Presentación

Con los sistemas de estudio a distancia mejor desarrollados, este programa te permitirá aprender de forma contextual, aprendiendo de forma adecuada la parte práctica que necesitas”

##IMAGE##

En un mundo tan cambiante como el presente, la proliferación de nuevas tecnologías resulta una constante. En la actualidad, estamos acostumbrados a ver cómo herramientas, plataformas o tecnologías de vanguardia se convierten en elementos obsoletos con reducida aplicabilidad en el entorno empresarial.

Análogamente, resulta totalmente natural que tecnologías inexistentes o incipientes en nichos de mercado se transformen en tendencia en ámbitos más generales.

Sin ninguna duda, se trata de un proceso imparable y en constante evolución, máximo exponente de la revolución tecnológica actual, que obliga a los profesionales de las tecnologías de la información a una permanente especialización.

Ante esta situación, el MBA en Dirección Técnica de Data Science en la Empresa se ofrece como un programa formativo completo, incluyendo las tecnologías más punteras y demandadas en el ámbito empresarial.  

Así pues, en un ejercicio de síntesis, desde una perspectiva tanto técnica como de negocio, ha sido seleccionado un conjunto de materias habitualmente no cubiertas por programas formativos generalistas, con el objetivo de dotar al alumno de los conocimientos tecnológicos necesarios para el abordaje de múltiples problemas tecnológicos actuales mediante el uso de las técnicas más adecuadas y avanzadas.

De este modo, la combinación tanto de materias puramente técnicas como de negocio, hacen de este Maestría una especialización de vanguardia especialmente orientada a profesionales que persiguen el aprendizaje de las tecnologías más actualmente extendidas, o un mayor nivel de conocimiento de estas.

El principal objetivo es capacitar al alumno para que aplique en el mundo real los conocimientos adquiridos en esta capacitación, en un entorno de trabajo que reproduzca las condiciones que se puede encontrar en su futuro, de manera rigurosa y realista.

Al ser en un formato 100% online, el alumno no tendrá que renunciar a sus obligaciones personales o profesionales. Una vez finalizado el programa el alumno habrá actualizado sus conocimientos y estará en posesión un título de increíble prestigio que le permitirá avanzar personal y profesionalmente.

Un intensivo programa de crecimiento profesional que te permitirá intervenir en un sector con una creciente demanda de profesionales” 

##Este/Esta## MBA en Dirección Técnica de Data Science en la Empresa contiene el programa académico más completo y actualizado del panorama universitario. Las características más destacadas del curso son: 

  • El desarrollo de casos prácticos presentados por expertos en Dirección Técnica de Data Science en la Empresa
  • Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional 
  • Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
  • Su especial hincapié en metodologías innovadoras 
  • Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
  • La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

En ##este/esta## programa podrás compaginar la eficiencia de los métodos de aprendizaje más avanzados, con la flexibilidad de un programa creado para adaptarse a tus posibilidades de dedicación, sin perder calidad”

El programa incluye en su cuadro docente a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos. 

Un programa completo y de vanguardia que te permitirá avanzar de forma progresiva y completa en la adquisición de los conocimientos que necesitas para intervenir en este sector"

##IMAGE##

Amplio pero específico, este programa te llevará al conocimiento concreto que el ingeniero informático necesita para competir entre los mejores del sector"

Temario

El programa de estudios ha sido diseñado en base a la eficacia educacional, seleccionando cuidadosamente los contenidos para ofrecer un recorrido completo, que incluye todos los campos de estudio imprescindibles para alcanzar el conocimiento real de la materia. Con las actualizaciones y aspectos más novedosos del sector. Se ha establecido así un plan de estudios cuyos módulos ofrecen una amplia perspectiva de la MBA en Dirección Técnica de Data Science en la Empresa. Desde el primer módulo el alumno verá ampliados sus conocimientos, que le capacitarán para desarrollarse profesionalmente, sabiendo que cuenta, además, con el respaldo de un equipo de expertos.

##IMAGE##

Todos los temas y áreas de conocimiento han sido recopilados en un temario completo y de absoluta actualidad, para llevar al alumno al máximo nivel tanto teórico como práctico”

Módulo 1. Principales sistemas de gestión de información

1.1. ERP y CRM

1.1.1. El ERP
1.1.2. El CRM
1.1.3. Diferencias entre ERP, CRM. Punto de venta
1.1.4. Éxito empresarial

1.2. El ERP

1.2.1. El ERP
1.2.2. Tipos de ERP
1.2.3. Desarrollo de un proyecto de implantación de un ERP
1.2.4. ERP. Optimizador de recursos
1.2.5. Arquitectura de un sistema ERP

