Un programa online que te aportará una visión amplia de los múltiples negocios que pueden surgir con la aplicación de técnicas Big Data”

El líder de un proyecto o Start-Up es mucho más que aquella persona que sabe gestionar los Recursos Humanos de su empresa, es actualmente quien domina ese campo, pero también el Big Data, o el gran volumen de información existente en la red, y que bien focalizada es capaz de aportar un valor incalculable a la empresa. Para poder gestionar el Business Intelligence en la empresa es necesario adquirir unos conocimientos avanzados y actualizados que pueden alcanzarse con este Máster Semipresencial.

Este programa, dirigido principalmente a ingenieros informáticos que deseen reorientar su trabajo hacia el mundo de la inteligencia de negocio, o profesionales consolidados en el ámbito del BI que deseen avanzar en sus conocimientos, se adentrará en la transformación del negocio basado en los datos. El equipo docente especializado y con amplia experiencia en empresas digitales, consultorías o Marketing será el responsable de aportar el saber más reciente en este campo, donde el dato será la estrella. Así se mostrarán las herramientas tecnológicas y las técnicas más recientes empleados para su visualización y análisis, aportando además una visión futura con usos en la realidad virtual, aumentada e inteligencia artificial.

Asimismo, esta enseñanza aportará casos de simulaciones reales que permitirán al alumnado encontrar una relación directa del marco teórico con la aplicación directa en el campo profesional. La normativa legal existente, las estrategias de Marketing o la optimización del capital humano de la empresa serán otros de los puntos abordados en esta titulación, que proporcionará un extenso conocimiento al profesional de la informática que desee realizar una incursión en esta área.

Una excelente oportunidad para el alumnado que desee no solo adquirir conocimiento, sino vivir una experiencia profesional real, donde poder aplicar todo el aprendizaje recibido. Así, al finalizar la primera etapa del Máster Semipresencial, el alumnado realizará una estancia práctica en una empresa relevante en el sector, donde podrá, junto a profesionales en esta materia, completar su desarrollo en el campo del Business Intelligence.

Esta titulación te ofrece flexibilidad y comodidad para acceder las 24 horas del día a todo su contenido multimedia” 

Este Máster Semipresencial en MBA en Dirección de Business Intelligence contiene el programa más completo y actualizado del mercado. Sus características más destacadas son:

• Desarrollo de más de 100 casos presentados por profesionales de diferentes áreas digitales de empresas y consultorías
• Sus contenidos gráficos, esquemáticos y eminentemente prácticos con los que están concebidos, recogen una información sobre aquellas disciplinas indispensables para el ejercicio profesional
• Planes de modelo dinámico de empresa que apoye su crecimiento en los recursos intangibles
• Análisis de las sesiones de un sitio web con la finalidad de conocer mejor a sus clientes
• Planificar una correcta gestión, recolección y limpieza de datos de acuerdo a los objetivos empresariales
• Todo esto se complementará con lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• Disponibilidad de los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet
• Además, podrás realizar una estancia de prácticas en uno de los mejores centros especializados

Cursa una estancia intensiva de 3 semanas en una empresa referente y vive una experiencia que te hará crecer en el área digital empresarial”

En esta propuesta de Máster, de carácter profesional y modalidad semipresencial, el programa está dirigido a la actualización de profesionales que desarrollan sus funciones en empresas o deseen liderar un proyecto, y que requieren un alto nivel de cualificación. Los contenidos están basados en la última evidencia científica, y orientados de manera didáctica para integrar el saber teórico en la práctica directiva, y los elementos teórico-prácticos facilitarán la actualización del conocimiento y permitirán la toma de decisiones en las empresas.

Gracias a su contenido multimedia elaborado con la última tecnología educativa, permitirán al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará un aprendizaje inmersivo programado para entrenarse ante situaciones reales. El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del mismo. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.

