Introducción a la analítica de datos

• Fundamentos y ciclo de vida de la analítica de datos: importancia, tipos de análisis, recolección y preparación de datos, limpieza y transformación, mejores prácticas.
• Interpretación y aplicación estratégica de resultados: análisis descriptivo, visualización de datos, conversión de datos en decisiones accionables.

Fundamentos de negocios para la analítica de datos

• Principios básicos y áreas funcionales de la gestión empresarial: estructura organizativa, modelos de negocio, procesos internos, contabilidad y finanzas, marketing, operaciones.
• Rol de la analítica de datos en los negocios: aplicaciones en las áreas funcionales, mejora de la eficiencia, apoyo a la toma de decisiones estratégicas.

Fundamentos de visualización de datos para negocios

• Principios y diseño de visualización de datos: tipos de gráficos, claridad y precisión en la representación de datos, selección de visualizaciones, creación de dashboards efectivos.
• Visualización como herramienta estratégica: interpretación de visualizaciones, uso de dashboards en la toma de decisiones empresariales.

Modelamiento de datos para soluciones empresariales

• Fundamentos y diseño de modelamiento de datos: bases de datos relacionales, introducción a SQL, creación de esquemas relacionales, normalización de datos, tablas y relaciones con SQL.
• Optimización y aplicación empresarial: casos de negocio, alineación de modelos de datos con objetivos estratégicos.

Fundamentos de estadística para negocios

• Fundamentos y análisis estadístico empresarial: tipos de datos, medidas de tendencia central, medidas de dispersión, correlación, conceptos básicos de regresión.
• Aplicación de la estadística en negocios: tendencias y patrones, interpretación de resultados estadísticos, uso en decisiones empresariales.

Gobernanza de datos y soluciones analíticas empresariales

• Fundamentos de la gobernanza de datos: calidad, seguridad y privacidad de la información, políticas de datos orientadas al negocio y a la toma de decisiones.
• Soluciones analíticas y toma de decisiones: extracción de insights, estudios de caso sobre innovación y decisiones estratégicas.

Bases de datos y gestión de la información

• Manipulación de datos con SQL: consultas SQL básicas y avanzadas, de joins, funciones de agregación para análisis de datos, gestión de vistas para análisis empresarial, procedimientos almacenados y funciones para optimizar procesos de datos.
• Interpretación y aplicación estratégica de resultados: análisis descriptivo, visualización de datos, conversión de datos en decisiones accionables.

Programación para analítica de datos

• Fundamentos y manipulación de datos en Python: estructuras de datos, control de flujo, funciones, bibliotecas, limpieza y transformación de datos, automatización de tareas con scripts.
• Conexión y visualización de datos: integración con bases de datos mediante bibliotecas como SQLAlchemy, análisis avanzado con Python, visualización de datos con Matplotlib y Seaborn.

Storytelling y comunicación de datos para negocios

• Fundamentos y técnicas de storytelling con datos: comunicación de datos, visualizaciones efectivas, estructuración de historias con datos, transformación de datos complejos en mensajes claros, técnicas narrativas para audiencias empresariales.
• Aplicación práctica en decisiones empresariales: creación de presentaciones impactantes, estudios de caso, comunicación de insights.

Herramientas para automatización y limpieza de datos

• Fundamentos de automatización y limpieza de datos: conceptos básicos de automatización, importancia de la calidad de datos, introducción a herramientas en la nube.
• Creación de flujos de trabajo automatizados: diseño de pipelines para recolección de datos, transformación automatizada, integración con servicios en la nube.

Data warehousing para negocios

• Fundamentos del data warehousing: conceptos básicos de almacenes de datos, importancia en el análisis empresarial, principios de arquitectura de data warehousing.
• Proceso ETL y gestión de datos: diseño e implementación del proceso ETL, integración de fuentes de datos diversas, aseguramiento de la calidad y relevancia de la información.
• Optimización y aplicación empresarial: centralización de datos para análisis avanzado, soporte a decisiones estratégicas del negocio.

Elaboración del proyecto de tesis

• Definiciones fundamentales de investigación.
• Planteamiento del problema de investigación.
• Marco teórico e hipótesis de investigación.
• Marco metodológico de investigación y aspectos administrativos.

Modelos predictivos para negocios

• Fundamentos de modelos predictivos: introducción a la analítica predictiva, regresión y clasificación, uso de datos históricos en negocios.
• Construcción y validación de modelos: técnicas de regresión, métodos de clasificación, evaluación y validación de modelos predictivos.
• Aplicación en decisiones empresariales: predicción de tendencias y comportamientos, optimización de procesos comerciales, integración de modelos en estrategias de negocio.

Toma de decisiones y estrategia de negocios para analítica de datos

• Fundamentos de la analítica estratégica: rol de la analítica en la toma de decisiones, datos como activo competitivo, técnicas analíticas avanzadas.
• Modelos y metodologías para decisiones empresariales: modelos predictivos y prescriptivos, optimización de decisiones, evaluación de impacto en áreas funcionales.
• Aplicación práctica y estrategia organizacional: estudios de caso sobre analítica avanzada, implementación de soluciones analíticas, alineación con estrategias comerciales.

Seminario de tesis I

• Revisión del planteamiento del problema de investigación.
• Revisión del marco teórico e hipótesis de investigación.
• Revisión del marco metodológico de investigación.
• Elaboración de instrumentos de recolección de datos.

Técnicas avanzadas de Excel para negocios

• Análisis avanzado de datos en Excel: funciones avanzadas para segmentación de datos, manejo de estructuras de datos complejas con tablas dinámicas, técnicas de filtrado y ordenamiento condicional para grandes volúmenes de datos.
• Técnicas de optimización analítica en Excel: análisis de sensibilidad mediante tablas de datos.

Desarrollo rápido de aplicaciones con NoCode y LowCode

• Fundamentos de NoCode y LowCode con Power Apps: características y capacidades de Power Apps, conceptos básicos de desarrollo ágil.
• Personalización avanzada y conectividad en Power Apps: conectores personalizados para integrar herramientas externas (SharePoint y Microsoft 365), diseño responsivo avanzado, lógica condicional en flujos de trabajo sin código.

Aplicaciones empresariales de inteligencia artificial

• Introducción a la inteligencia artificial en negocios: conceptos básicos de IA, ejemplos iniciales de su uso en empresas, importancia.
• Herramientas y procesos para implementar LLM: plataformas de IA con soporte para LLM (Azure OpenAI, Google Vertex AI), recolección y preprocesamiento de datos textuales para entrenar o ajustar LLMs, evaluación de rendimiento y fine-tuning de modelos de lenguaje.
• Implementación de modelos de IA en entornos empresariales: integración de un modelo de IA preexistente con sistemas empresariales (ERP o CRM), configuración de flujos de datos en tiempo real para alimentar el modelo, monitoreo y mantenimiento del modelo.

Seminario de tesis II

• Validación de instrumentos de recolección de datos.
• Recolección de datos de investigación.
• Análisis de resultados de investigación.
• Discusión de resultados de investigación.

Seminario de tesis III

• Conclusiones y recomendaciones de investigación.
• Páginas preliminares de investigación.
• Revisión del informe de investigación.
• Sustentación previa del informe de investigación.