1.3. Información aportada por el ERP

1.3.1. Información aportada por el ERP
1.3.2. Ventajas e inconvenientes
1.3.3. La información

1.4. Sistemas ERP

1.4.1. Sistemas y herramientas actuales de ERP
1.4.2. Toma de decisiones
1.4.3. Día a día con un ERP

1.5. CRM: el proyecto de implantación

1.5.1. El CRM. Proyecto de implantación
1.5.2. El CRM como herramienta comercial
1.5.3. Estrategias para el sistema de información

1.6. CRM: Fidelización de clientes

1.6.1. Punto de partida
1.6.2. Vender o fidelizar
1.6.3. Factores de éxito en nuestro sistema de fidelización
1.6.4. Estrategias multicanal
1.6.5. Diseño de las acciones de fidelización
1.6.6. E-fidelización

1.7. CRM: campañas de comunicación

1.7.1. Acciones y planes de comunicación
1.7.2. Importancia del cliente informado
1.7.3. La escucha al cliente

1.8. CRM: prevención de insatisfechos

1.8.1. Las bajas de cliente
1.8.2. Detección de errores a tiempo
1.8.3. Procesos de mejora
1.8.4. Recuperación del cliente insatisfecho

1.9. CRM: acciones especiales de comunicación

1.9.1. Objetivos y planificación de un evento en la empresa
1.9.2. Diseño y realización del evento
1.9.3. Acciones desde el departamento
1.9.4. Análisis de resultados

1.10. El marketing relacional

1.10.1. Implantación. Errores
1.10.2. Metodología, segmentación y procesos
1.10.3. Actuación, según el departamento
1.10.4. Herramientas CRM

Módulo 2. Tipos y ciclo de vida del dato

2.1. La estadística

2.1.1. Estadística: estadística descriptiva, estadística inferencias
2.1.2. Población, muestra, individuo
2.1.3. Variables: definición, escalas de medida

2.2. Tipos de datos estadísticos

2.2.1. Según tipo

2.2.1.1. Cuantitativos: datos continuos y datos discretos
2.2.1.2. Cualitativos: datos binomiales, datos nominales y datos ordinales

2.2.2. Según su forma

2.2.2.1. Numérico
2.2.2.2. Texto
2.2.2.3. Lógico

2.2.3. Según su fuente

2.2.3.1. Primarios
2.2.3.2. Secundarios

2.3. Ciclo de vida de los datos

2.3.1. Etapas del ciclo
2.3.2. Hitos del ciclo
2.3.3. Principios FAIR

2.4. Etapas iniciales del ciclo

2.4.1. Definición de metas
2.4.2. Determinación de recursos necesarios
2.4.3. Diagrama de Gantt
2.4.4. Estructura de los datos

2.5. Recolección de datos

2.5.1. Metodología de recolección
2.5.2. Herramientas de recolección
2.5.3. Canales de recolección

2.6. Limpieza del dato

2.6.1. Fases de la limpieza de datos
2.6.2. Calidad del dato
2.6.3. Manipulación de datos (con R)

2.7. Análisis de datos, interpretación y valoración de resultados

2.7.1. Medidas estadísticas
2.7.2. Índices de relación
2.7.3. Minería de datos

2.8. Almacén del dato (Datawarehouse)

2.8.1. Elementos que lo integran
2.8.2. Diseño
2.8.3. Aspectos a considerar

2.9. Disponibilidad del dato

2.9.1. Acceso
2.9.2. Utilidad
2.9.3. Seguridad

2.10. Aspectos normativos

2.10.1. Ley de protección de datos
2.10.2. Buenas prácticas
2.10.3. Otros aspectos normativos

Módulo 3. Número aprendizaje automático

3.1. El conocimiento en bases de datos

3.1.1. Preprocesamiento de datos
3.1.2. Análisis
3.1.3. Interpretación y evaluación de los resultados

3.2. Machine Learning

3.2.1. Aprendizaje supervisado y no supervisado
3.2.2. Aprendizaje por refuerzo
3.2.3. Aprendizaje semisupervisado. Otros modelos de aprendizaje

3.3. Clasificación

3.3.1. Árboles de decisión y aprendizaje basado en reglas
3.3.2. Máquinas de Soporte Vectorial (SVM) y algoritmos de vecinos más cercanos (KNN)
3.3.3. Métricas para algoritmos de clasificación

3.4. Regresión

3.4.1. Regresión lineal y regresión logística
3.4.2. Modelos de regresión no lineales
3.4.3. Análisis de series temporales
3.4.4. Métricas para algoritmos de regresión

3.5. Clustering

3.5.1. Agrupamiento jerárquico
3.5.2. Agrupamiento particional
3.5.3. Métricas para algoritmos de clustering

3.6. Reglas de asociación

3.6.1. Medidas de interés
3.6.2. Métodos de extracción de reglas
3.6.3. Métricas para los algoritmos de reglas de asociación