Este Máster Semipresencial te mostrará las herramientas de métricas más empleadas en la actualidad en el Marketing Digital"

¿Has pensado en liderar una Start-up? Adquiere todo el conocimiento necesario con este Máster Semipresencial y titúlate en 12 meses junto a los más destacados expertos"

El plan de estudios de este Máster Semipresencial ha sido elaborado por un equipo docente especializado en el que se profundizarán en los principales aspectos que conforman el Business Intelligence en la empresa. Así, el alumnado podrá acceder desde el primer día al temario completo de esta enseñanza que consta de 10 módulos. De esta forma, el profesional de la informática podrá conectarse desde cualquier dispositivo electrónico, a cualquier hora del día, a un contenido, que además podrá distribuir acorde a sus necesidades. Asimismo, las largas horas de estudio se verán reducidas en este programa gracias al sistema Relearning que aplica TECH en todas sus titulaciones.

Accede a un temario con el contenido más novedoso en Inteligencia Artificial y su aplicación en las empresas”

Módulo 1. Business Intelligence en la empresa

1.1. Business Intelligence empresarial

1.1.1. El mundo del dato 
1.1.2. Conceptos relevantes 
1.1.3. Principales características 
1.1.4. Soluciones en el mercado actual 
1.1.5. Arquitectura global de una solución BI 
1.1.6. Ciberseguridad en BI y Data Science 

1.2. Nuevo concepto empresarial  

1.2.1. Por qué BI 
1.2.2. Obtención de la información 
1.2.3. BI en los distintos departamentos de la empresa 
1.2.4. Razones por las que invertir en BI 

1.3. El Data Warehouse  

1.3.1. Definiciones y objetivos: Data Warehouse y Data Mart 
1.3.2. Arquitectura 
1.3.3. El modelado dimensional y sus tipos de esquemas 
1.3.4. Proceso de extracción, transformación y carga (ETL) 
1.3.5. Metadatos 

1.4. Big Data y captura del dato 

1.4.1. Captura 
1.4.2. Transformación 
1.4.3. Almacenamiento 

1.5. Reporting Business Intelligence (BI)   

1.5.1. Estructuras de las BBDD
1.5.2. BBDD OLTP y OLAP 
1.5.3. Ejemplos 

1.6. Los dashboards o cuadros de mando integral  

1.6.1. Cuadros de mando 
1.6.2. Sistemas de soporte a la decisión 
1.6.3. Sistemas de información ejecutiva 

1.7. Deep Learning 

1.7.1. Deep Learning 
1.7.2. Fundamentos del Deep Learning 
1.7.3. Utilidades del Deep Learning 

1.8. Machine Learning 

1.8.1. Machine Learning   
1.8.2. Fundamentos del Machine Learning 
1.8.3. Utilidades del Machine Learning  
1.8.4. Deep Learning vs. Machine Learning  

1.9. Herramientas y soluciones BI 

1.9.1. Elección de la mejor herramienta 
1.9.2. Microsoft Power BI, MicroStrategy y Tableau 
1.9.3. SAP BI, SAS BI y Qlikview 
1.9.4. Prometeus 

1.10. Planificación y dirección Proyecto BI  

1.10.1. Primeros pasos para definir un proyecto de BI 
1.10.2. Solución BI para tu empresa 
1.10.3. Toma de requisitos y objetivos 

Módulo 2. Perspectiva de negocio  

2.1. La empresa   

2.1.1. Capital, inversión y riesgo 
2.1.2. Morfología de las organizaciones: tamaño, forma, actividad y sectores 
2.1.3. Organización y recursos 
2.1.4. Dirección y sus necesidades 

2.2. Empresa: mercado y cliente 

2.2.1. Mercado y cliente 
2.2.2. Análisis y segmentación de mercado 
2.2.3. Competencia directa e indirecta 
2.2.4. Ventaja competitiva 

2.3. Estrategia empresarial 

2.3.1. La estrategia empresarial 
2.3.2. Análisis DAFO 
2.3.3. Objetivos y plazos 
2.3.4. Medición de resultados: conociendo la realidad 
2.3.5. Indicadores clave 

