Diplomado en data analytics: análisis, visualización y toma de decisiones basada en datos

· Profesionistas que buscan desarrollar habilidades en análisis de datos.

· Gerentes y líderes que requieren tomar decisiones basadas en datos.

· Analistas principiantes o en transición a roles relacionados con datos.

· Emprendedores que desean utilizar datos para optimizar su negocio.

· Consultores y profesionales que trabajan con grandes volúmenes de información.

Desarrollar en los participantes las competencias en análisis de datos para la toma de decisiones basada en evidencia, mediante el uso de herramientas como Excel, SQL, Power BI y Python. El programa abarca desde la recolección, limpieza y transformación de datos hasta su análisis, visualización y modelado predictivo. Se enfoca en la aplicación de técnicas estadísticas y de inteligencia de negocios para interpretar información de manera efectiva. Además, busca fortalecer la capacidad de los participantes para identificar patrones, optimizar procesos y comunicar hallazgos de datos a distintos públicos, facilitando la toma de decisiones estratégicas en entornos empresariales y organizacionales.

1. Fundamentos del Análisis de Datos y Toma de Decisiones (16 Horas)
1.1 Introducción a la analítica de datos y sus aplicaciones en diferentes industrias, la importancia de la ética en la toma de decisiones.
1.2 Tipos de análisis de datos: Descriptivo, Diagnóstico, Predictivo, Prescriptivo
1.3 Tipos de datos y formatos más utilizados en análisis (CSV, Excel, Bases de Datos)
1.4 Introducción a herramientas clave: Excel, SQL, Power BI y Python
1.5 Fundamentos de gobernanza de datos y ética en la gestión de información
1.6 Planificación de la recolección de datos

2. Procesamiento y Manipulación de Datos con Excel y SQL (16 Horas)
2.1 Técnicas de limpieza y preparación de datos
2.2 Funciones avanzadas de Excel para análisis de datos
2.3 Introducción a bases de datos y SQL
2.4 Conceptos de repetibilidad y reproducibilidad en el análisis de datos

3. Visualización de Datos y Creación de Dashboards (16 Horas)
3.1 Importancia de la visualización para la interpretación de datos
3.2 Selección de gráficos adecuados según el tipo de datos
3.3 Aplicación de los principios Gestalt en visualización de datos
3.4 Introducción a Power BI para la creación de dashboards interactivos
3.5 Técnicas de storytelling con datos: Modelo SCQA (Situación, Complicación, Pregunta, Respuesta)

4. Análisis Estadístico de Datos (16 Horas)
4.1 Estadística descriptiva
4.2 Introducción a la probabilidad y distribuciones de datos
4.3 Diferencias entre correlación y causalidad
4.4 Pruebas de hipótesis y niveles de confianza
4.5 Métodos de muestreo y estrategias de análisis de variación en datos
4.6 Herramientas estadísticas en Excel

5. Introducción a la Analítica Predictiva y Patrones en Datos (16 Horas)
5.1 Introducción a la Analítica Predictiva
5.2 Análisis de Series de Tiempo y Pronósticos
5.3 Introducción a Python para Análisis de Datos
5.4 Creación de un Modelo de Regresión Lineal en Python
5.5 Identificación de Patrones en Datos
5.6 Aplicaciones Empresariales de la Analítica Predictiva
5.7 Desafíos y Consideraciones Éticas en la Analítica Predictiva

6. Análisis de Causa Raíz y Priorización de Soluciones (16 Horas)
6.1 Técnicas de análisis de causa raíz
6.2 Enfoques de brainstorming disruptivo para solución de problemas
6.3 Uso de la Matriz Causa-Efecto para priorización de soluciones
6.4 Aplicación del análisis de datos en procesos de mejora continua
6.5 Relación del análisis de datos con metodologías Lean y Six Sigma