3.7. Multiclasificadores

3.7.1. “Bootstrap aggregation” o “bagging”
3.7.2. Algoritmo de “Random Forests”
3.7.3. Algoritmo de “Boosting”

3.8. Modelos de razonamiento probabilístico

3.8.1. Razonamiento probabilístico
3.8.2. Redes bayesianas o redes de creencia
3.8.3. “Hidden Markov Models”

3.9. Perceptrón Multicapa

3.9.1. Red neuronal
3.9.2. Aprendizaje automático con redes neuronales
3.9.3. Descenso del gradiente, “backpropagation” y funciones de activación
3.9.4. Implementación de una red neuronal artificial

3.10 Aprendizaje profundo

3.10.1. Redes neuronales profundas. Introducción
3.10.2. Redes convolucionales
3.10.3. Sequence Modeling
3.10.4. Tensorflow y Pytorch

Módulo 4. Analítica web

4.1. Analítica web

4.1.1. Introducción
4.1.2. Evolución de la analítica web
4.1.3. Proceso de análisis

4.2. Google Analytics

4.2.1. Google Analytics
4.2.2. Uso
4.2.3. Objetivos

4.3. Hits. Interacciones con el sitio web

4.3.1. Métricas básicas
4.3.2. KPI (Key Performance Indicators)
4.3.3. Porcentajes de conversión adecuados

4.4. Dimensiones frecuentes

4.4.1. Fuente
4.4.2. Medio
4.4.3. Keyword
4.4.4. Campaña
4.4.5. Etiquetado personalizado

4.5. Configuración de Google Analytics

4.5.1. Instalación. Creación de la cuenta
4.5.2. Versiones de la herramienta: UA/GA4
4.5.3. Etiqueta de seguimiento
4.5.4. Objetivos de conversión

4.6. Organización de Google Analytics

4.6.1. Cuenta
4.6.2. Propiedad
4.6.3. Vista

4.7. Informes de Google Analytics

4.7.1. En tiempo real
4.7.2. Audiencia
4.7.3. Adquisición
4.7.4. Comportamiento
4.7.5. Conversiones
4.7.6. Comercio electrónico

4.8. Informes avanzados de Google Analytics

4.8.1. Informes personalizados
4.8.2. Paneles
4.8.3. APIs

4.9. Filtros y segmentos

4.9.1. Filtro
4.9.2. Segmento
4.9.3. Tipos de segmentos: predefinidos/personalizados
4.9.4. Listas de Remarketing

4.10. Plan de analítica digital

4.10.1. Medición
4.10.2. Implementación en el entorno tecnológico
4.10.3. Conclusiones

Módulo 5. Normativas para gestión de datos

5.1. Marco regulatorio

5.1.1. Marco normativo y definiciones
5.1.2. Responsables, corresponsables y encargados de tratamiento
5.1.3. Próximo marco normativo en materia de inteligencia artificial

5.2. Principios relativos al tratamiento de datos personales

5.2.1. Licitud, lealtad y transparencia y limitación de la finalidad
5.2.2. Minimización de datos, exactitud y limitación del plazo de conservación
5.2.3. Integridad y confidencialidad
5.2.4. Responsabilidad proactiva

5.3. Legitimación y habilitación para el tratamiento

5.3.1. Bases de legitimación
5.3.2. Habilitaciones para el tratamiento de categorías especiales de datos
5.3.3. Comunicaciones de datos

5.4. Derechos de los individuos

5.4.1. Transparencia e información
5.4.2. Acceso
5.4.3. Rectificación y supresión (derecho al olvido), limitación y portabilidad
5.4.4. Oposición y decisiones individuales automatizadas
5.4.5. Límites a los derechos

5.5. Análisis y gestión de riesgos

5.5.1. Identificación de riesgos y amenazas para los derechos y libertades de las personas físicas
5.5.2. Evaluación de riesgos
5.5.3. Plan de tratamiento de riesgos

5.6. Medidas de responsabilidad proactiva

5.6.1. Identificación de técnicas para garantizar y acreditar cumplimiento
5.6.2. Medidas organizativas
5.6.3. Medidas técnicas
5.6.4. Gestión de violaciones de la seguridad de los datos personales
5.6.5. El registro de actividades de tratamiento

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

5.7.1. Actividades que requieren EIPD
5.7.2. Metodología de evaluación
5.7.3. Identificación de riesgos, amenazas y consulta a la autoridad de control

5.8. Regulación contractual: responsables, encargados y otros sujetos

5.8.1. Contratos en materia de protección de datos
5.8.2. Atribución de responsabilidades
5.8.3. Contratos entre corresponsables

5.9. Transferencias internacionales de datos

5.9.1. Definición y garantías que deben adoptarse
5.9.2. Las cláusulas contractuales tipo
5.9.3. Otros instrumentos para regular transferencias

