Aplicar técnicas de gestión personal para adaptarse de mejor manera al entorno actual de las organizaciones.

El taller está especialmente diseñado para quienes ingresan a un diplomado de Clase Ejecutiva UC.

Ciertamente, los constantes cambios que se viven hoy en día, obligan a los profesionales a mantenerse actualizados. Vivimos en una época de alta volatilidad y se hace necesario ser flexible. Es así como la crisis que explotó en 2020 nos mostró la necesidad de desarrollar habilidades asociadas a los entornos virtuales de trabajo.

En este taller, el participante aprenderá a cómo gestionar su marca personal en redes sociales. También, técnicas de oratoria digital para la realización de videoconferencias. Y, además, estrategias para gestionar bien el tiempo y conocimientos sobre inteligencia emocional.

El taller busca entregar habilidades transversales a todos los alumnos de los diplomados de Clase Ejecutiva UC. Se realizarán controles de lectura, foros de discusión y clases sincrónicas durante su desarrollo.

• Marca personal
• Cómo construir una marca personal digital
• Acciones premium para potenciar nuestra personal branding

• Reuniones virtuales y webinars
• El contenido de las sesiones
• Oratoria digital
• Técnicas básicas de oratoria para entornos digitales

• Conócete a ti mismo
• Procrastinación
• Los “ladrones del tiempo”
• Priorización y matriz de Eisenhower
• Buenas prácticas de gestión del tiempo

• Modelo de inteligencia emocional
• Conciencia de uno mismo
• Conciencia social
• Conciencia organizacional
• Gestión de las relaciones
• ¿Cómo desarrollar estas competencias?

La clase en vivo tiene por objetivo profundizar sobre los contenidos del curso, así como aterrizar algunas de las metodologías y conceptos expuestos aplicándolos a situaciones reales. Se espera que esta clase permita a los alumnos complementar el aprendizaje de las clases online y resolver las dudas que pudieran surgir durante el desarrollo del curso.

A lo largo del curso, los alumnos realizarán un trabajo grupal que consiste en proponer un proyecto de implementación de IA en su organización que esté alineado con la estrategia. Deberán identificar el problema que la IA ayudará a resolver, aplicarán el Canvas IA para analizar las predicciones y decisiones que se mejorarán con el proyecto, evaluarán la disponibilidad de datos que necesita el algoritmo, debatirán sobre los riesgos o potenciales consecuencias negativas del proyecto, analizarán cómo la estructura organizacional se verá afectada por esta implementación, y estimarán los efectos en el corto, mediano y largo plazo. El trabajo estará organizado en varias etapas, diseñadas para realizarse de manera transversal e integrada al curso.

• ¿Qué es IA? Definiciones: IA, ML, DL, etc.
• Tipos de IA
• Big data

• ¿Qué son las predicciones?
• Efecto del menor costo en la capacidad predictiva
• Efecto de mejores predicciones
• ¿Prediciendo el juicio humano?

• ¿Cómo tomamos decisiones?
• ¿Qué nos aporta la IA en la toma de decisiones?
• ¿Humanos y máquinas juntos?

• Aumento en el volumen de datos
• ¿Qué se entiende por big data?
• ¿Por qué los datos son el nuevo petróleo?
• ¿Qué tan crítico es el big data en la estrategia?

• Aumentando la competitividad de los negocios con IA
• Construyendo estrategia con IA
• Aplicaciones de IA en distintas áreas de la organización

• Riesgos asociados a la IA
• ¿Cuándo llegará la IA superinteligente?
• Una mirada general a la IA en las industrias
• Aporte de la IA en la sociedad: construyendo un futuro mejor

• Datos de una empresa
• Distintos formatos de datos
• Problemas organizacionales
• Sistemas de bases de datos
• Bases de datos relacionales

• Base de datos en el ecosistema de una empresa
• Lenguaje de consultas SQL
• Múltiples usuarios trabajando con los datos

• Paso al mundo de big data
• Distribución de los datos
• Comparando sistemas centralizados y sistemas distribuidos

• Otros modelos de datos
• Key-value stores
• Bases de datos de documentos
• Bases de datos de grafos

• ¿Cómo manejar a datos diversos?
• Sistema de archivos de Google
• Google File System: Garantías de consistencia
• ¿Cómo ocupar el sistema de archivos de Google?

• ¿Cómo priorizar petabytes de datos?
• MapReduce
• Blocking y tolerancia a fallas
• ¿Cómo ocupar MapReduce?

• Qué es BA y sus orígenes
• Introducción al análisis descriptivo, predictivo, prescriptivo y conductual
• Por qué es importante el BA para tu empresa u organización
• Aplicaciones actuales y futuras

• El valor de los datos y relevancia del big data
• El rol de los datos en el análisis descriptivo de BA
• Visualización y exploración de datos (e.j., análisis de clusters)
• Describiendo y pronosticando eventos futuros

• Análisis de riesgo
• Modelando la incertidumbre con datos históricos
• Modelos probabilísticos y técnicas estadísticas
• Modelos predictivos con inteligencia artificial
• Evaluación de modelos predictivos

• Métodos de optimización
• Valor de la simulación
• Análisis de sensibilidad
• Recomendaciones para la toma de decisiones (e.j., pricing)

• Métodos de recolección de datos (e.j., encuestas, redes sociales)
• A/B Testing
• Métodos de pronósticos
• Análisis de regresiones
• Modelos de optimización
• Modelos de simulación

• Modelando el comportamiento de las personas
• Determinando tendencias futuras de consumo y actuando sobre ellas
• Aplicaciones actuales de BA (e.j., retail, e-commerce, finanzas, medicina y logística, entre otras)
• Consideraciones éticas y regulatorias
• El futuro de BA

En la clase en vivo, el profesor expondrá algunos conceptos relevantes de modelos analíticos y cómo estos se aplican a diversas industrias. Se discutirá sobre el impacto positivo que tienen tanto en las personas que las utilizan como en el desempeño de organizaciones modernas.

Durante el curso, el alumno analizará casos de estudio donde deberá analizar y proponer recomendaciones gerenciales apoyadas en la aplicación de los conceptos aprendidos a través de herramienta analíticas construidas en módulos de Excel.

• Introducción a la metodología análisis de decisión
• Modelo analítico árbol de decisión
• Valorización de decisiones bajo incertidumbre
• Aplicaciones

• Tabla de probabilidades y probabilidad condicional
• Variable aleatorias discretas y continuas
• Distribuciones de probabilidad discreta
• Estadísticos (media, desviación estándar, coeficiente de variación)
• Distribución binomial
• Aplicaciones

• Correlación y covarianza
• Suma de variables aleatorias
• Distribución de probabilidades continua
• Distribución normal
• Aplicaciones

• ¿Qué es un modelo de simulación?
• Beneficios de simulación computacional
• Conceptos básicos de simulación
• Metodología
• Análisis de resultados y comparación de escenarios simulados

• Concepto de modelo
• Formulación de problemas prácticos
• Geometría de la solución
• Conceptos económicos asociados a la solución óptima

• Introducción a sistemas de espera
• Conceptos de throughput
• Estado estacionario y ecuación de Little
• Aplicaciones