1. Aplicar conceptos fundamentales de análisis de datos para la toma de decisiones.

2. Utilizar herramientas como Excel, SQL, Power BI y Python para el análisis de datos.

3. Realizar limpieza y transformación de datos para garantizar su calidad.

4. Crear reportes y dashboards interactivos en Power BI.

5. Aplicar técnicas estadísticas básicas para el análisis de datos.

6. Implementar modelos predictivos simples para identificar patrones y tendencias.

7. Aplicar metodologías de análisis de causa raíz y priorización de soluciones.

8. Comunicar hallazgos de datos de manera clara y efectiva.

9. Comprender la importancia de la ética y gobernanza de datos.

10. Aplicar el análisis de datos en contextos empresariales y de mejora de procesos.

1. Dr. Amritanshu Rajagopal
· Doctorado en Ciencias Administrativas
· MBA – Alliant International University, EEUU
· Ingeniero Industrial y de Sistemas – ITESM
· Agile Coach (EEUU) | CSM® (EEUU) | SAFe® Practitioner 6 (EEUU)
· Lean Six Sigma Master Black Belt (Suiza) | Black Belt (EEUU) | Green Belt (EEUU)
· 18 años de experiencia directiva en EEUU, India y México en empresas como Novartis Farmacéutica, Nielsen, HSBC y AXA Seguros
· 18 años de experiencia como entrenador corporativo. Más de 5000 ejecutivos entrenados en 10 países y en tres idiomas: inglés, español y portugués
· Investigador y autor de dos libros publicados en EEUU
· Conferencista en EEUU, México, Francia, Italia e India
· Facilitador Líder de Educación Continua en ITESM, Universidad Panamericana y UVM

2. Abhishek Naik
Professor and Head, Business Analytics
EGADE Business School, Tecnológico de Monterrey, Campus Monterrey
· Director del Master en Business Analytics en EGADE Business School
· Exprofesor en la Universidad de Ámsterdam Business School y docente en 10 instituciones de 6 países
· Más de 2000 horas de enseñanza universitaria en análisis de datos, marketing digital y business intelligence
· Fundador y Managing Partner de Arbalest Learning, aceleradora de crecimiento digital para startups y MSMEs en Ámsterdam
· Formación académica:

• Ph.D. en Business Studies y Máster en Metodología de la Investigación – IE Business School
• MBA en Negocios Internacionales – IIFT, India
• B.Tech. – Nirma Institute of Technology, India

3. Dr. David Carlos Romero-Díaz
· Profesor de Manufactura Avanzada – Tecnológico de Monterrey, México
· Vicepresidente Científico – World Manufacturing Foundation
· Investigación en: Manufactura Circular, Sistemas Producto-Servicio, Sistemas Ciberfísicos, Gestión Avanzada de Producción, Empresas Virtuales Verdes y Gestión de Tecnología e Ingeniería
· Miembro de:

• Society of Collaborative Networks
• IFAC TC5.3
• IFIP WG5.7
• IFIP WG5.12
• IEEE Technology and Engineering Management Society
• IEEE Internet of Things Community
  · Más de 200 publicaciones científicas
  · Creador de los conceptos “Operator
  4.0/5.0” y “Digital Lean Manufacturing”

4. Dr. Luis Moncayo
· Profesor Asociado – Departamento de Ingeniería Industrial y Operaciones, ITAM
· Miembro del Sistema Nacional de Investigadores (CONACyT)
· Doctorado en Ingeniería – Universidad de Exeter, Reino Unido
· Líneas de investigación: optimización de sistemas logísticos y de manufactura, metaheurísticas y análisis de datos
· Miembro del IISE (EE. UU.) y SMIO (México)
· Colaborador en grupos de investigación en la Universidad de Exeter y la Universidad Carlos III de Madrid

5. Dr. Pavel Reyes Mercado
· Universidad Anáhuac, Campus Norte, Ciudad de México (Marketing y Estrategia)
· Doctorado en Administración y Dirección de Empresas – EGADE Business School
· Investigador Nacional Nivel 1 – Sistema Nacional de Investigadores (CONACYT)
· Experiencia profesional en HSBC y Coca-Cola FEMSA en gestión de servicios y mantenimiento de activos
· Consultor en análisis estadístico y desarrollo de aplicaciones en marketing y prevención del delito
· Producción académica:

• 10 artículos en revistas científicas
• 9 capítulos de libro
• 8 artículos en conferencias
• 7 ponencias en congresos
• 2 libros publicados por Palgrave Macmillan