Presentación

El Diplomado en Business Analytics tiene como objetivo brindar una formación en el conocimiento y habilidades para seleccionar, aplicar y evaluar técnicas de Data Science para descubrir conocimiento que pueda añadir valor a una organización. A través de este diplomado, los estudiantes conseguirán tener un entendimiento teórico profundo y una experiencia práctica (hands-on) en la implementación de estas técnicas novedosas y emergentes en sus propias organizaciones.

Ha sido diseñado para entrenar a los estudiantes en habilidades técnicas en big data, modelado estadístico, modelado predictivo basado en Inteligencia artificial y visualización, y cómo estas pueden aplicarse en gestión financiera, marketing, social media, entre otros. Los graduados estarán posicionados para ser pioneros en el desarrollo de este campo y ser líderes en la industria, el sector público y academia.

Objetivos

El diplomado busca que los estudiantes alcancen los siguientes objetivos al finalizar el diplomado:

  • Entender la vasta cantidad de datos disponibles en los mercados de hoy para desarrollar un estrategia de negocios ganadora en sus organizaciones.
  • Aplicar y gestionar técnicas modernas de Business Analytics para solucionar desafíos críticos de negocios.
  • Trabajar con datos de diversas formas, preguntarse cuestiones relevantes, analizar y descubrir insights en los datos, usarlos y/o comunicarlos para la toma de decisiones.
  • Ser parte de un perfil profesional cada vez más demandado por las organizaciones, en numerosas industrias y disciplinas desde salud, negocios, ingeniería y ciencias sociales.
  • Saber adaptarse a la aparición de nuevas tecnologías para poder aprovechar al máximo el potencial que éstas ofrezcan.
  • Identificar oportunidades de aplicación de Business Analytics en problemas específicos de sus organizaciones, de una forma personalizada.
Perfil Egresado
  • Entender y abordar problemas de análisis de datos usando herramientas computacionales.
  • Usar modelos estadísticos, entender su poder y limitaciones.
  • Visualizar datos para exploración, análisis y presentación.
  • Aplicar algoritmos analíticos en grandes volúmenes de datos.
  • Organizar, ejecutar, reportar y presentar un proyecto de Business Analytics del mundo real en colaboración con otros analistas.
  • Aplicar modelos predictivos para toma de decisiones basada en Machine learning.


Dirigido a

Dirigido a personas sin conocimientos de programación de las áreas de: Administración, Contabilidad, Finanzas, Marketing, Ingenierías, Ventas, Salud, Economía, Educación, Psicología, Gestión, Derecho, Humanidades, o áreas afines al proceso de gestión y toma de decisiones de empresas privadas y públicas.

Metodología

El desarrollo de los cursos será mediante clases magistrales (presenciales), con algunas excepciones de asistencias virtuales en tiempo real.

Se pondrá énfasis al análisis de casos de estudios a ser desarrollados en los cursos y en las horas de prácticas correspondientes.

Asimismo, a lo largo de todo el diplomado se debe realizar un proyecto de análisis de datos que evidencia la aplicación de las habilidades de Business Analytics aprendidas. El problema a ser resuelto debe ser propuesto por el estudiante, pudiendo ser inclusive un problema con datos de la organización de origen del estudiante y en cualquier dominio. Este proyecto podrá ser realizado de manera grupal, los profesores de los cursos deben servir como consultores para encontrar la mejor solución a los problemas planteados por los estudiantes.

Plan de Estudios

Los cursos han sido diseñados pensando en un enfoque más práctico que teórico para lo cual se resolverán casos de estudios de diferentes áreas como finanzas, marketing, salud, educación, entre otros.

El diplomado está estructurado en 5 cursos:

1. Business Analytics y Big Data (Business Analytics and Big Data)
Se presentará un panorama general del área de Business Analytics y cómo llevar a cabo un proyecto completo de análisis de datos en una organización. Asimismo, se introducirán tecnologías para gestionar el proceso de colecta, almacenamiento y procesamiento de grandes volúmenes de datos, presentes en procesos de Transformación Digital y Business Intelligence.
Se presentarán casos de estudio del uso de tecnologías para colecta masiva de datos, bases de datos relacionales y no relacionales, arquitectura de modelos Big Data, Network Science, y el impacto que estas proveen para que las empresas sitúen al cliente en el centro de su negocio, aumentando sus resultados a través de mejores estrategias basadas en conocimiento. Los estudiantes propondrán problemas de sus organizaciones como proyectos de análisis de datos a ser desarrollados durante el diplomado.
Herramientas a utilizar: Excel, Python.

