Analítica de datos para la toma de decisiones

Curso

Analítica de datos para la toma de decisiones

Facultad de Economía
Inicio / Programas / Analítica de datos para la toma de decisiones

Analítica de datos para la toma de decisiones

Para nadie es un secreto el crecimiento exponencial en la cantidad de información disponible; tampoco es un secreto la también creciente necesidad del sector empresarial de contar con profesionales con conocimientos en analítica, pero más que eso, profesionales con las competencias para estructurar proyectos de analítica a partir del negocio, es decir, de los desafíos que tiene la empresa.  

De acuerdo con lo anterior, este curso tiene como principal objetivo, preparar a los participantes en la estructuración de proyectos de analítica a nivel avanzado, a partir del negocio, es decir, diseñando estrategias y valor agregado desde la experiencia en combinación con la analítica de datos, todo lo anterior para generar insumos para la toma decisiones con un mayor de manera más objetiva.  

Dirigido a

 


Profesionales interesados en ampliar sus conocimientos en analítica de datos, para adquirir competencias en la elaboración de proyectos de analítica, dando especial énfasis a las necesidades del negocio, para desarrollar proyectos de transformación de datos en información para la toma de decisiones.  

Requisito: los participantes deberán contar con conocimientos básicos en programación y en estadística.  

Objetivos

Al finalizar el curso los estudiantes estarán en capacidad de:  

1. Elaborar proyectos de analítica partiendo del concepto del negocio de la empresa, teniendo en cuenta que los métodos modernos de procesamiento de datos son una herramienta para la generación de información oportuna y útil, mediante las cuales se desarrollan estrategias a partir de la interacción entre las áreas de negocio y de analítica, generando insumos valiosos para la toma de decisiones.  

2. Aplicar a situaciones reales en la economía, las finanzas, el mercadeo y sector salud, métodos de estadística, econometría, minería de datos, utilizando fuentes de información no tradicionales y modelos de aprendizaje de máquina. 

Metodología

El curso tendrá componente teórico y práctico, haciendo énfasis en aplicaciones de negocio utilizando datos reales. Durante cada sesión de clase se presentarán los elementos conceptuales relevantes, los cuales irán acompañados por ejercicios aplicados utilizando el software R. De esta forma, el participante podrá enfrentarse a problemas de procesamiento y análisis de datos como instrumento para la toma de decisiones. 

El software estadístico R es una de las herramientas más utilizadas en el análisis de datos y en la estimación y cálculo de modelos estadísticos, de minería de datos y de aprendizaje de máquina. Su facilidad de uso y su versatilidad para generar nuevas herramientas ha permitido que innumerables colaboradores aporten, de manera periódica, nuevas formas de resolver problemas numéricos con esta herramienta.  

Contenido

Manejo de diferentes clases de datos 

Objetivo: Introducir al participante al tratamiento de diferentes clases de datos en el software R.  

Contenido: 

• Carga y administración de datos: estructurados, semi estructurados y no estructurados. 

• Principios del web scrapping. 

Aprendizaje no supervisado 

Objetivo: Estudiar algunas técnicas del aprendizaje no supervisado que permiten, entre otras, identificar agrupaciones naturales y atipicidades en los conjuntos de información. 

Contenido: 

• Modelos de clustering. 

• Análisis de anomalías. 

Aprendizaje supervisado 

Objetivo: Entender el proceso de análisis que se sigue bajo el aprendizaje supervisado, estudiando algunos de los algoritmos más utilizados en problemas de clasificación y regresión. 

Contenido: 

• Problemas de clasificación vs problemas de regresión. 

• Algoritmos y modelos de aprendizaje supervisado. 

Aprendizaje supervisado para análisis de texto 

Objetivo: Realizar el preprocesamiento de información de texto, entrenar modelos, evaluar el desempeño de los modelos y realizar predicciones.  

Contenido:

• Introducción a las características de lenguaje natural. 

• Tokenización. 

• Limpieza de datos. 

• Modelación. 

Modelos predictivos aplicados 

Objetivo: Presentar la aplicación de las herramientas vistas en el curso a problemas reales (a partir de la información estadística disponible). 

Contenido: 

• Aplicaciones y estudios de caso. 

Analítica de precios para gestión empresarial 

Objetivo: Analizar de manera práctica métodos cuantitativos para la toma de decisiones para segmentación de mercados y tarifación en entornos competitivos y con información limitada. 

Contenido:

• Análisis de mercados. 

• Estrategias de tarifación. 

• Usos prácticos de la teoría de decisión bajo múltiples criterios. 

Profesores

Javier Deaza Chaves

Economista con Maestría en Economía de la Pontificia Universidad Javeriana y Especialista en Ciencia de Datos de la Universidad Johns Hopkins. Ha sido consultor en temas de productividad, tributarios como evasión de impuestos, así como en evaluación de impacto de proyectos y políticas públicas. Experto en modelos econométricos aplicados a temas tributarios, salud pública, mercado laboral, así como análisis de problemas empresariales a partir de la teoría de juegos. Docente Universitario con más de 14 años de experiencia en las Universidades Javeriana, Andes, Sabana, CESA, Santo Tomás, EAN, Sergio Arboleda y Universidad Pedagógica Estatal Leon Tolstoi (Tula- Rusia). Se desempeñó como Subdirector de Análisis Fiscal de la Dirección de Estadísticas y Estudios Fiscales en la Secretaría Distrital de Hacienda de Bogotá, donde tuvo bajo su cargo, entre otras cosas, la coordinación y elaboración del Marco Fiscal de Mediano Plazo de Bogotá y el pronóstico de los ingresos corrientes de la ciudad. Actualmente se desempeña como Subdirector de Recaudo de la Dirección de Impuestos y Aduanas Nacionales-DIAN, donde tiene a su cargo, entre otras cosas, el liderazgo de los siguientes proyectos de analítica de datos: declaraciones sugeridas para los impuestos sobre la renta para Personas Naturales, Régimen Simple de Tributación y Ventas-IVA. Así como el modelo de priorización de cartera utilizando machine learning.

Wilson Mayorga Mogollón

Economista con estudios de Especialización en Estadística, Actuaría y Mercado de Capitales y estudios de maestría en Econometría Financiera (University of York, UK) y Actuaría (University of Leicester, UK). Se ha desempeñado en diferentes posiciones en entidades financieras como Banco de la República, Banco Granahorrar, Liberty Seguros y RSA Seguros. Actualmente se desempeña como Director de Actuaría de FASECOLDA y como Secretario Ejecutivo de la Asociación Colombiana de Actuarios. Docente en Econometría y Series de Tiempo con más de 14 años de experiencia en las Universidades de los Andes y Javeriana. Desde el año 2008 es catedrático de Econometría Financiera en la Maestría de Finanzas de la Universidad de los Andes y del curso de Series de Tiempo de la Especialización en Economía del Riesgo y la Información de la misma Universidad.

Nicolás Suárez

Economista y Especialista en Estadística de la Universidad Nacional de Colombia, y MSc en Finanzas Cuantitativas y Ciencias Actuariales de la Universidad de Tilburg (Holanda). Actualmente, se desempeña como Científico de Datos trabajando en la transformación tecnológica del sector financiero. Previamente vinculado con el Banco de la República en calidad de asesor, investigando la dinámica de los mercados de pagos de bajo valor a partir de técnicas cuantitativas basadas en el análisis de datos. Docente universitario en la Universidad Javeriana y la Escuela de Administración de Negocios (EAN) en los cursos de Medición Económica y Econometría.

Condiciones

Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.

La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.

Relacionados