Diplomado en Inteligencia de Negocios: Estrategia de Datos y Business Analytics (Versión en Línea)

Módulo 1: Inteligencia de Negocios: de datos a decisiones y ventaja competitiva

1.Datos como activo: historia, antecedentes y contexto

2. De registros a información: estructura útil para decidir
3. Qué es BI y para qué sirve en la organización
4. Lenguaje, indicadores y toma de decisiones (enfoques de ciencias cognitivas)
5. Errores típicos por datos erróneos y recomendaciones para evitarlos
6. Roles, funciones y responsabilidades en proyectos de BI

7. Estrategia de negocio: objetivos, metas, tácticas y planeación
8. Estrategia de datos: qué medir y con qué información
9. Inteligencia accionable: indicadores que orientan decisiones y acciones.

10. Integración del sistema: personas, procesos, tecnología, normatividad e información
11. Gobierno de datos y catálogos maestros (por qué importan)
12. Modelado en Tableau: retos de consistencia, visualización y negocio
13. Definición del proyecto integrador y presentación de casos reales

Módulo 2: Arquitectura de datos para el análisis de Negocio

1.Origen de los datos: sistemas operativos y transaccionales
2. Datos transaccionales: características y limitaciones para análisis
3. Datos analíticos: históricos, comparables y orientados a negocio.
4. Transformación: qué conservar y qué descartar
5. Importancia del modelado analítico para el éxito del BI
6. Fundamentos: hechos, dimensiones, granularidad, llaves y jerarquías
7. Modelos estrella y copo de nieve: diferencias y uso
8. Análisis multidimensional: cubo, medidas y preguntas de negocio
9. Preparación de datos: ETL, calidad, limpieza, integración y enriquecimiento
10. Modelo + visualización: qué análisis habilita un buen diseño.
11. Nube como habilitador: arquitectura, seguridad y OPEX vs CAPEX.
12. Caso integrador: diseño de un almacén de datos para análisis

Módulo 3: Visualización y analítica predictiva: dashboards, storytelling e IA aplicada

1.Principios de diseño visual e interpretación
2. KPI estratégicos vs operativos: selección y uso
3. Dashboards interactivos en Power BI y Tableau (mejores prácticas)

4. Generación de insights y construcción de narrativas
5. Data storytelling y diseño narrativo
6. Evaluación del impacto de la visualización en decisiones
7. ML para negocios: conceptos y aplicaciones
8. Tipos de aprendizaje: supervisado, no supervisado y reforzado
9. Modelos predictivos: regresión, clasificación y clustering
10. Asistentes de IA para generar código/modelos: ventajas y límites.
11. Casos de aplicación: ventas, churn y segmentación
12. Selección de procesos clave por área (finanzas, producción, RH, etc.).
13. Aplicaciones por industria y análisis de riesgos/oportunidades
14. Ajuste del contenido según intereses del grupo (criterio de selección)

Módulo 4: Gobernanza, DataOps/MLOps y AI: mejores prácticas para escalar Analytics

1.Visión estratégica de Analytics & AI: tendencias, cultura data-driven y KPIs
2. Frameworks de entrega: CRISP-DM y enfoques ágiles para data teams.
3. DevOps vs DataOps vs MLOps: diferencias y aplicación
4. Madurez y gobierno: TDWI BI Maturity Model; DAMA-DMBOK, roles y RACI
5. Calidad, catálogo y lineage como controles clave
6. Creación de valor: business case, frameworks y priorización (ICE/RICE).
7. Arquitecturas modernas: Lambda, Kappa y Lakehouse; API-first y microservicios
8. Roadmap de AI con governance: capacidades, riesgos, responsables y KPIs

Módulo 5: Justificación de un Sistema de Inteligencia de Negocios

1.Construcción del caso de negocio (componente financiero)
2. Aliados internos (CFO, CIO, stakeholders): validación y patrocinio
3. Definir, crear, entregar y capturar valor en BI
4. Marco costo–beneficio para iniciativas de BI

5. Modelos de madurez como hoja de ruta de evolución
6. Métricas clave: VPN, TIR y costo de capital
7. Payback: interpretación, ventajas y limitaciones
8. Costeo de tangibles e intangibles (monetización de valor)
9. ROI: cálculo de beneficios y costos tangibles/intangibles
10. TCO: licencias, infraestructura, soporte y talento
11. Relación ROI–TCO y su uso para decidir
12. ROI en el ecosistema digital (almacenamiento, nube, SaaS, analítica e IA)
13. Caso integral: evaluación, beneficios y presentación ejecutiva ante stakeholders

Módulo 6: Enfoque directivo y estratégico de la Inteligencia de Negocios

1.Rol de directores y gerentes en decisiones basadas en datos
2. Business Model Canvas vs Modelo Delta: lectura estratégica
3. Tablero de mando: metodología para seguimiento de estrategia
4. Estrategia de Océano Azul: componentes clave
5. “Cuarto gerencial”: uso y aplicaciones corporativas
6. Frameworks para análisis del negocio y seguimiento ágil de la estrategia
7. Presentación del proyecto final aplicado a empresa/industria