2. Fundamentos Estadísticos para Business Analytics (Statistical Foundations for Business Analytics)
Proporcionará bases estadísticas para el análisis de datos. Adicionalmente, se enseñará una introducción a las técnicas y metodologías estadísticas que incluyen Análisis de Resúmenes estadísticos, Construcción de bases de datos, Recodificación y ponderación de variables, Tablas de contingencia, métodos paramétricos y no paramétricos. Respaldamos nuestro enfoque al estudiar ejemplos aplicados a casos reales y conjuntos de datos en varias áreas de negocios, incluyendo marketing, recursos humanos, finanzas y operaciones. Al final del curso, los estudiantes tendrán una comprensión fundamental de muchos de los principios estadísticos que subyacen el área de Business Analytics.
Herramientas a utilizar: SPSS, R Studio.

3. Herramientas Analíticas para el Análisis Exploratorio de Datos (Data Analytics Tools for Exploratory Analysis)
Se mostrará el uso de software analítico para la extracción de información a partir de conjuntos de datos nativos (no procesados). Aprenderemos las bondades y limitaciones que tiene el software tradicional, como hojas de cálculo, para el análisis de grandes cantidades de datos, para pasar enseguida a introducir lenguajes como R y Python para lectura de archivos, web mining, cálculos estadísticos y la generación de representaciones gráficas de los datos analizados. Al final del curso, los estudiantes tendrán una visión más profunda del software que es usado actualmente para analizar y explorar grandes volúmenes de datos proveniente de casos reales.
Herramientas a utilizar: Excel, Python, R Studio.

4. Machine Learning para Toma de Decisiones (Machine Learning for Decision-Making)
Presentará las herramientas y técnicas de los modelos predictivos que utilizan los investigadores en el campo de machine learning aplicados al análisis de datos. A través de ejemplos, se cubrirá conceptos fundamentales como Naive Bayes, Árboles de decisión, Nearest Neighbor Estimators y Clasificadores. Al final del curso, los alumnos podrán usar los conocimientos aprendidos para apoyar la toma de decisiones en casos de estudio como la detección de fraudes, la segmentación de clientes o la predicción del tiempo de inactividad de una máquina.
Herramientas a utilizar: Python.

5. Fundamentos en Visualización de Datos (Data Visualization Fundamentals)
Buscar proveer los fundamentos de herramientas visuales para interpretar datos más rápidamente ayudando en el proceso de descubrimiento de conocimiento, en apoyo a la toma de decisiones. Se aprenderá cómo diseñar herramientas interactivas gráficas para extraer información mediante un análisis exploratorio, explotando la combinación entre percepción humana y analíticas visuales. La aplicación de estos gráficos será enfocada en el análisis de datos multidimensionales, temporales, espaciales y de otras naturalezas, que son generadas cada minuto del día, por medio de herramientas como Tableau y librerías como matplotlib y D3.js. Se desarrollarán casos de estudios que demuestren la aplicación de estas herramientas.
Herramientas a utilizar: Python, Tableau.

Nuestra plana docente cuenta con formación en universidades de prestigio de Brasil y EEUU, además de de tener profesores invitados del extranjero con amplia experiencia en Business Analytics.

Internacionales

Dr. Jorge Poco Medina (FGV-Brasil) jorge-poco
Doctor en Ciencia de la Computación, New York University (USA). Maestría en Ciencia de la Computación (Brasil). Actualmente es profesor asociado en la FGV de Brasil. Ha hecho pasantías de investigación en Google Inc. (2008 y 2010), Kitware Inc. (2011), Oak Ridge National Laboratory (2012) y Xerox Research (2013). Realizó un pos-doctorado en el Department of Computer Science and Engineering at the University of Washington, Seattle (USA). Especialista en Visualización de Datos para Data Science. Tiene amplia experiencia en proyectos de Data Science con empresas, donde ha desarrollado iniciativas de visualización de información y Visual Analytics.


Dr. Erick Gómez Nieto (USP-Brasil)erick-gomez
Doctor en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Maestría en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Actualmente se desempeña como Postdoctoral research scientist en Center for the Study of Violence (NEV) de la Universidade de Sao Paulo (Brasil). Ha trabajado como investigador en el grupo de Visual Analytics de IBM Research en Brasil. Es especialista y con amplia experiencia en visualización de datos, visual analytics y data science.