5.10. Infracciones y sanciones

5.10.1. Infracciones y sanciones
5.10.2. Criterios de graduación en materia sancionadora
5.10.3. El delegado de protección de datos
5.10.4. Funciones de las autoridades de control

Módulo 6. Sistemas escalables y confiables de uso masivo de datos

6.1. Escalabilidad, confiabilidad y mantenibilidad

6.1.1. Escalabilidad
6.1.2. Confiabilidad
6.1.3. Mantenibilidad

6.2. Modelos de datos

6.2.1. Evolución de los modelos de datos
6.2.2. Comparación del modelo relacional con el modelo NoSQL basado en documentos
6.2.3. Modelo de grafos

6.3. Motores de almacenamiento y recuperación de datos

6.3.1. Almacenamiento estructurado en log
6.3.2. Almacenamiento en tablas de segmentos
6.3.3. Árboles B

6.4. Servicios, paso de mensajes y formatos para codificar datos

6.4.1. Flujo de datos en servicios REST
6.4.2. Flujo de datos en paso de mensajes
6.4.3. Formatos de envío de mensajes

6.5. Replicación

6.5.1. Teorema CAP
6.5.2. Modelos de consistencia
6.5.3. Modelos de réplica en base a conceptos de líder y seguidores

6.6. Transacciones distribuidas

6.6.1. Operaciones atómicas
6.6.2. Transacciones distribuidas desde diferentes enfoques Calvin, Spanner
6.6.3. Serializabilidad

6.7. Particionado

6.7.1. Tipos de particionado
6.7.2. Índices en particiones
6.7.3. Rebalanceado de particiones

6.8. Procesamiento por lotes

6.8.1. El Procesamiento por lotes
6.8.2. MapReduce
6.8.3. Enfoques posteriores a MapReduce

6.9. Procesamiento de flujos de datos

6.9.1. Sistemas de mensajes
6.9.2. Persistencia de flujos de datos
6.9.3. Usos y operaciones con flujos de datos

6.10. Casos de uso. Twitter, Facebook, Uber

6.10.1. Twitter: el uso de Caches
6.10.2. Facebook: modelos no relacionales
6.10.3. Uber: diferentes modelos para diferentes propósitos

Módulo 7. Administración de sistemas para despliegues distribuidos

7.1. Administración clásica. El modelo monolítico

7.1.1. Aplicaciones clásicas. Modelo monolítico
7.1.2. Requisitos de sistemas para aplicaciones monolíticas
7.1.3. La administración de sistemas monolíticos
7.1.4. Automatización

7.2. Aplicaciones distribuidas. El microservicio

7.2.1. Paradigma de computación distribuida
7.2.2. Modelos basados en microservicios
7.2.3. Requisitos de sistemas para modelos distribuidos
7.2.4. Aplicaciones monolíticas vs. Aplicaciones distribuidas

7.3. Herramientas para la explotación de recursos

7.3.1. Gestión del “hierro”
7.3.2. Virtualización
7.3.3. Emulación
7.3.4. Paravirtualización

7.4. Modelos IaaS, PaaS y SaaS

7.4.1. Modelo IaaS
7.4.2. Modelo PaaS
7.4.3. Modelo SaaS
7.4.4. Patrones de diseño

7.5. Containerización

7.5.1. Virtualización con cgroups
7.5.2. Containers
7.5.3. De la aplicación al contenedor
7.5.4. Orquestación de contenedores

7.6. Clusterización

7.6.1. Alto rendimiento y alta disponibilidad
7.6.2. Modelos de alta disponibilidad
7.6.3. Clúster como plataforma SaaS
7.6.4. Securización de clústers

7.7. Cloud computing

7.7.1. Clústers vs. clouds
7.7.2. Tipos de clouds
7.7.3. Modelos de servicio en cloud
7.7.4. Sobresuscripción

7.8. Monitorización y testing

7.8.1. Tipos de monitorización
7.8.2. Visualización
7.8.3. Tests de infraestructura
7.8.4. Ingeniería del caos

7.9. Caso de estudio: Kubernetes

7.9.1. Estructura
7.9.2. Administración
7.9.3. Despliegue de servicios
7.9.4. Desarrollo de servicios para K8S

7.10. Caso de estudio: OpenStack

7.10.1. Estructura
7.10.2. Administración
7.10.3. Despliegues
7.10.4. Desarrollo de servicios para OpenStack

Módulo 8. Internet of Things

8.1. Internet of Things (IoT)

8.1.1. Internet del futuro
8.1.2. Internet of Things e Industrial Internet of Things
8.1.3. El consorcio de internet industrial

