Competencias Experto en Finanzas Tecnológicas:
O1. Manejar Excel aplicado a la gestión financiera, a nivel avanzado y cómo operar con tablas dinámicas, Power Query y Power Pivot
O2. Realizar aplicaciones de Excel en descuento comercial, cuenta corriente de crédito, préstamos, leasing, renting
O3. Manejar herramientas de gestión corporativa: administración de los datos de la empresa
O4. Conocer el Sistemas de planificación de recursos empresariales (ERP) para finanzas
O5. Aprender sobre la gestión de la tesorería (presupuesto, modelos de gestión, productos financieros)
O5. Conocer la Gestión del crédito: Política de crédito, métodos de determinación de probabilidad de insolvencia, instrumentos para la gestión del crédito (factoring, confirming, seguro de crédito)
O6. Saber cómo plantear una planificación financiera a Largo Plazo (estrategia, presupuesto y plan financiero, predicción y estados financieros proforma, modelos de planificación a largo plazo)
O7. Saber calcular ratios financieros: análisis financiero, limitaciones
O8. Conocer los indicadores clave de desempeño (KPI) financieros
09. Conocer la transformación digital de la empresa en el ámbito financiero: El ecosistema Fintech y estrategias regulatorias; Blockchain en Finanzas -Tokens, ICOs, Criptomonedas y operatoria, Ciberseguridad.
Competencias para el Experto en Análisis con Ingeligencia de Negocios:
O1. Conocer el ecosistema empresarial digital y cómo está afectando a la transformación digital de las empresas que establecen un sistema de gestión orientado a datos para lograr una ventaja competitiva (empresa data driven)
O2. Conocer el Cuadro de mandos integral (Dashboard) como herramienta de la Dirección Estratégica
O3. Conocer los nuevos perfiles profesionales en la empresa data-driven
O4. Conocer los aspectos éticos y regulatorios. Business compliance en materia de datos
O5. Conocer los sistemas de información en la empresa para el apoyo a la toma de decisiones de business intelligence (BI)
O6. Conocer el impacto de la inteligencia de negocios en las diferentes áreas funcionales: Operaciones; Marketing; Recursos Humanos
O7. Conocer aspectos necesarios para la implantación de una gestión basada en modelo BI: Orígenes de los datos internos y externos, potencialidades y obstáculos
O8. Conocer las principales herramientas de BI (Qlik Sense, Power BI,Tableau)
O9. Conocer los Fundamentos Tecnológicos para el Tratamiento del Dato
O10. Conocer el ecosistema de Power BI (1) Ciclo de trabajo de Power BI, 2) Recolección y limpieza de los datos: Power Query; 3) Modelado de datos: Power Pivot; 4) Transferencia de conocimiento: Análisis de los datos y visualización a través de informes: Power BI Desktop)
O11. Conocer la transformación de datos con Power Query
O12. Conocer las aplicaciones de Lenguaje Dax
O13. Power BI Desktop: Visualización de Datos
Competencias Experto en Analítica de Datos:
I.- FUNDAMENTOS DE ANÁLISIS DE DATOS Y MACHINE LEARNING
O1. Plantear Proyectos de Análisis de Datos (estructuras de datos, importación-exportación, informes reproducibles)
O2. Manejar el programa de software R para hacer análisis exploratorio de datos y hacer programación básica en R
O3. Visualización de datos con ggplot2
II.- MACHINE LEARNING 1: MÉTODOS DE CONSTRUCCIÓN DE MODELOS DE APRENDIZAJE SUPERVISADO CON R
O4. Aprender a utilizar técnicas de aprendizaje supervisado (Métodos clásicos; Regresión y clasificación mediante modelos basados en árboles; Algoritmos de clasificación con Naive Bayes; Algoritmos de clasificación con Support Vector Machine; Combinación de clasificadores; Detección de anomalías; Algoritmos de agrupamiento; Aprendizaje por refuerzo)
III.- MACHINE LEARNING 2: MÉTODOS DE CONSTRUCCIÓN DE MODELOS DE APRENDIZAJE NO SUPERVISADO CON R
O5. Aprender a utilizar técnicas de aprendizaje no supervisado (Algoritmos de agrupamiento, Técnicas de detección de anomalías, Aprendizaje por refuerzo)
IV.- REDES NEURONALES Y DEEP LEARNING
O5. Conocer cómo funcionan las redes neuronales (supervisadas, no supervisadas y de más alto nivel -Deep Learning-)
V.- BIG DATA Y PROCESAMIENTO PARALELO DE DATOS
O6. Aprender a trabajar con Big data (Herramientas y plataformas para trabajar; Manejo de datos; Visualización de datos; Machine learning)
VI.- TALLERES DE APLICACIONES A LA EMPRESA
O7. Aplicar las herramientas analizadas en el curso (R, nube, Machine Learning, Big Data) a casos reales de la empresa