2.4. Información como activo 

2.4.1. Información y gerencia 
2.4.2. Ciclo de vida información 
2.4.3. Sistema operacional y sistema estratégico 

2.5. Cuadro de mandos integral 

2.5.1. Cuadro de mandos: operativo, táctico y estratégico 
2.5.2. CMI definición 
2.5.3. Perspectiva financiera 
2.5.4. Perspectiva de cliente 
2.5.5. Perspectiva de procesos internos 
2.5.6. Perspectiva de aprendizaje y crecimiento 

2.6. Análisis de productividad  

2.6.1. Ingresos, gastos, inversión y consumo 
2.6.2. Análisis e imputación de costes 
2.6.3. ROI y otros ratios de interés 

2.7. Distribución y ventas 

2.7.1. Relevancia del departamento 
2.7.2. Canales y equipos 
2.7.3. Tipos de ventas y consumos 

2.8. Otras áreas comunes 

2.8.1. Producción y prestación de servicio 
2.8.2. Distribución y logística 
2.8.3. Comunicación comercial 
2.8.4. Marketing Inbound 

2.9. Data Management 

2.9.1. Roles y responsabilidades 
2.9.2. Identificación de interesados (stakeholders) 
2.9.3. Sistemas de gestión de la información 
2.9.4. Tipo de sistemas operacionales 
2.9.5. Sistema estratégico o de soporte a la decisión 
2.9.6. Plataformas para la información: Cloud Computing vs. On Premise 

2.10. Explorando la información 

2.10.1. Intro SQL: bases de datos relacionales conceptos básicos 
2.10.2. Redes y comunicaciones: redes públicas/privadas, dirección de red/subred/enrutador y DNS. Túnel VPN y SSH 
2.10.3. Sistema operacional: modelos de datos normalizados 
2.10.4. Sistema estratégico: OLAP, modelo multidimensional y dashboards gráficos 
2.10.5. Análisis estratégico de BBDD y composición de informes 

Módulo 3. Transformación del negocio basado en datos 

3.1. Big Data  

3.1.1. Big Data en las empresas 
3.1.2. Concepto de valor 
3.1.3. Gestión de proyectos de valor 

3.2. Marketing digital  

3.2.1. El marketing digital 
3.2.2. Beneficios del marketing digital 

3.3. Plan y accionamiento 

3.3.1. Campañas y tipos 
3.3.2. Redención y accionamiento 
3.3.3. Tipos de estrategia 
3.3.4. Plan de marketing digital 

3.4. Ejecución del plan de marketing 

3.4.1. Customer journey (base-campaña-redención-mejora) y marketing digital 
3.4.2. Integración en webs de herramientas de marketing digital 
3.4.3. Herramientas de marketing digital 

3.5. Customer Journey 

3.5.1. Ciclo de vida de cliente   
3.5.2. Asociación de campañas al ciclo de vida 
3.5.3. Métricas de campañas 

3.6. Gestión del dato para campañas 

3.6.1. Data warehouse y Data lab 
3.6.2. Herramientas de creación de campañas 
3.6.3. Métodos de accionamiento 

3.7. GDPR en marketing digital 

3.7.1. Anonización del dato y manipulación de datos personales 
3.7.2. Concepto Robinson 
3.7.3. Listas de exclusión 

3.8. Cuadro de mandos 

3.8.1. KPIs 
3.8.2. Audiencia 
3.8.3. Herramientas 
3.8.4. Storytelling 

3.9. Análisis y caracterización clientes 

3.9.1. Visión cliente 360º 
3.9.2. Relación de análisis con acciones tácticas 
3.9.3. Herramientas de análisis 

3.10. Ejemplos de negocio aplicando técnicas Big Data  

3.10.1. Upselling/Cross-selling 
3.10.2. Modelos de propensión 
3.10.3. Modelos de riesgo 
3.10.4. Predicciones 
3.10.5. Tratamiento de imágenes 