8.2. Arquitectura de referencia

8.2.1. La arquitectura de referencia
8.2.2. Capas y componentes

8.3. Dispositivos IoT

8.3.1. Clasificación
8.3.2. Componentes
8.3.3. Sensores y actuadores

8.4. Protocolos de comunicaciones

8.4.1. Clasificación
8.4.2. Modelo OSI
8.4.3. Tecnologías

8.5. Plataformas IoT e IIoT

8.5.1. La plataforma IoT
8.5.2. Plataformas Cloud de propósito general
8.5.3. Plataformas industriales
8.5.4. Plataformas de código abierto

8.6. Gestión de datos en plataformas IoT

8.6.1. Mecanismos de gestión
8.6.2. Datos abiertos
8.6.3. Intercambio de datos
8.6.4. Visualización de datos

8.7. Seguridad en IoT

8.7.1. Requisitos de seguridad
8.7.2. Áreas de seguridad
8.7.3. Estrategias de seguridad
8.7.4. Seguridad en IIoT

8.8. Áreas de aplicación de sistemas IoT

8.8.1. Ciudades inteligentes
8.8.2. Salud y condición física
8.8.3. Hogar inteligente
8.8.4. Otras aplicaciones

8.9. Aplicación de IIoT a los distintos sectores industriales

8.9.1. Fabricación
8.9.2. Transporte
8.9.3. Energía
8.9.4. Agricultura y ganadería
8.9.5. Otros sectores

8.10. Integración del IIoT en el modelo de industria 4.0

8.10.1. IoRT (Internet of Robotics Things)
8.10.2. Fabricación aditiva 3D
8.10.3. Big Data Analytics

Módulo 9. Gestión de proyectos y metodologías Agile

9.1. Dirección y gestión de proyectos

9.1.1. El proyecto
9.1.2. Fases de un proyecto
9.1.3. Dirección y gestión de proyectos

9.2. Metodología PMI para la gestión de proyectos

9.2.1. PMI (Project Management Institute)
9.2.2. PMBOK
9.2.3. Diferencia entre proyecto, programa y porfolio de proyectos
9.2.4. Evolución de las organizaciones que trabajan con proyectos
9.2.5. Activos de los procesos en las organizaciones

9.3. Metodología PMI para la gestión de proyectos: procesos

9.3.1. Grupos de procesos
9.3.2. Áreas de conocimiento
9.3.3. Matriz de procesos

9.4. Metodologías Agile para la gestión de proyectos

9.4.1. Contexto VUCA (volatilidad, incertidumbre, complejidad y ambigüedad)
9.4.2. Valores Agile
9.4.3. Principios del manifiesto Agile

9.5. Framework Agile SCRUM para la gestión de proyectos

9.5.1. Scrum
9.5.2. Los pilares de la metodología Scrum
9.5.3. Los valores en Scrum

9.6. Framework Agile SCRUM para la gestión de proyectos. Proceso

9.6.1. El proceso de Scrum
9.6.2. Roles tipificados en un proceso Scrum
9.6.3. Las ceremonias en Scrum

9.7. Framework Agile SCRUM para la gestión de proyectos. Artefactos

9.7.1. Artefactos en un proceso Scrum
9.7.2. El equipo Scrum
9.7.3. Métricas para evaluación del rendimiento de un equipo Scrum

9.8. Framework Agile KANBAN para la gestión de proyectos. Método Kanban

9.8.1. Kanban
9.8.2. Beneficios de Kanban
9.8.3. Método Kanban. Elementos

9.9. Framework Agile KANBAN para la gestión de proyectos. Prácticas del método Kanban

9.9.1. Los valores de Kanban
9.9.2. Principios del método Kanban
9.9.3. Prácticas generales del método Kanban
9.9.4. Métricas para evaluación del rendimiento de Kanban

9.10. Comparación: PMI, SCRUM y KANBAN

9.10.1. PMI–SCRUM
9.10.2. PMI–KANBAN
9.10.3. SCRUM-KANBAN

Módulo 10. Comunicación, liderazgo y gestión de equipos

10.1. Desarrollo organizativo en la empresa

10.1.1. Clima, cultura y desarrollo organizativo en la empresa
10.1.2. La gestión del capital humano

10.2. Modelos de dirección. Toma de decisiones

10.2.1. Cambio de paradigma en los modelos de dirección
10.2.2. Proceso directivo de la empresa tecnológica
10.2.3. Toma de decisiones. Instrumentos de planificación

10.3. Liderazgo. Delegación y Empowerment

10.3.1. Liderazgo
10.3.2. Delegación y Empowerment
10.3.3. Evaluación del desempeño

10.4. Liderazgo. Gestión del talento y del compromiso

10.4.1. Gestión del talento en la empresa
10.4.2. Gestión del compromiso en la empresa
10.4.3. Mejora de la comunicación en la empresa

