An online program that will provide you with a broad vision of the multiple businesses that can arise with the application of Big Data techniques"

The leader of a project or Start-Up is much more than the person who knows how to manage the Human Resources of the company, it is currently the person who dominates this field, but also the Big Data, or the large volume of existing information on the network, and that well focused is able to bring priceless value to the company. To be able to manage Business Intelligence in the company, it is necessary to acquire advanced and updated knowledge that can be achieved with this Hybrid Master.

This program, aimed primarily at computer engineers who wish to reorient their work towards the world of business intelligence, or established professionals in the field of BI who wish to advance their knowledge, will delve into the transformation of data-driven business. The specialized teaching team with extensive experience in digital companies, consulting or Marketing will be responsible for providing the latest knowledge in this field, where data will be the star. In this way, the most recent technological tools and techniques used for their visualization and analysis will be shown, also providing a future vision with applications in virtual reality, augmented reality and artificial intelligence.

Likewise, this program will provide cases of real simulations that will allow students to find a direct relationship between the theoretical framework and the direct application in the professional field. The existing legal regulations, marketing strategies or the optimization of the human capital of the company will be other points addressed in this qualification, which will provide extensive knowledge to the IT professional who wishes to pursue a career in this area.

An excellent opportunity for students who wish not only to acquire knowledge, but also to live a real professional experience, where they can apply all the learning received. At the end of the first stage of the Hybrid Master, students will have a practical stay in a relevant company in the sector, where they will be able, together with professionals in this field, to complete their development in the field of Business Intelligence.

This qualification offers you the flexibility and convenience of 24-hour access to all its multimedia content"

This Hybrid professional master’s degree in MBA in Business Intelligence Management contains the most complete and up-to-date program on the market. The most important features include:

• Development of more than 100 cases presented by professionals from different digital areas of companies and consulting firms
• The graphic, schematic and practical contents with which they are conceived, gather information on those disciplines that are essential for professional practice
• Plans for a dynamic business model that supports your company's growth in intangible resources
• Analysis of the sessions of a website in order to better understand your customers
• Plan proper data management, collection and cleansing in accordance to business objectives
• All of this will be complemented by theoretical lessons, questions to the expert, debate forums on controversial topics, and individual reflection assignments
• Content that is accessible from any fixed or portable device with an Internet connection
• Furthermore, you will be able to do an internship in one of the best specialized centers in the world

Take an intensive 3-week internship in a reference company and live an experience that will make you grow in the digital business area"

In this Master's proposal, of a professional nature and hybrid learning modality, the program is aimed at updating professionals who perform their functions in companies or who wish to lead a project, and who require a high level of qualification. The contents are based on the latest scientific evidence, and oriented in an educational way to integrate theoretical knowledge into practice, and the theoretical-practical elements will facilitate knowledge update and decision-making in patient management.

Thanks to its multimedia content developed with the latest educational technology, they will allow the professional a situated and contextual learning, that is to say, a simulated environment that will provide an immersive learning programmed to prepare in real situations. This program is designed around Problem-Based Learning, whereby the professional must try to solve the different professional practice situations that arise throughout the program. For this purpose, the students will be assisted by an innovative interactive video system created by renowned and experienced experts.

This Hybrid Master will show you the most used metrics tools in Digital Marketing"

Have you thought about leading a Start-up? Acquire all the necessary knowledge with this Hybrid Master and graduate in 12 months with the most prominent experts"

El plan de estudios de este Hybrid professional master’s degree 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”