Dr. Javier Montoya (ETH-Suiza) javier-montoya
Doctor en Ciencia de la Computación, ETH-Zurich (Suiza). Maestría en Visión y Machine Learning, INRIA/ENSIMAG (Francia). Actualmente es investigador senior en el ETH-Zurich (Suiza). Se ha desempeñado como Data Scientist en las empresa Caru GmbH con el proyecto: analysis of temporal data from sensors for predicting presence of humans in rooms. Asimismo en la empresa Tracktics GmbH, con el proyecto: analysis of sensor data for sport summarisation. Especialista en Machine Learning aplicado en Data Science.

Nacionales

Dr. José Eduardo Ochoa Luna (UCSP-Perú)jose-ochoa
Doctor en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Maestría en Ciencia de la Computación, Universidade Federal de Mato Grosso do Sul (Brasil). Actualmente se desempeña como profesor encargado de Postgrado del Departamento de Ciencia de la Computación de la UCSP. Ha sido chief technical officer (CTO) de la empresa Kompass Real Estate (Sao Paulo, Brasil). Ha desarrollado diversos proyectos de análisis de datos en social media, usando técnicas de procesamiento de lenguaje natural y Deep Learning. Es especialista en Machine Learning para Data Science.


Dr. Alex Cuadros Vargas (UCSP-Perú)alex-cuadros
Doctor en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Maestría en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Realizó un Pos-Doctorado sobre generación de mallas a partir de imágenes, en la Universidad de Sao Paulo. Alex fue investigador invitado en el Department of Radiology, University of Pennsylvania (UPENN), USA . Fue también profesor invitado en el Scientific Computing and Imaging Institute (SCI) en Utah State University, USA. Es profesor investigador en la Universidad Católica San Pablo, en Arequipa, Perú desde el 2009, ha sido coordinador del Centro de Investigación e Innovación en Ciencia de la Computación. Actualmente es director del Departamento de Ciencia de la Computación de la UCSP.


Mg. Marc Antoine Le Guen (UCSP-Perú)marc-le-guen
Maestría Ciencia de la Computación, Aix Marseille Université (Francia). Licenciado en Ciencia de la Computación, Aix Marseille Université (Francia). Actualmente es profesor del Departamento de Ciencia de la Computación UCSP. Ha trabajado en realidad virtual en las empresas Clarté y SII en Francia. Es consultor en proyectos tecnológicos para diferentes empresas, como aplicaciones móviles, productos innovadores en Arequipa y Lima. En estos proyectos está implicado tambén en el desarrollo del modelo de negocio. Es especialista en Computación Gráfica, Video Juegos y Programación Paralela.


Mg. Sergio Aquise Escobedo (UCSP-Perú)sergio-aquise
Maestría en Matemática Computacional, Universidade de Sao Paulo (Brasil). Licenciado en Matemáticas (UNSA). Actualmente es profesor Asociado TC de la Universidad Nacional de San Agustín de Arequipa. También es profesor del Departamento de Ciencia de la Computación UCSP. Tiene amplia experiencia en Matemática Aplicada, con énfasis en las subáreas de Métodos Numéricos, Álgebra Lineal y Estadística.

Calendario
Inscripciones Hasta el 28 de noviembre de 2019
Matrícula Hasta el 28 de noviembre de 2019
Fecha de Inicio Viernes 29 de noviembre de 2019
Fecha de Fin Domingo 05 de julio de 2020
Horario Encuentros quincenales:
  • Viernes de 18:15 a 21:15 h
  • Sábado de 09:00 a 13:00 h y de 14:30 a 18:30 h
  • Domingo de 09:00 a 13:00 h
Duración 300 horas académicas y 300 horas prácticas
Lugar Campus San Lázaro
Inversión
Opción de Pago Matrícula Cuotas Total
Opción 1 S/ 300.00 01 cuota de S/ 5,200.00 (Pronto pago hasta el 15 de noviembre S/ 5,500.00
Opción 2 S/ 300.00 01 cuota de S/ 900.00 y 06 cuotas de S/ 800.00 (Cronograma de pagos en el Cuadro A) S/ 6,000.00
Opción 3 S/ 300.00 Descuento corporativo (más de 5 empleados de una misma organización) Negociable
Cuadro A - Opción 2 (Pago en Cuotas)
Pago Monto Fecha de Pago
Matrícula S/ 300.00 Hasta el 28 de noviembre
Cuota I S/ 900.00 Hasta el 30 de noviembre
Cuota II S/ 800.00 Hasta el 30 de diciembre
Cuota III S/ 800.00 Hasta el 30 de enero 2020
Cuota IV S/ 800.00 Hasta el 28 de febrero 2020
Cuota V S/ 800.00 Hasta el 30 de marzo 2020
Cuota VI S/ 800.00 Hasta el 30 de abril 2020
Cuota VII S/ 800.00 Hasta el 30 de mayo 2020