10.5. Coaching aplicado a la empresa

10.5.1. Coaching directivo
10.5.2. Coaching de equipos

10.6. Mentoring aplicado a la empresa

10.6.1. Perfil del mentor
10.6.2. Los 4 procesos de un programa de mentoring
10.6.3. Herramientas y técnicas en un proceso de Mentoring
10.6.4. Beneficios del Mentoring en el ámbito de la empresa

10.7. Gestión de equipos I. Las relaciones interpersonales

10.7.1. Relaciones interpersonales

10.7.1.1. Estilos relacionales: Enfoques
10.7.1.2. Reuniones efectivas y acuerdos en situaciones difíciles

10.8. Gestión de equipos II. Los Conflictos

10.8.1. Los conflictos
10.8.2. Prevenir, afrontar y resolver el conflicto

10.8.2.1. Estrategias para prevenir el conflicto
10.8.2.2. La gestión de conflictos. Principios básicos
10.8.2.3. Estrategias para resolver conflictos

10.8.3. Estrés y motivación laboral

10.9. Gestión de equipos III. La negociación

10.9.1. La negociación en el ámbito directivo de las empresas tecnológicas
10.9.2. Estilos de negociación
10.9.3. Fases de la negociación

10.9.3.1. Barreras a superar en las negociaciones

10.10. Gestión de equipos IV. Técnicas de negociación

10.10.1. Técnicas y estrategias de negociación

10.10.1.1. Estrategias y principales tipos de negociación
10.10.1.2. Tácticas de negociación y cuestiones prácticas

10.10.2. La figura del sujeto negociador

Módulo 11. Liderazgo, Ética y Responsabilidad Social de las Empresas 

11.1. Globalización y Gobernanza 

11.1.1. Gobernanza y Gobierno Corporativo 
11.1.2. Fundamentos del Gobierno Corporativo en las empresas 
11.1.3. El Rol del Consejo de Administración en el marco del Gobierno Corporativo 

11.2. Liderazgo 

11.2.1. Liderazgo. Una aproximación conceptual 
11.2.2. Liderazgo en las empresas 
11.2.3. La importancia del líder en la dirección de empresas 

11.3. Cross Cultural Management 

11.3.1. Concepto de Cross Cultural Management
11.3.2. Aportaciones al Conocimiento de Culturas Nacionales 
11.3.3. Gestión de la Diversidad 

11.4. Desarrollo directivo y liderazgo 

11.4.1. Concepto de Desarrollo Directivo 
11.4.2. Concepto de Liderazgo 
11.4.3. Teorías del Liderazgo 
11.4.4. Estilos de Liderazgo 
11.4.5. La inteligencia en el Liderazgo 
11.4.6. Los desafíos del líder en la actualidad 

11.5. Ética empresarial 

11.5.1. Ética y Moral 
11.5.2. Ética Empresarial 
11.5.3. Liderazgo y ética en las empresas 

11.6. Sostenibilidad 

11.6.1. Sostenibilidad y desarrollo sostenible 
11.6.2. Agenda 2030 
11.6.3. Las empresas sostenibles 

11.7. Responsabilidad Social de la Empresa 

11.7.1. Dimensión internacional de la Responsabilidad Social de las Empresas 
11.7.2. Implementación de la Responsabilidad Social de la Empresa 
11.7.3. Impacto y medición de la Responsabilidad Social de la Empresa 

11.8. Sistemas y herramientas de Gestión responsable 

11.8.1. RSC: La responsabilidad social corporativa 
11.8.2. Aspectos esenciales para implantar una estrategia de gestión responsable 
11.8.3. Pasos para la implantación de un sistema de gestión de responsabilidad social corporativa 
11.8.4. Herramientas y estándares de la RSC 

11.9. Multinacionales y derechos humanos 

11.9.1. Globalización, empresas multinacionales y derechos humanos 
11.9.2. Empresas multinacionales frente al derecho internacional
11.9.3. Instrumentos jurídicos para multinacionales en materia de derechos humanos

11.10. Entorno legal y Corporate Governance 

11.10.1. Normas internacionales de importación y exportación 
11.10.2. Propiedad intelectual e industrial 
11.10.3. Derecho Internacional del Trabajo  

Módulo 12. Dirección de Personas y Gestión del Talento 

12.1. Dirección Estratégica de personas 

12.1.1. Dirección Estratégica y recursos humanos 
12.1.2. Dirección estratégica de personas 

12.2. Gestión de recursos humanos por competencias 

12.2.1. Análisis del potencial 
12.2.2. Política de retribución 
12.2.3. Planes de carrera/sucesión 

12.3. Evaluación del rendimiento y gestión del desempeño 

12.3.1. La gestión del rendimiento 
12.3.2. Gestión del desempeño: objetivos y proceso 

12.4. Innovación en gestión del talento y las personas 

12.4.1. Modelos de gestión el talento estratégico 
12.4.2. Identificación, formación y desarrollo del talento 
12.4.3. Fidelización y retención 
12.4.4. Proactividad e innovación 

