Contenido
La democracia de la información emergerá en empresas con pensamiento vanguardista, con la información de la inteligencia del negocio y las aplicaciones disponibles para los empleados, los consultores, los clientes, los proveedores y el público en general. La información será la clave para prosperar en un mercado competitivo. La toma de decisiones financieras basadas en información exacta y actual toma más valor que la intuición.
Análisis de datos, reportes y herramientas de búsqueda pueden ayudar a los usuarios a navegar por un inmenso mar de datos y sintetizar la información valiosa - hoy este tipo de herramientas se clasifican como Inteligencia de Negocio (Business Intelligence). Gartner Group, 1996.
Las áreas que la Inteligencia de Negocio cubre son prácticamente todas las funciones administrativas y operativas del negocio; pero no siempre fue así, hasta mediados de los 90´s las empresas medían su desempeño sólo en términos financieros (Rentabilidad, ROI, ROCE, EVA, etc.), que si bien son importantes, estaban dejando de lado el monitoreo y seguimiento de áreas sumamente importantes como la manufactura, las ventas, los recursos humanos, compras y proyectos estratégicos por mencionar algunas.
Esta visión integral del monitoreo del desempeño del negocio, permite a las organizaciones tomar decisiones, dar seguimiento y establecer planes de acción para poder alcanzar un objetivo de la empresa. Los indicadores de desempeño de la organización, o por sus siglas en inglés KPI (Key Performance Indicator) son la representación gráfica de la situación de un área específica.
Actualmente este concepto no se limita sólo al monitoreo del desempeño del negocio, sino que también incluye conceptos como los escenarios de simulación y planeación, los cuales se basan o se diseñan a partir de información actual y exacta del negocio.
Módulo
1 Análisis Inteligente de datos
2 Data Warehousing
3 Data Mining
4 Tablero de Control
5 Sistemas de Soporte de Decisión
Presentación del Trabajo de Aplicación
Maestría en Data Mining - MDM
Aprobada por el Ministerio de Educación, Ciencia y Tecnología, Resolución Nº 1712/06.
Beneficios para los Graduados del "PIN"
A los graduados del presente programa se les considerará aprobado el Test de Admisión y podrán acreditar la asignatura “Sistemas de Soporte de Decisión” - con sólo rendir la evaluación correspondiente - en la Maestría en Data Mining – MDM que dicta la Universidad Austral.
Director del Programa
* Juan M Ale
Doctor en Ciencias de orientación Informática, Universidad Nacional de La Plata.
Licenciado en Ciencias de la Computación, UBA; Licenciado en Ingeniería de Sistemas; UBA. Computador Científico, UBA.
Consultor en Bases de Datos y Business Intelligence.
Director de la Maestría en Data Mining, Universidad Austral.
Profesor titular en carreras de grado y posgrado en UBA, UNLP y Universidad Austral.
Cuerpo Docente
* Esteban Alonso
Computador Científico, UBA
CEO de SWAP S.A. y consultor de Servicios Profesionales de Consultoría en IT.
Fue profesor en la UBA y actualmente es profesor en la Universidad Austral.
* Jose Alvarez
Licenciado en Psicología, UBA.
Profesor adjunto en la FCEyN, UBA
Consultor en Data Mining y aplicaciones de Inteligencia Artificial y Tecnologías del Lenguaje.
* Alejandro Gabriel Capillo
Ingeniero Industrial, ITBA
Master en Dirección de Empresas, IAE.
Gerente de Negocios de Solfrut.
Profesor part-time, IAE y en la Facultad de Ingeniería de la Universidad Austral.
* Gustavo Denicolay
Ingeniero en Computación, UROU.
Licenciado en Informática, Escuela Superior Latinoamericana de Informática.Master en Dirección de Empresas, CEMA.
Profesor UBA y Profesor en la Maestría en Data Mining, Facultad de Ingeniería, Universidad Austral.
