Prepare-se para levar sua carreira ao mais alto nível e conquistar o sucesso com a TECH! Acesso a 10 Masterclasses elaboradas por um especialista em Business Intelligence reconhecido internacionalmente” 

O líder de um projeto ou de uma Start-Up é muito mais do que a pessoa que sabe gerenciar os Recursos Humanos de sua empresa, atualmente é a pessoa que domina esse campo, mas também o Big Data, ou seja, o grande volume de informações disponíveis na rede, que, se bem concentrado, é capaz de fornecer um valor incalculável à empresa. Para poder gerenciar ol Business Intelligence na empresa, é necessário adquirir conhecimentos avançados e atualizados, o que pode ser obtido com esse Mestrado próprio.

Este programa, voltado principalmente para engenheiros da computação que desejam reorientar seu trabalho para o mundo do business intelligence, ou profissionais de BI estabelecidos que desejam aprimorar seus conhecimentos, se aprofundará na transformação de negócios orientada por dados. A equipe de professores especializados, com ampla experiência em empresas digitais, consultorias e marketing, será responsável por fornecer os conhecimentos mais recentes nessa área, na qual os dados serão a estrela. Serão apresentadas as ferramentas e técnicas tecnológicas mais recentes usadas para sua visualização e análise, bem como uma visão futura com usos em realidade virtual e aumentada e inteligência artificial.

Além disso, esse ensino fornecerá casos reais de simulação que permitirão aos alunos encontrar uma relação direta entre a estrutura teórica e a aplicação direta no campo profissional. As regulamentações legais existentes, as estratégias de marketing ou a otimização do capital humano da empresa serão outros dos pontos abordados nesse curso, que fornecerá amplo conhecimento ao profissional de TI que deseja fazer uma incursão nessa área.

Uma excelente oportunidade para os alunos que desejam não apenas adquirir conhecimento, mas também viver uma experiência profissional real, na qual possam aplicar todo o aprendizado recebido. Assim, ao final da primeira etapa do Mestrado próprio, os alunos realizarão uma colocação prática em uma empresa relevante do setor, onde poderão, juntamente com profissionais da área, concluir seu desenvolvimento no campo do Business Intelligence.

Esse curso oferece a flexibilidade e a conveniência do acesso 24 horas a todo o seu conteúdo multimídia” 

Este Mestrado próprio em MBA em Gestão de Business Intelligence conta com o conteúdo mais completo e atualizado do mercado. Suas principais características são:

• Desenvolvimento de mais de 100 casos apresentados por profissionais de gestão hospitalar
• Seu conteúdo gráfico, esquemático e eminentemente prático fornece informações sobre as disciplinas que são essenciais para a prática profissional
• Planos para um modelo de negócios dinâmico para apoiar seu crescimento em recursos intangíveis
• Análise das sessões do site para obter uma melhor compreensão de seus clientes
• Planejar a gestão, a coleta e a limpeza adequadas dos dados de acordo a os objetivos comerciais
• Tudo isto complementado por palestras teóricas, perguntas aos especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Acesso a todo o conteúdo a partir de qualquer dispositivo,  fixo ou portátil, com conexão à Internet
• Além disso, você poderá fazer um estágio em um dos melhores centros especializados do mundo

Faça um estágio intensivo de três semanas em uma empresa líder e viva uma experiência que o fará crescer na área de negócios digitais” 

Nesta proposta de mestrado, de natureza profissional e modalidade de aprendizagem semipresencial, o programa destina-se a atualizar profissionais que desempenham suas funções em empresas ou que desejam liderar um projeto e que exigem um alto nível de qualificação. Os conteúdos são baseados nas mais recentes evidências científicas e direcionados de forma didática para integrar o conhecimento teórico à prática de Diretores, e os elementos teórico-práticos irão favorecer a atualização do conhecimento e permitir a tomada de decisões nas empresas.

O conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, oferece ao profissional uma aprendizagem situada e contextual, ou seja, um ambiente simulado que irá proporcionar uma prática imersiva, programada para capacitar através de situações reais. A estrutura deste programa se concentra na Aprendizagem Baseada em Problemas, por meio da qual o aluno deve tentar resolver as diferentes situações de prática profissional que surgem ao longo do programa. Para isso, contará com a ajuda de um inovador sistema de vídeo interativo realizado por especialistas reconhecidos.

Este Mestrado próprio mostrará a você as ferramentas de métricas mais usadas atualmente no Marketing Digital"

Você já pensou em liderar uma start-up? Adquira todo o conhecimento necessário com este Mestrado próprio e forme-se em 12 meses com os principais especialistas"

El plan de estudios de este Mestrado próprio 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”