Módulo 4. Visualización de datos 

4.1. Visualización de datos  

4.1.1. La visualización de datos 
4.1.2. Importancia del análisis y la visualización de datos 
4.1.3. Evolución 

4.2. El diseño  

4.2.1. Uso del color 
4.2.2. Composición y tipografía 
4.2.3. Recomendaciones 

4.3. Tipos de datos 

4.3.1. Cualitativos 
4.3.2. Cuantitativos 
4.3.3. Datos temporales 

4.4. Conjuntos de datos  

4.4.1. Ficheros 
4.4.2. Bases de datos 
4.4.3. Open data 
4.4.4. Datos en streaming 

4.5. Tipos de representación comunes  

4.5.1. De columnas 
4.5.2. De barras 
4.5.3. De líneas 
4.5.4. De áreas 
4.5.5. De dispersión 

4.6. Tipos de representación avanzadas  

4.6.1. Circulares 
4.6.2. De anillos 
4.6.3. De burbujas 
4.6.4. Mapas 

4.7. Aplicación por áreas  

4.7.1. Ciencias políticas y sociología 
4.7.2. Ciencia 
4.7.3. Marketing 
4.7.4. Salud y bienestar 
4.7.5. Meteorología 
4.7.6. Negocios y finanzas 

4.8. Storytelling  

4.8.1. Importancia del Storytelling 
4.8.2. Historia del Storytelling 
4.8.3. Aplicación del Storytelling 

4.9. Software para la visualización  

4.9.1. Comerciales 
4.9.2. Gratuitos 
4.9.3. Online 
4.9.4. Software libre 

4.10. El futuro de la visualización de datos  

4.10.1. Realidad virtual 
4.10.2. Realidad aumentada 
4.10.3. Inteligencia artificial 

Módulo 5. Programación para el análisis de datos     

5.1. Programación para el análisis de datos 

5.1.1. Lenguajes para el análisis de datos 
5.1.2. Evolución y características de las principales de las herramientas 
5.1.3. Instalación y configuración 

5.2. Tipos de datos 

5.2.1. Tipos básicos 
5.2.2. Tipos complejos 
5.2.3. Otras estructuras 

5.3. Estructuras y operaciones 

5.3.1. Operaciones con datos 
5.3.2. Estructuras de control 
5.3.3. Operaciones con ficheros 

5.4. Extracción y análisis de información 

5.4.1. Resúmenes estadísticos 
5.4.2. Análisis univariable 
5.4.3. Análisis multivariable 

5.5. Visualización 

5.5.1. Gráficos univariables 
5.5.2. Gráficos multivariable 
5.5.3. Otros gráficos de interés 

5.6. Preprocesamiento  

5.6.1. La importancia de la calidad de los datos 
5.6.2. Detección y análisis de outliers 
5.6.3. Otros factores de calidad del dataset 

5.7. Preprocesamiento avanzado 

5.7.1. Submuestreo 
5.7.2. Remuestreo 
5.7.3. Reducción de dimensionalidad 

5.8. Modelado de datos   

5.8.1. Fases del modelado 
5.8.2. División del conjunto de datos 
5.8.3. Métricas para predicción 

5.9. Modelado de datos avanzado  

5.9.1. Modelos no supervisados 
5.9.2. Modelos supervisados 
5.9.3. Librerías para el modelado 

5.10. Herramientas y buenas prácticas 

5.10.1. Buenas prácticas para el modelado 
5.10.2. Las herramientas de un analista de datos 
5.10.3. Conclusión y librerías de interés 

Módulo 6. Digital Marketing Analytics  

6.1. La analítica web 

6.1.1. La analítica web. Uso 
6.1.2. Historia 
6.1.3. Metodología aplicable 

6.2. Google Analytics    

6.2.1. Acerca de Google Analytics 
6.2.2. Métrica vs. Dimensión 
6.2.3. Objetivos de medición 

6.3.  Informes  

6.3.1. Métricas básicas 
6.3.2. Métricas avanzadas o KPI (Key Performance Indicators) 
6.3.3. Conversiones 

6.4. Dimensiones 

6.4.1. Campaña/Palabra clave (keyword) 
6.4.2. Fuente/Medio 
6.4.3. Contenido 

6.5. Universal Analytics vs. Google Analytics 4  

6.5.1. Diferencias UA vs. GA4 
6.5.2. Ventajas y limitaciones 
6.5.3. Uso de herramientas UA y GA4 

6.6. Configuración de Google Analytics  

6.6.1. Instalación e integración 
6.6.2. Estructura de Universal Analytics: cuentas, propiedades y vistas 
6.6.3. Objetivos y embudos de conversión 