* Conrado Estol
Bachelor of Aeronautical Engineering, New York University, EE.UU
Master of Aeronautical Engineering, New York University, EE.UU.
Doctor en Ciencias de la Administración, Universidad de Belgrano, Buenos Aires, Argentina.
Miembro del Consejo Académico del ITBA. Profesor visitanteen el International Management Programme (IMF), École de Management de Reims, Francia.
Fué socio de Price Waterhouse & Co., Argentina. Actualmente se desempeña como asesor de empresas en el área de IT.
* Ricfardo Luis Ferre
Ingeniero en Sistemas de Información, UTN
Socio de SWAP S.A. y consultor en Datawarehousing.
Fue profesor en la UTN y actualmente es profesor en al Universidad Austral.
Contenido Académico
Módulo 1. Análisis Inteligente de Datos
Características principales del análisis de datos y etapas. Propiedades fundamentales de los datos, tipos, escalas, ruido, dimensionalidad, etc. Análisis exploratorio: herramientas y tareas. Herramientas descriptivas. Principales estadìsticos y distribuciones; análisis de frecuencias, tests de normalidad, estimaciones de asociaciones, etc. Herramientas gráficas, interactivas y no interactivas, diagramas de barras, gráficos de dispersiones, gráficos multidimensionales, jittering, ajuste de curvas. Transformaciones de datos: de la distribución, discretización, estandarización. Patologías en los datos, técnicas de detección de outliers uni- y multidimensionales, técnicas de imputación, de identificación de casos duplicados, atípicos y herramientas de validación. Muestreo y reducción de dimensionalidad. Técnicas de muestras complejas y componentes principales. Construcción de variables. Ejercitacion de cada tema usando SPSS.
Módulo 2. Data Warehousing
Arquitectura, procesos y componentes. Integración de datos, diversas arquitecturas. Proceso de Extracción, Transformación y carga. Implementación. Modelos multidimensionales. Esquema Estrella y snowflake. OLAP, MOLAP, ROLAP y HOLAP. Metadata. Ciclo de vida del desarrollo de un data warehouse. Procesamiento y optimización de consultas. Conceptos de calidad en data warehousing. Herramientas de explotación de un data Warehouse. Productos comerciales.
Módulo 3. Data Mining
Etapas del proceso de data-mining. Metodologías. Diversas tareas, técnicas y algoritmos. Modelos predictivos. Técnicas de árboles de decisión, redes neuronales. Regresión lineal y logística. Comparación de modelos. Reglas de asociación, el problema de análisis de canasta de mercado. Clustering: medidas de distancia, dimensionalidad, distintos enfoques. Diversas aplicaciones: oferta de productos, churn o attrition, detección de fraudes, detección de intrusos. Mining de textos. Búsquedas en la Web y Web-mining.
Módulo 4. Tablero de Control
Visión estratégica de los sistemas de soporte de decisión. El control de la gestión en las organizaciones: Contenido de los sistemas de control de gestión. Del control burocrático a la delegación con control. Incorporación de nuevas dimensiones de la gestión.
Medición del desempeño: Selección de indicadores. Características de un buen indicador. Fuentes de información. Práctica de selección y determinación de indicadores: Caso John Harvard's. Tableros de control: Tipos de tableros. Caso Telefónica de Argentina. Balanced scorecards: Modelo de gestión BSC. Caso Mobil.
Módulo 5. Sistemas de Soporte de Decisión
Visión tecnológica de los sistemas de soporte de decisión. Introducción a los Sistemas de Información: DSS, EIS y para BSC. Desarrollos internos de software vs compra de un “paquete” de software y problemas típicos de una implantación: forewarned vs forearmed. Selección y análisis del software disponible en mercado para implementar Tableros de Control y BSC.