Tabla de cuentas bancarias:

Moneda Banco Nº de Cuenta Interbancario Nº de Cuenta
Dolares Bcp 002-215-001063974137-29 215-1063974-1-37
Soles Bcp 002-215-001106015085-28 215-1106015-0-85
Dolares ScotiabanK 009-314-000000281671-68 000-0281671
Soles ScotiabanK 009-314-000000125253-65 000-0125253
Dolares Bbva 011-239-000100015013-14 0011-0239-0100015013-14
Soles Bbva 011-239-000100015005-10 0011-0239-0100015005-10
Inscripción y Certificación
Para personas que cuentan con el grado de bachiller:
  • Inscripción
    • Ficha de inscripción.
    • Copia simple de DNI.
    • Extranjeros: Copia simple de carné de extranjería o pasaporte.
    • Copia simple del diploma del grado académico de bachiller.
    • Extranjeros: Copia del equivalente del grado de bachiller.
  • Matrícula
    • Comprobante de pago de derechos de Matrícula
    • Registro de la SUNEDU del grado académico de bachiller. Si no está registrado el grado en SUNEDU se tendrá que presentar una copia legalizada del diploma de bachiller.
    • Extranjeros: Copia legalizada o con la apostilla de La Haya del equivalente del grado de bachiller.
  • Certificación
    • Se otorgará un diploma de postgrado por todo el diplomado.
  • Creditaje
    • 25 créditos académicos
Para personas que no cuentan con el grado de bachiller:
  • Inscripción
    • Ficha de inscripción.
    • Copia simple de DNI.
    • Extranjeros: Copia simple de carné de extranjería o pasaporte.
  • Matrícula
    • Comprobante de pago de derechos de Matrícula
  • Certificación
    • Se otorgará un certificado como programa


Para realizar tu inscripción por favor comunicarte con:

  • Fiorella Arteaga Linares
    Asesora de Servicios Educativos
    Of. De Admisión e Inscripciones
    Campus San Lázaro - Edificio Newman, Primer nivel Quinta Vivanco s/n - Urb. Campiña Paisajista, Arequipa - Perú
    +51 54 605630, anexo 631
    farteaga@ucsp.edu.pe

1. A quién está dirigido el Diplomado de Business Analytics

El Diplomado de Business Analytics está dirigido a personas sin conocimientos de programación de las áreas de: Administración, Contabilidad, Finanzas, Marketing, Ingenierías, Ventas, Salud, Economía, Educación, Psicología, Gestión, Derecho, Humanidades, o áreas afines al proceso de gestión y toma de decisiones de empresas privadas y públicas.


2. Cuáles son los requisitos necesarios para inscribirse al Diplomado de Business Analytics

Los requisitos necesarios son:

  • Ficha de inscripción.
  • Copia simple de DNI.
  • Copia simple del diploma del grado académico de bachiller.
En el caso de personas que no cuentan con el grado de bachiller, estas presentarán sólo los 02 primeros requisitos.


3. Cúanto es la duración y cúal es el horario del Diplomado de Business Analytics

La duración es de 300 horas académicas más 300 horas prácticas. Las clases empiezan el 29 de noviembre y terminan el 5 de julio del 2020, siguiendo una periodicidad quincenal, a excepción de algunos fines de semanas con feriados, donde no se dictará el diplomado.

El horario de clases es el siguiente:

  • Viernes de 18:15 a 21:15 h
  • Sábado de 09:00 a 13:00 h y de 14:30 a 18:30 h
  • Domingo de 09:00 a 13:00 h


4. Se dará certificado del Diplomado de Business Analytics

Se brindará un diploma de postgrado una vez el estudiante lleve y culmine satisfactoriamente los 5 cursos que componen este diplomado y apruebe el trabajo final.
En el caso de las personas que no cuenten con el grado de bachiller, se les brindará un certificado como programa.


5. Se necesita de algún conocimiento especializado para llevar el Diplomado de Business Analytics

No, basta tener conocimientos básicos de Excel.


PRE-INSCRÍBETE AQUÍ