6.7. Marketing personalizado en el mercado del lujo   

6.7.1. Analítica en tiempo real 
6.7.2. Analítica de audiencia 
6.7.3. Analítica de adquisición 
6.7.4. Analítica de comportamiento 
6.7.5. Analítica de conversiones 

6.8. Informes avanzados 

6.8.1. Paneles 
6.8.2. Informes personalizados 
6.8.3. API 

6.9. Segmentos   

6.9.1. Diferencia entre segmento y filtro 
6.9.2. Tipos de segmentos: predefinidos/personalizados 
6.9.3. Remarketing 

6.10. Analítica digital

6.10.1. Medición 
6.10.2. Implementación 
6.10.3. Conclusiones  

Módulo 7. Gestión del dato 

7.1. Estadística 

7.1.1. Estadística: estadística descriptiva, estadística inferencias 
7.1.2. Población, muestra, individuo 
7.1.3. Variables: definición, escalas de medida 

7.2. Tipos de datos estadísticos  

7.2.1. Según tipo 

7.2.1.1. Cuantitativos: datos continuos y datos discretos
7.2.1.2. Cualitativos: datos binomiales, datos nominales y datos ordinales 

7.2.2. Según su forma: numérico, texto, lógico 
7.2.3. Según su fuente: primarios, secundarios 

7.3. Planificación de la gestión del dato 

7.3.1. Definición de objetivos 
7.3.2. Determinación de recursos disponibles 
7.3.3. Establecimiento de lapsos 
7.3.4. Estructura de los datos 

7.4. Recolección de datos 

7.4.1. Metodología de recolección 
7.4.2. Herramientas de recolección 
7.4.3. Canales de recolección 

7.5. Limpieza del dato  

7.5.1. Fases de la limpieza de datos 
7.5.2. Calidad del dato 
7.5.3. Manipulación de datos (con R) 

7.6. Análisis de datos, interpretación y valoración de resultados  

7.6.1. Medidas estadísticas 
7.6.2. Índices de relación 
7.6.3. Minería de datos 

7.7. Visualización de datos  

7.7.1. Visualización idónea según el tipo de dato 
7.7.2. Consideraciones asociadas al usuario final 
7.7.3. Modelos ejecutivos de presentación de resultados 

7.8. Almacén del dato (data warehouse)  

7.8.1. Elementos que lo integran 
7.8.2. Diseño 
7.8.3. Aspectos a considerar 

7.9. Disponibilidad del dato   

7.9.1. Acceso 
7.9.2. Utilidad 
7.9.3. Seguridad 

7.10. Aplicación práctica  

7.10.1. Exploración de datos 
7.10.2. Manipulación y ajuste de patrones y estructuras 
7.10.3. Aplicación de test y modelado 

Módulo 8. Protección de datos  

8.1. Normativa de protección de datos   

8.1.1. Marco normativo 
8.1.2. Definiciones 
8.1.3. Sujetos obligados al cumplimiento de la normativa  

8.1.3.1. Diferencias entre responsables, corresponsables y encargados de tratamiento 

8.1.4. La figura del delegado de protección de datos 

8.2. Regulación armonizada de la Inteligencia Artificial: propuesta de reglamento europeo 

8.2.1. Prácticas prohibidas 
8.2.2. Sistemas de inteligencia artificial de alto riesgo 
8.2.3. Medidas de apoyo a la innovación 

8.3. Principios relativos al tratamiento de datos personales  

8.3.1. Licitud, lealtad y transparencia 
8.3.2. Limitación de la finalidad 
8.3.3. Minimización de datos, exactitud y limitación del plazo de conservación 
8.3.4. Integridad y confidencialidad 
8.3.5. Responsabilidad proactiva 

