| N° |
Objetivo |
Contenido |
Horas Teóricas |
Horas Prácticas |
Horas E-learning |
| 1 |
Unidad 1: Al Termino De Esta Unidad Los Alumnos Podrán: Conocer Los Aspectos Introductorios De Variados Tópicos Que Están Estrechamente Relacionados A La Inteligencia De Negocio, Para La Realización De Un Proyecto De Bi, Identificando Casos Prácticos De Empresas Chilenas Privadas Y Publicas Exponiendo Los Principales Beneficios Y Dificultades De La Puesta En Marcha De Un Proyecto De Bi |
Módulo 1: Introducción Al Business Intelligence Y Al Marketing Cuantitativo. 1. Introducción Al Business Intelligence; 2. Introducción Al Análisis Multidimensional Y Olap; 3. Introducción A La Minería De Datos. 4. Taller 5. Evaluación 1 |
2 |
4 |
0 |
| 2 |
Unidad 2: Al Termino De Esta Unidad Los Alumnos Podrán: Definir E Identificar Información Clave Para Las Organizaciones Mediante Un Modelo De Datos, Diseñar Integración De Estos Sistemas Dentro De Las Organizaciones Y Construir Modelos Conceptuales Incorporando Enfoques De Solución Multidimencionales |
Módulo 2: Analisis Multidimensional (Olap) Y Datawarehousing 1. La Información Como Un Activo Importante De La Empresa. 2. Definición Y Desarrollo De Bases De Datos Y Sistemas Transaccionales. 3. Data Warehouses Y Data Marts. 4. Procesos De Extracción, Transformación Y Carga De Datos. 5. Análisis Multidimensional: Oltp Y Olap 6. Configuración De Particiones Y Distribución Física De Una Base De Datos Multidimensional. 7. Casos Y Ejemplos De Proyectos De Data Warehousing Y Proyectos De Análisis Multidimensional. 8. Taller 9. Evaluación 2 |
8 |
10 |
0 |
| 3 |
Unidad 3: Al Termino De Esta Unidad Los Alumnos Podrán: Conocer Diversas Herramientas De Análisis Multidimensional, Para Interactuar De Manera Eficiente En La Constricción De Cubos Multidimencionales Y Ser Capaces De Configurar Estas Herramientas Con La Finalidad De Obtener El Máximo Desempeño De Estas. |
Módulo 3: Herramientas De Análisis Multidimensional. 1. Caracterización De Las Distintas Herramientas Presentes En El Mercado. 2. Guías Para Una Correcta Utilización De Una Herramienta De Análisis Multidimensional. 3. Estructuras Multidimensionales Y Representaciones De Hipercubos. 4. Jerarquías Dentro De Una Dimensión. 5. Definiendo La Granularidad De Un Hipercubo. 6. Cálculos Y Fórmulas Dentro Del Análisis Multidimensional. 7. Visualización De Datos Y Casos De Visualización Analítica. 8. Taller 9. Evaluación 3 |
8 |
10 |
0 |
| 4 |
Unidad 4: Al Termino De Esta Unidad Los Alumnos Podrán: Conocer E Identificar Los Conceptos Y Aspectos Que El Performance Management Contempla, Así Como Identificar Su Interrelación Con Las Tradicionales Herramientas De Bi, Para Fomentar Un Cambio Organizacional Incorporando Las Buenas Prácticas Y Herramientas Que Esta Disciplina Contiene. |
Módulo 4: Performance Management 1. Fundamentos Del Performance Management 2. Formulación Estratégica. 3. Medidas Financiera Y No Financieras 4. Ciclo Del Performance Management. 5. Modelos De Control De Gestión. 6. Kpis. 7. Balanced Scorecard. 8. E.V.A. 9. Costeo Basado En Actividades 10. Taller - Evaluación 4 |
8 |
10 |
0 |
| 5 |
Unidad 5: Al Termino De Esta Unidad Los Alumnos Podrán: Identificar Y Aplicar Herramientas Y Estrategias Efectivas, Que Permita Desarrollar Iniciativas De Relacionamiento Y Fidelización De Clientes Con Una Base Conceptual Centrada En La Captura, Almacenamiento Y Posterior Uso De La Información Procesada Mediante Las Diversas Técnicas Que Son Material Central Del Bi |
Módulo 5: Aplicaciones Bi A La Gestión De Clientes. 1. Fundamentos De Bi Y Gestión De Clientes 2. Planteamientos De La Fidelización 3. Visión Emocional Y Racional 4. Bi Y Modelos De Medición De Rentabilidad De Clientes 5. Bi Y El Modelo Factorial De La Fidelidad De Clientes 6. Aplicaciones De Bi En La Gestión De Clientes 7. Calidad De Servicio V/S Satisfacción De Clientes 8. Bi Y Control De Gestión En Fidelización 9. Herramientas Crm Y Bi En La Gestión De Clientes 10. Bi Y La Estructura Orientada Al Cliente 11. Taller 12. Evaluación 5 |
8 |
10 |
0 |
| 6 |
Unidad 6: Al Termino De Esta Unidad Los Alumnos Podrán: Conocer E Identificar Los Principales Modelos De Minería De Datos, Heurísticas Para La Selección De Atributos Relevantes Y Se Revisarán Las Principales Metodologías Para El Tratamiento De Los Valores Extremos E Inconsistencias Dentro De Las Bases De Datos |
Módulo 6: Modelos Analíticos Y Minería De Datos 1. Fundamentos De Los Modelos Analíticos Y Minería De Datos 2. Proceso Kdd: Knowledge Discovery In Databases 3. Modelos De Minería De Datos 4. Análisis De Casos Aplicados A La Industria 5. Taller 6. Evaluación 6 |
10 |
11 |
0 |
| 7 |
Unidad 7: Al Termino De Esta Unidad Los Alumnos Podrán: Aplicar Y Desarrollar Prototipos De Modelos De Minería De Datos, Analizando Problemáticas Reales Donde Se Tengan Que Aplicar Todos Los Conceptos Y Metodologías Para Resolver Dicha Problemática De Negocio, Mediante El Apoyo De Un Software Acorde A Los Requerimientos Del Problema |
Módulo 7: Herramientas Para La Construcción De Modelos De Minería De Datos. 1. Construcción De Modelos De Minería De Datos. 2. Aplicación Del Proceso Kdd. 3. Análisis De Casos Prácticos 4. Taller 5. Evaluación Final |
10 |
11 |
0 |