curso presenta el estado del arte en Minería de Procesos (Process Mining). Los y las estudiantes analizarán datos generados por sistemas de información sobre los procesos de negocio que apoyan, para poder entender, monitorear, analizar y mejorar dichos procesos. Se presentarán las metodologías, algoritmos y software que permiten analizar procesos de negocio a partir de los datos. Los estudiantes tendrán la oportunidad desarrollar su pensamiento crítico, entendiendo así cuál es el potencial de la Minería de Procesos y sus límites hoy.

Seguridad, privacidad y protección de datos: Este curso busca proporcionar una visión sobre la importancia de la privacidad y protección de los datos en el contexto del análisis de datos para la toma de decisiones. Se describen los marcos regulatorios internacionales sobre privacidad y protección de datos, y se enseñan los conceptos básicos y herramientas para asegurar la privacidad de los datos en las organizaciones

Analítica y estrategia de precios: El curso desarrolla los conceptos y herramientas analíticas de precios bajo la perspectiva de marketing y como parte integrante de una estrategia comercial de la empresa. Se analizan los diversos factores que influyen en la determinación de una estrategia de precios de una empresa, tales como los costos, la demanda y la competencia, entre otros. Se profundiza en el rol de la información, datos de demanda y modelos analíticos, en la toma de decisiones de precios.

Sistemas recomendadores: Los sistemas recomendadores tienen como objetivo ayudar a un usuario o a grupos de usuarios a filtrar y descubrir información relevante, de manera personalizada, desde grandes volúmenes de datos. En este curso, los y las estudiantes estudiarán los principales algoritmos usados para generar recomendaciones, las fuentes de datos usadas por dichos algoritmos, y diversas formas de evaluar la calidad de un sistema recomendador. El curso se desarrollará a través de videos y algunas lecturas, así como con evaluaciones incrementales con alternativas, y con evaluaciones prácticas donde deben programar en lenguaje Python.

Analítica de personas: Se espera que los y las estudiantes logren comprender y analizar variables claves del comportamiento organizacional y la gestión de personas, para potenciar decisiones que agreguen valor al negocio. En este curso se analiza el impacto que la gestión de personas tiene en los resultados de las empresas y se exploran variables a nivel individual, grupal y organizacional que impactan en la efectividad organizacional. A partir del desarrollo de ejercicios, casos, y simulaciones, los estudiantes serán capaces de medir de manera válida y confiable variables asociadas a las personas y generar información clave para la toma de decisiones estratégicas.

Métodos empíricos en finanzas: Este curso es una introducción a métodos empíricos usados en finanzas. Esto significa la aplicación de técnicas estadísticas y econométricas para testear diversas hipótesis y modelos de la teoría financiera. El curso supone un conocimiento previo básico en estadística y econometría por parte de los y las estudiantes. Al inicio del curso se repasarán algunos temas básicos de econometría y finanzas. Esto se logrará a través de clases de online, clases sincrónicas, lecturas y la realización de proyectos o tareas. La evaluación del curso será mediante evaluaciones formativas y sumativas, entregas de proyectos o tareas y participación en foros, entre otras.

Deep Learning: El gran poder del deep learning radica en su habilidad para identificar regularidades, o patrones, en datos de manera automática. Además, su rendimiento suele ser muy superior al del resto de las técnicas de aprendizaje de máquina. El objetivo de este curso es proveer los conocimientos necesarios para utilizar deep learning de manera efectiva. Para ello, es necesario entender cómo funciona y por qué. Todo contenido teórico es visto en vías de entender los principios prácticos que hacen funcionar deep learning.

Análisis de redes sociales: En este curso los y las estudiantes aprenderán los conceptos básicos, modelos principales para generar grafos y metodología de inferencia estadística para la investigación de redes sociales. Además, los estudiantes serán capaces de comparar teorías y metodologías desde distintas disciplinas como estadística, ciencia de la computación y ciencias sociales. En particular, los estudiantes adquirirán herramientas para visualizar, representar, estimar y extraer patrones significativos de redes sociales.

Financial Technology (FinTech): En los últimos años, los cambios experimentados por la industria financiera no sólo se remiten a la utilización de grandes volúmenes de datos, sino que también incluyen tecnologías disruptivas como blockchain que permiten la aparición de nuevos activos financieros (criptoactivos). En este curso los y las estudiantes podrán comprender de mejor manera el impacto de la tecnología sobre los modelos de negocios de empresas del área financiera. Lo anterior se logrará a través de clases expositivas (sincrónicas y asincrónicas), lecturas y tareas. Los y las estudiantes serán evaluados a través de controles sobre la bibliografía mínima y los tópicos discutidos en clase, participación en foros y un trabajo individual que englobará los principales temas vistos durante el curso.

Download Coursera's mobile app

Download on the App StoreGet it on Google Play

Coursera no otorga crédito académico y no garantiza que una institución académica, aparte de la institución que otorga el título, reconocerá el crédito o la credencial otorgada por la institución. La decisión de otorgar, aceptar o reconocer crédito académico, está sujeta a la discreción única y absoluta de una institución educativa.

Antes de presentar su solicitud al programa, recomendamos investigar si este título cumple con sus necesidades académicas y / o profesionales.