Trabajo de Aplicación
El objetivo del Trabajo de Aplicación es lograr que el profesional aplique los conocimientos adquiridos, en problemas encontrados en su puesto de trabajo, con el fin de evaluar la capacidad del profesional en detectar, evaluar y resolver situaciones de su quehacer diario empleando esta nueva visión de los negocios. El Trabajo de Aplicación se realiza en forma grupal y debe ser expuesto frente al resto de los participantes durante la última jornada del programa.
Trabajos de Aplicación realizados durante las anteriores ediciones:
* Aplicación de Data Mining al problema de Attrition en un empresa de Atención Médica.
* Proyecto Desarrollo e Implementación de Data Warehousing.
* Un Modelo de Detección de Fraudes.
* Aplicación de Técnicas de BI al problema de baja en las ventas.
* Aplicación de técnicas de BI para optimizar las operaciones en una empresa de servicios profesionales en IT.
* Aplicación de Data Mining en Marketing.
* Aplicación de Inteligencia de Negocio en el Hospital Naval.
* Inteligencia de Negocios en Entidades Financieras.
* Aplicación de Inteligencia de Negocio en Empresas de Servicios de Salud.
* Análisis de deudores para la determinación del capital mínimo inmovilizado en instituciones financieras.
* Análisis de Attrition en bancos.
* Relevamiento y análisis de indicadores para la elaboración de un Tablero de Control.
* Ranking de indicadores de un tablero de control empleando Análisis Estructural.
Perfil de los participantes
El perfil de los participantes a ediciones anteriores fue el siguiente:
Empresas:
Aluar, Banco Comafi, Banco Galicia, Banco Central, Banco Francés, Banco Río, Banco Societe Generale, Bank Boston, Cetelem Gestión, Consolidar Salud, Consultores Traverso & Asoc., Correo Argentino, El comercio Cia. de Seguros, Hospital Naval, HST, IBM, Internacional Health Services Arg., Janssen Cilag Farmaceútica, Klabin Argentina, Laboratorios Raffo, m2-maketimetrics, Monsanto Argentina, NCR Arg., Neoris Argentina, Provincia Salud, Hospital Francés, Repsol – YPF, Sherwin – Williams, SKF, Soluciones Tecnológicas, Solvay Indupa, Telecom, Telefónica, Tiempo Real Consultores, Universidad Austral, Wyeth.
Cargos:
Jefe Gestión Informática, Analista Inteligencia de Mercado, Analista de Sistemas, Gerente ded Administración de Ventas, Director, Gerente, Gerente de Planta, Ingeniería, Seniro Consultant, BI Product Manager, Jefe de Trabajos Prácticos, Jefe de Investigación de Mercado, Analista Sr., Jefe Departamento, Líder de Proyectos, Subgerente, Jefe de Auditoría Médica, Competitive Intelligence, Coordinadora de IT, Jefe CS Data Warehouse, Jefe de Proyectos, Gerente de Información de Negocios, Responsable de Investigación Comercial, Consultor BI, Gerente, Gerente de Producto, Jefe Depto. Personal, Jefe Proyecto Informático, Director Ejecutivo, Jefe Depto. Técnico, Subdirector Administrativo, Docente, Marketing Database Team Leader, Analista de Productos – Gestoría DW, Business Director, Jefe de Sistemas, Gerente de Sistemas, Analista ded Presupuesto, Gerente de Producto, Analista Programador Senior, Responsable de Inteligencia Artifical y Marketing, Gerente Exploración de Datos, Auditor Interno, Analista Sistemas Expertos, Gerente, Presidente, Gerente Proyectos Especiales, Exploración de Datos.
Requisitos de Admisión
* Ser graduado en una carrera universitaria de 4 a más años de duración.
* Acreditar experiencia profesional.
* Poseer conocimientos generales de base de datos, algoritmos y estadística.
* Lectura de material en inglés.
Régimen de Promoción
* Contar con una asistencia mínima del 75%.
* Completar la lectura individual del material entregado semanalment.
* Aprobar el Trabajo de Aplicación final.
