Master en Business Analytics e Inteligencia Artificial

Módulos de

EXPERIENCIA

Módulo 1: TECNOLOGÍAS 5.0

• Introducción a las Tecnologías 5.0: conceptos y contexto
• Evolución digital y su impacto en las organizaciones
• Tecnologías clave que han transformado a las organizaciones
• Modelos de negocios en la era digital
• Tecnologías emergentes: 6G, reconocimiento facial, IoT, IA, Big Data
• Ejemplos y casos de uso de las tecnologías disruptivas

Módulo 2: COMPETENCIAS Y HABILIDADES DIGITALES PARA LIDERAR EL FUTURO

• Competencias digitales para enfrentar el futuro en las organizaciones
• Gestión del cambio y adaptabilidad
• Colaboración y trabajo en equipo en entornos digitales
• Pensamiento crítico y resolución de problemas en la nueva era digital
• Desarrollo de una mentalidad ágil y colaborativa
• Growth mindset para la era de la inteligencia artificial

Módulo 3: ESTRATEGIA GLOBAL Y MODELOS DE NEGOCIOS

• Análisis del entorno global: oportunidades y amenazas
• Modelos de negocio tradicionales vs. digitales
• Estrategias de internacionalización
• Innovación en modelos de negocio
• Estrategias de diferenciación y ventaja competitiva
• Alianzas y colaboraciones estratégicas
• Casos prácticos de estrategias globales exitosas

Módulo 4: ANÁLISIS Y PERSPECTIVAS ECONÓMICAS: 2026-2030

• Tendencias económicas globales y locales
• Análisis de mercados emergentes
• Políticas económicas y su influencia en los negocios
• Crisis económicas y oportunidades
• Proyecciones económicas y escenarios futuros
• Estudio de casos: resiliencia económica en empresas

Módulos de

DATA ANALYTICS

Módulo 5: INTRODUCCIÓN AL BUSINESS ANALYTICS

• Definiciones y terminología
• Introducción a la metodología Kimball
• Metodologías CRISP-DM y ASUM
• Estado del arte de la analítica en el mundo
• Impacto del Analytics en la empresa contemporánea
• Habilidades digitales alrededor del Analytics
• Tendencias actuales en el campo de BI
• Enfoques de BI

Módulo 6: INTRODUCCIÓN A LA ESTADÍSTICA

• Aproximación al concepto de Data Science
• Roles en proyectos de analítica
• Alcance y procesos de la ciencia de datos (data science): ciclo de vida
• Competencias, conocimientos y habilidades
• Estadística para la ciencia de datos
• Estadística descriptiva básica
• Mínimos cuadrados

Módulo 7: CONCEPTOS BÁSICOS EN SQL

• Conceptos básicos
• Conceptos ETL y funcionalidad
• ¿Cómo funciona el almacenamiento de datos en SQL?
• Tablas tipo dimensión
• Tablas tipo relacionales
• Introducción a Microsoft Power BI

Módulo 8: INTRODUCCIÓN AL BUSINESS INTELLIGENCE USANDO POWER BI

• Estructura de Power BI
• Paneles y cinta de opciones
• Visualizaciones nativas (gráficos, mapa, medidor y tarjetas, segmentadores, tabla y matriz)
• Creando mi primera base de datos
• Arquitectura básica SSIS

Módulo 9: INTRODUCCIÓN A LA MINERÍA DE DATOS

• Definiciones de minería de datos
• Historia de la minería de datos
• ¿Por qué hacer minería de datos?
• Minería directa y minería indirecta
• Técnicas de perfilado y modelado predictivo
• Árboles de decisión
• Redes neuronales
• K-Means clustering
• Market Basket Analysis
• Minería de textos

Módulo 10: CREACIÓN Y DISEÑO DE DATA WAREHOUSE

• Nivelación en conceptos de bases de datos, normalización y diseño de bases de datos transaccionales tradicionales
• Modelado dimensional (MD)
• Tablas de hechos
• Granularidad y claves de hechos
• Tablas de dimensiones
• Dimensiones conformadas y claves de dimensiones
• El proceso de modelado dimensional
• Arquitectura en bus para un data warehouse
• Dimensiones: fecha, degeneradas, etc.
• Juego de roles de dimensiones
• Tipos de tablas de hechos
• Snowflaking
• La capa física

Módulo 11: INTRODUCCIÓN A R

• Características generales del lenguaje
• Sintaxis y estructura
• Principales herramientas
• Ingesta de datos con R
• Visualización de datos con R
• Preparación de datos con R