12.5. Motivación 

12.5.1. La naturaleza de la motivación 
12.5.2. La teoría de las expectativas 
12.5.3. Teorías de las necesidades 
12.5.4. Motivación y compensación económica 

12.6. Desarrollo de equipos de alto desempeño 

12.6.1. Los equipos de alto desempeño: los equipos autogestionados 
12.6.2. Metodologías de gestión de equipos autogestionados de alto desempeño 

12.7. Gestión del cambio 

12.7.1. Gestión del cambio 
12.7.2. Tipo de procesos de gestión del cambio 
12.7.3. Etapas o fases en la gestión del cambio 

12.8. Negociación y gestión de conflictos 

12.8.1. Negociación 
12.8.2. Gestión de Conflictos  
12.8.3. Gestión de Crisis 

12.9. Comunicación directiva 

12.9.1. Comunicación interna y externa en el ámbito empresarial 
12.9.2. Departamentos de Comunicación 
12.9.3. El responsable de comunicación de la empresa. El perfil del Dircom 

12.10. Productividad, atracción, retención y activación del talento 

12.10.1. La productividad 
12.10.2. Palancas de atracción y retención de talento 

Módulo 13. Dirección Económico-Financiera 

13.1. Entorno Económico 

13.1.1. Entorno macroeconómico y el sistema financiero nacional 
13.1.2. Instituciones financieras 
13.1.3. Mercados financieros 
13.1.4. Activos financieros 
13.1.5. Otros entes del sector financiero 

13.2. Contabilidad Directiva 

13.2.1. Conceptos básicos 
13.2.2. El Activo de la empresa 
13.2.3. El Pasivo de la empresa 
13.2.4. El Patrimonio Neto de la empresa 
13.2.5. La Cuenta de Resultados 

13.3. Sistemas de información y Business Intelligence 

13.3.1. Fundamentos y clasificación 
13.3.2. Fases y métodos de reparto de costes 
13.3.3. Elección de centro de costes y efecto 

13.4. Presupuesto y Control de Gestión 

13.4.1. El modelo presupuestario 
13.4.2. El Presupuesto de Capital 
13.4.3. La Presupuesto de Explotación 
13.4.5. El Presupuesto de Tesorería 
13.4.6. Seguimiento del Presupuesto 

13.5. Dirección Financiera 

13.5.1. Las decisiones financieras de la empresa 
13.5.2. El departamento financiero 
13.5.3. Excedentes de tesorería 
13.5.4. Riesgos asociados a la dirección financiera 
13.5.5. Gestión de riesgos de la dirección financiera 

13.6. Planificación Financiera 

13.6.1. Definición de la planificación financiera 
13.6.2. Acciones a efectuar en la planificación financiera 
13.6.3. Creación y establecimiento de la estrategia empresarial 
13.6.4. El cuadro Cash Flow 
13.6.5. El cuadro de circulante 

13.7. Estrategia Financiera Corporativa 

13.7.1. Estrategia corporativa y fuentes de financiación 
13.7.2. Productos financieros de financiación empresarial 

13.8. Financiación Estratégica 

13.8.1. La autofinanciación 
13.8.2. Ampliación de fondos propios 
13.8.3. Recursos Híbridos 
13.8.4. Financiación a través de intermediarios 

13.9. Análisis y planificación financiera 

13.9.1. Análisis del Balance de Situación 
13.9.2. Análisis de la Cuenta de Resultados 
13.9.3. Análisis de la Rentabilidad 

13.10. Análisis y resolución de casos/problemas 

13.10.1. Información financiera de Industria de Diseño y Textil, S.A. (INDITEX) 

Módulo 14. Dirección Comercial y Marketing Estratégico 

14.1. Dirección comercial 

14.1.1. Marco conceptual de la dirección comercial 
14.1.2. Estrategia y planificación comercial 
14.1.3. El rol de los directores comerciales 

14.2. Marketing 

14.2.1. Concepto de Marketing 
14.2.2. Elementos básicos del marketing 
14.2.3. Actividades de marketing de la empresa 

14.3. Gestión Estratégica del Marketing 

14.3.1. Concepto de Marketing estratégico 
14.3.2. Concepto de planificación estratégica de marketing 
14.3.3. Etapas del proceso de planificación estratégica de marketing 

14.4. Marketing digital y comercio electrónico 

14.4.1. Objetivos del Marketing digital y comercio electrónico 
14.4.2. Marketing Digital y medios que emplea  
14.4.3. Comercio electrónico. Contexto general 
14.4.4. Categorías del comercio electrónico 
14.4.5. Ventajas y desventajas del Ecommerce frente al comercio tradicional 