8.4. Bases de licitud o legitimación y habilitaciones para el tratamiento, incluida, en su caso la comunicación de datos 

8.4.1. Consentimiento 
8.4.2. Relación contractual o medidas precontractuales 
8.4.3. Cumplimiento de una obligación legal 
8.4.4. Protección de intereses vitales del interesado u otra persona 
8.4.5. Interés público o ejercicio de poderes públicos 
8.4.6. Interés legítimo: ponderación de intereses 

8.5. Derechos de los individuos 

8.5.1. Transparencia e información 
8.5.2. Acceso 
8.5.3. Rectificación y supresión (derecho al olvido), limitación y portabilidad 
8.5.4. Oposición y decisiones individuales automatizadas 
8.5.5. Limitaciones a los derechos 

8.6. Protección de datos desde el diseño: análisis y gestión de riesgos de tratamientos de datos personales 

8.6.1. Identificación de riesgos y amenazas para los derechos y libertades de las personas físicas 
8.6.2. Evaluación de riesgos 
8.6.3. Plan de tratamiento de riesgos 

8.7. Técnicas para garantizar el cumplimiento de la normativa de protección de datos 

8.7.1. Identificación de medidas de responsabilidad proactiva 
8.7.2. Medidas organizativas 
8.7.3. Medidas técnicas 
8.7.4. El registro de actividades de tratamiento 
8.7.5. Gestión de brechas de seguridad 
8.7.6. Códigos de conducta y certificaciones 

8.8. La evaluación de impacto relativa a la protección de los datos personales (EIPD o DPIA) 

8.8.1. Estudio de necesidad de la EIPD 
8.8.2. Metodología de evaluación 
8.8.3. Identificación de riesgos y amenazas 
8.8.4. Consulta previa a la autoridad de control 

8.9. Regulación contractual entre los responsables, encargados y, en su caso, otros sujetos. Transferencias internacionales de datos 

8.9.1. Contrato de acceso o tratamiento de datos 
8.9.2. Contratos entre corresponsables 
8.9.3. Responsabilidades de las partes 
8.9.4. Definición y garantías que deben adoptarse en transferencias internacionales 

8.10. Las autoridades de control. Infracciones y sanciones 

8.10.1. Infracciones 
8.10.2. Sanciones 
8.10.3. Procedimiento sancionador 
8.10.4. Las autoridades de control y mecanismos de cooperación 

Módulo 9. Business Intelligence e Inteligencia Artificial: estrategias y aplicaciones 

9.1. Servicios financieros 

9.1.1. Las implicaciones de la Inteligencia Artificial (IA) en los servicios financieros. Oportunidades y desafíos 
9.1.2. Casos de uso 
9.1.3. Riesgos potenciales relacionados con el uso de IA 
9.1.4. Potenciales desarrollos/usos futuros de la IA 

9.2. Implicaciones de la Inteligencia Artificial en el servicio sanitario  

9.2.1.  Implicaciones de la IA en el sector sanitario. Oportunidades y desafíos 
9.2.2. Casos de uso 

9.3. Riesgos relacionados con el uso de la IA en el servicio sanitario 

9.3.1. Riesgos potenciales relacionados con el uso de IA 
9.3.2. Potenciales desarrollos/usos futuros de la IA 

9.4. Retail  

9.4.1. Implicaciones de la IA en Retail. Oportunidades y desafíos 
9.4.2. Casos de uso 
9.4.3. Riesgos potenciales relacionados con el uso de IA 
9.4.4. Potenciales desarrollos/usos futuros de la IA 

9.5. Industria 4.0  

9.5.1. Implicaciones de la IA en la Industria 4.0. Oportunidades y desafíos 
9.5.2. Casos de uso 

9.6. Riesgos potenciales relacionados con el uso de IA en la Industria 4.0   

9.6.1. Casos de uso 
9.6.2. Riesgos potenciales relacionados con el uso de IA 
9.6.3. Potenciales desarrollos/usos futuros de la IA 

