Maestría en Business Analytics

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, 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

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

Acerca de la maestría