Módulo 12: INTRODUCCIÓN A PYTHON

• Conceptos básicos de programación y algoritmia
• Herramientas básicas – instalación y uso
• Sintaxis básica del lenguaje de programación
• Tipos de datos en Python
• Operadores y condicionales en Python
• Estructuras de ciclos
• Análisis de datos

Módulo 13: INTRODUCCIÓN A CONCEPTOS DE BIG DATA Y MACHINE LEARNING

• El concepto de Big Data
• Tecnologías para Big Data
• El sistema de archivos Hadoop
• Bases de datos NoSQL y distribuidas: características y beneficios
• Ámbito y alcance del Data Science
• Aplicaciones de Big Data
• Inteligencia artificial: concepto y tecnologías
• Tipos de aprendizaje básicos del Machine Learning
• Machine learning avanzado: aprendizaje profundo
• Creación de un modelo de Machine Learning
• Talleres en Python y R

Módulo 14: GOBIERNO DE LOS DATOS

• Introducción a la gobernanza de los datos
• Estructura y roles en la gobernanza de datos
• Políticas y estrategias de datos
• Calidad de los datos
• Cumplimiento y regulaciones
• Gestión del ciclo de vida de los datos

Módulo 15: CIBERSEGURIDAD Y SU IMPACTO EN LA GESTIÓN DE DATOS

• La gestión de la seguridad de la información
• El impacto de los incidentes de seguridad en una empresa
• Análisis y gestión de riesgos informáticos en la gestión de datos
• Principales amenazas y tipos de ataque en la actualidad
• Implantación de un SGSI y certificación de la seguridad informática
• El factor humano en la seguridad y la ingeniería social
• Amenazas específicas para el uso de smartphones y otros dispositivos móviles
• Gestión de incidentes de seguridad
• La lucha contra la ciberdelincuencia y el fraude en Internet

Especialización en

IA APLICADA A LOS NEGOCIOS

Módulo 16: IA PARA LÍDERES: DEL USO BÁSICO A LA VENTAJA COMPETITIVA

• Modelos fundacionales
• Multimodalidad
• Copilots y agentes
• Automatización
• Analítica aumentada
• Límites reales, riesgos ejecutivos y oportunidades por industria

Módulo 17: DIAGNÓSTICO DE PROCESOS Y PORTAFOLIO DE CASOS DE USO

• Identificación de procesos candidatos
• Pain points
• Impacto y factibilidad
• Datos disponibles, stakeholders y riesgos
• Quick wins

Módulo 18: PROMPTING EJECUTIVO AVANZADO Y DISEÑO DE TRABAJO ASISTIDO POR IA

• Prompt engineering avanzado
• Patrones de razonamiento
• Role prompting
• Chain of work
• Evaluación de respuestas
• Prompting con documentos
• Prompts reutilizables y bibliotecas por rol

Módulo 19: MODELOS GENERATIVOS Y ASISTENTES EJECUTIVOS PAGADOS

• ChatGPT, Claude, Gemini, Perplexity, Microsoft Copilot y NotebookLM
• Comparación por casos de uso: análisis, investigación, escritura ejecutiva, presentaciones, síntesis, ideación, revisión y toma de decisiones

Módulo 20: IA APLICADA POR ROL DIRECTIVO

• Operaciones, procesos y tiempos
• Atención al cliente, ventas y marketing
• Finanzas, RR. HH., legal, comunicación y tecnología
• Diseño de workflows por función

Módulo 21: AI AUTOMATION Y COPILOTS DE PRODUCTIVIDAD

• Make, n8n, Zapier
• Power Automate, Copilot Studio y Cursor
• Replit (cuando aplique)
• Integración de formularios
• Bases de conocimiento
• CRM
• Reportes y alertas

Módulo 22: DISEÑO DE AGENTES Y ASISTENTES VIRTUALES EMPRESARIALES

• Arquitectura básica de agentes, instrucciones y memoria
• Herramientas, fuentes de conocimiento y RAG conceptual
• Evaluación, handoff humano y experiencia del usuario

Módulo 23: DISEÑO DE LA PRESENTACIÓN

• Privacidad
• Datos sensibles, propiedad intelectual y sesgos
• Auditoría, trazabilidad y evaluación
• AI policy
• Gestión del cambio
• Indicadores, roles y modelo operativo

Módulo 24: LABORATORIO FINAL DE IMPLEMENTACIÓN DE IA

• Integración del proyecto final:
• Problema
• Caso de negocio
• Prototipo
• Riesgos
• Métricas
• Roadmap
• Plan de adopción y presentación ejecutiva

Cada semestre el alumno recibirá la programación y los módulos de estudio que cursará