9.7. Administración pública  

9.7.1. Implicaciones de la IA en la administración pública: oportunidades y desafíos 
9.7.2. Casos de uso 
9.7.3. Riesgos potenciales relacionados con el uso de IA 
9.7.4. Potenciales desarrollos/usos futuros de la IA 

9.8. Educación  

9.8.1. Implicaciones de la IA en la educación: oportunidades y desafíos 
9.8.2. Casos de uso 
9.8.3. Riesgos potenciales relacionados con el uso de IA 
9.8.4. Potenciales desarrollos/usos futuros de la IA 

9.9. Silvicultura y agricultura  

9.9.1. Implicaciones de la IA en la silvicultura y la agricultura. Oportunidades y desafíos 
9.9.2. Casos de uso 
9.9.3. Riesgos potenciales relacionados con el uso de IA 
9.9.4. Potenciales desarrollos/usos futuros de la IA 

9.10. Recursos humanos  

9.10.1. Implicaciones de la IA en los recursos humanos. Oportunidades y desafíos 
9.10.2. Casos de uso 
9.10.3. Riesgos potenciales relacionados con el uso de IA 
9.10.4. Potenciales desarrollos/usos futuros de la IA 

Módulo 10. Optimización del capital humano en la empresa  

10.1. Capital humano en la empresa 

10.1.1. Valor del capital humano en el mundo tecnológico 
10.1.2. Habilidades directivas 
10.1.3. Cambio de paradigma en los modelos de dirección 

10.2. Competencias del director  

10.2.1. Proceso directivo 
10.2.2. Las funciones de la dirección 
10.2.3. Gestión de liderazgo de grupos en las empresas las relaciones grupales 

10.3. Comunicación en la empresa  

10.3.1. El proceso de comunicación en la empresa   
10.3.2. Relaciones interpersonales en la empresa   
10.3.3. Técnicas de comunicación para el cambio   

10.3.3.1. Storytelling   
10.3.3.2. Técnicas de comunicación asertiva. Feedback, consenso 

10.4. Coaching Empresarial  

10.4.1. Coaching Empresarial 
10.4.2. La práctica del coaching 
10.4.3. Tipos de coaching y coaching en las organizaciones 

10.4.3.1. El coaching como estilo de liderazgo 

10.5. Mentoring Empresarial 

10.5.1. El Mentoring en la empresa 
10.5.2. Los 4 procesos de un programa de Mentoring 
10.5.3. Beneficios de esta herramienta empresarial 

10.6. Mediación y resolución de conflictos en la empresa  

10.6.1. Los conflictos 
10.6.2. Prevenir, afrontar y resolver el conflicto 
10.6.3. Estrés y motivación laboral 

10.7. Técnicas de negociación  

10.7.1. La negociación en el ámbito directivo de las empresas tecnológicas 
10.7.2. Estrategias y principales tipos de negociación 

10.7.2.1. La figura del sujeto negociador   

10.8. Gestión del cambio empresarial 

10.8.1. Factores del cambio organizacional 
10.8.2. Planificación estratégica 
10.8.3. Gestión del cambio organizacional 

10.8.3.1. Para el cambio intangible: equipos, comunicación, cultura, liderazgo 
10.8.3.2. Para el cambio básico o tangible: fijación de objetivos, medir rendimiento, aprendizaje, reconocimiento y recompensas 

10.9. Técnicas de mejora del funcionamiento de un equipo 

10.9.1. Técnicas de trabajo en equipo 
10.9.2. Delegación en los equipos de trabajo 

10.10. Dinámica de Grupos. Clasificación  

10.10.1. El papel del dinamizador 
10.10.2. Técnicas de Dinámica de Grupos 

10.10.2.1. Brainstorming+ 
10.10.2.2. Phillips 6/6
10.10.2.3. El globo aerostático D

Da un giro en tu carrera profesional. Aumenta tus conocimientos y adéntrate en el campo del Business Intelligence”