14.5. Marketing digital para reforzar la marca 

14.5.1. Estrategias online para mejorar la reputación de tu marca 
14.5.2. Branded Content & Storytelling 

14.6. Marketing digital para captar y fidelizar clientes 

14.6.1. Estrategias de fidelización y vinculación a través de Internet 
14.6.2. Visitor Relationship Management 
14.6.3. Hipersegmentación 

14.7. Gestión de campañas digitales 

14.7.1. ¿Qué es una campaña de publicidad digital? 
14.7.2. Pasos para lanzar una campaña de marketing online 
14.7.3. Errores de las campañas de publicidad digital 

14.8. Estrategia de ventas  

14.8.1. Estrategia de ventas 
14.8.2. Métodos de ventas 

14.9. Comunicación Corporativa 

14.9.1. Concepto 
14.9.2. Importancia de la comunicación en la organización 
14.9.3. Tipo de la comunicación en la organización 
14.9.4. Funciones de la comunicación en la organización 
14.9.5. Elementos de la comunicación 
14.9.6. Problemas de la comunicación 
14.9.7. Escenarios de la comunicación 

14.10. Comunicación y reputación digital 

14.10.1. Reputación online 
14.10.2. ¿Cómo medir la reputación digital? 
14.10.3. Herramientas de reputación online  
14.10.4. Informe de reputación online 
14.10.5. Branding online 

Módulo 15. Management Directivo 

15.1. General Management 

15.1.1. Concepto de General Management  
15.1.2. La acción del Manager General 
15.1.3. El Director General y sus funciones 
15.1.4. Transformación del trabajo de la Dirección 

15.2. El directivo y sus funciones. La cultura organizacional y sus enfoques 

15.2.1. El directivo y sus funciones. La cultura organizacional y sus enfoques 

15.3. Dirección de operaciones 

15.3.1. Importancia de la dirección 
15.3.2. La cadena de valor 
15.3.3. Gestión de calidad 

15.4. Oratoria y formación de portavoces 

15.4.1. Comunicación interpersonal 
15.4.2. Habilidades comunicativas e influencia 
15.4.3. Barreras en la comunicación 

15.5. Herramientas de. comunicaciones personales y organizacional 

15.5.1. La comunicación interpersonal 
15.5.2. Herramientas de la comunicación interpersonal 
15.5.3. La comunicación en la organización 
15.5.4. Herramientas en la organización 

15.6. Comunicación en situaciones de crisis 

15.6.1. Crisis 
15.6.2. Fases de la crisis 
15.6.3. Mensajes: contenidos y momentos 

15.7. Preparación de un plan de crisis 

15.7.1. Análisis de posibles problemas 
15.7.2. Planificación 
15.7.3. Adecuación del personal 

15.8. Inteligencia emocional  

15.8.1. Inteligencia emocional y comunicación 
15.8.2. Asertividad, empatía y escucha activa 
15.8.3. Autoestima y comunicación emocional 

15.9. Branding Personal 

15.9.1. Estrategias para desarrollar la marca personal 
15.9.2. Leyes del branding personal 
15.9.3. Herramientas de la construcción de marcas personales 

15.10. Liderazgo y gestión de equipos 

15.10.1. Liderazgo y estilos de liderazgo 
15.10.2. Capacidades y desafíos del Líder 
15.10.3. Gestión de Procesos de Cambio 
15.10.4. Gestión de Equipos Multiculturales

##IMAGE##

Una capacitación única que destaca por la calidad de su contenido y su excelente cuadro docente”

Máster en Dirección Técnica de Data Science en la Empresa

La revolución digital ha transformado la manera en que las compañías gestionan sus datos y toman decisiones. El Data Science se ha convertido en una herramienta esencial para la mayoría de los sectores empresariales, pero su gestión y dirección requiere habilidades y conocimientos especializados. Es por eso que el Máster en Dirección Técnica de Data Science en la Empresa se ha convertido en una excelente opción para aquellos informáticos que desean ampliar sus competencias en este campo y desarrollarse profesionalmente en un ámbito muy demandado.

Estudia de forma online y sin descuidar tu vida personal

El Máster en Dirección Técnica de Data Science en la Empresa te permitirá identificar las diferentes tipologías de dato existentes, manejar las técnicas de analítica web, profundizar en los sistemas escalables y de empleo masivo de datos o dominar las metodologías Agile. Todo este aprendizaje lo obtendrás de la mano de un cuadro docente de elevado prestigio, conformado por expertos en la gestión de proyectos tecnológicos que te brindarán los conocimientos con mayor aplicabilidad en tu día a día profesional.