TECH es una universidad de vanguardia tecnológica, que pone todos sus recursos al alcance del alumno para ayudarlo a alcanzar el éxito empresarial”

¿Por qué estudiar en TECH?

TECH es la mayor escuela de negocio 100% online del mundo.

Se trata de una Escuela de Negocios de élite, con un modelo de máxima exigencia académica. Un centro de alto rendimiento internacional y de entrenamiento intensivo en habilidades directivas.   

TECH es una universidad de vanguardia tecnológica, que pone todos sus recursos al alcance del alumno para ayudarlo a alcanzar el éxito empresarial”

En TECH Universidad

Innovación

La universidad ofrece un modelo de aprendizaje en línea que combina la última tecnología educativa con el máximo rigor pedagógico. Un método único con el mayor reconocimiento internacional que aportará las claves para que el alumno pueda desarrollarse en un mundo en constante cambio, donde la innovación debe ser la apuesta esencial de todo empresario.

“Caso de Éxito Microsoft Europa” por incorporar en los programas un novedoso sistema de multivídeo interactivo. 

Máxima exigencia

El criterio de admisión de TECH no es económico. No se necesita realizar una gran inversión para estudiar en esta universidad. Eso sí, para titularse en TECH, se podrán a prueba los límites de inteligencia y capacidad del alumno. El listón académico de esta institución es muy alto...

95% de los alumnos de TECH finaliza sus estudios con éxito.

Networking

En TECH participan profesionales de todos los países del mundo, de tal manera que el alumno podrá crear una gran red de contactos útil para su futuro. 

+100.000 directivos capacitados cada año, +200 nacionalidades distintas.

Empowerment

El alumno crecerá de la mano de las mejores empresas y de profesionales de gran prestigio e influencia. TECH ha desarrollado alianzas estratégicas y una valiosa red de contactos con los principales actores económicos de los 7 continentes.

+500 acuerdos de colaboración con las mejores empresas.

Talento

Este programa es una propuesta única para sacar a la luz el talento del estudiante en el ámbito empresarial. Una oportunidad con la que podrá dar a conocer sus inquietudes y su visión de negocio.

TECH ayuda al alumno a enseñar al mundo su talento al finalizar este programa.

Contexto multicultural

Estudiando en TECH el alumno podrá disfrutar de una experiencia única. Estudiará en un contexto multicultural. En un programa con visión global, gracias al cual podrá conocer la forma de trabajar en diferentes lugares del mundo, recopilando la información más novedosa y que mejor se adapta a su idea de negocio.

Los alumnos de TECH provienen de más de 200 nacionalidades.  

Aprende con los mejores

El equipo docente de TECH explica en las aulas lo que le ha llevado al éxito en sus empresas, trabajando desde un contexto real, vivo y dinámico. Docentes que se implican al máximo para ofrecer una especialización de calidad que permita al alumno avanzar en su carrera y lograr destacar en el ámbito empresarial.

Profesores de 20 nacionalidades diferentes.

TECH busca la excelencia y, para ello, cuenta con una serie de características que hacen de esta una universidad única:   

Análisis

En TECH se explora el lado crítico del alumno, su capacidad de cuestionarse las cosas, sus competencias en resolución de problemas y sus habilidades interpersonales.  

Excelencia académica

En TECH se pone al alcance del alumno la mejor metodología de aprendizaje online. La universidad combina el método Relearning (metodología de aprendizaje de posgrado con mejor valoración internacional) con el Estudio de Caso. Tradición y vanguardia en un difícil equilibrio, y en el contexto del más exigente itinerario académico.   

Economía de escala

TECH es la universidad online más grande del mundo. Tiene un portfolio de más de 10.000 posgrados universitarios. Y en la nueva economía, volumen + tecnología = precio disruptivo. De esta manera, se asegura de que estudiar no resulte tan costoso como en otra universidad. 

En TECH tendrás acceso a los análisis de casos más rigurosos y actualizados del panorama académico” 

El MBA en Dirección de Business Intelligence es un programa excepcional que desafía al profesional dirigiendo su atención al éxito en el mundo empresarial y la calidad de servicios y capital humano. Se trata de un programa que se ha estructurado de tal manera que el alumno no solo adquiere todas los conocimientos y competencias buscadas, también se presenta como una experiencia única y estimulante que le llevará a lo más alto de su capacidad profesional. 

Aprenderás a fundamentar la gestión de las emociones como una herramienta básica para influir en los resultados de la empresa y en el de tu futuro profesional” 

Plan de estudios

El MBA en Dirección de Business Intelligence de TECH Universidad es un programa intensivo que prepara al alumno para afrontar retos y decisiones empresariales en el ámbito tecnología y dentro de los sistemas de generación de datos e información. 

El contenido del MBA en Dirección de Business Intelligence está pensado para favorecer el control y la toma de decisiones estratégicas en un entorno empresarial con éxito. 
A lo largo de 1.500 horas de capacitación, el alumno analiza multitud de casos prácticos mediante el trabajo individual y en equipo. Se trata, por tanto, de una auténtica inmersión en situaciones reales de negocio. 

De esta manera, este Maestría trata en profundidad el concepto del Business Intelligence desde una perspectiva disruptiva, completa y actualizada, enfocada a la resolución de las verdaderas necesidades del mundo empresarial. Está diseñado, así, para capacitar a profesionales que entiendan el Business Intelligence con un enfoque estratégico, internacional e innovador. 

Un plan pensado plenamente para el alumno, enfocado a su mejora profesional preparándole para alcanzar la excelencia en el ámbito de Business intelligence. Un programa que entiende tanto las necesidades del estudiante como las de la empresa, mediante un contenido innovador basado en las últimas tendencias, apoyado por la mejor metodología educativa y un claustro excepcional. 

Este MBA se desarrolla a lo largo de 12 meses y se divide en 10 módulos:

Módulo 1. Business Intelligence en la Empresa 
Módulo 2. Perspectiva de Negocio 
Módulo 3. Transformación del negocio basado en datos
Módulo 4. Visualización de datos 
Módulo 5. Programación para el Análisis de Datos 
Módulo 6. Digital Marketing Analytics 
Módulo 7. Gestión del Dato
Módulo 8. Protección de Datos 
Módulo 9. Business Intelligence e Inteligencia Artificial: estrategias y aplicaciones 
Módulo 10. Optimización del Capital Humano en la Empresa

¿Dónde, cuándo y cómo se imparte?

TECH ofrece la posibilidad de desarrollar este programa de manera totalmente online. Durante los 12 meses que dura la capacitación, el estudiante podrá acceder a todos los contenidos de este programa en cualquier momento, lo que le permitirá autogestionar su tiempo de estudio.  

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 la 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 [SMART, C/M/L/P, objetivos en cascada]
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 mando 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 otras 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. Datawarehouse y Datalab
3.6.2. Herramientas de creación de campañas
3.6.3. Métodos de accionamiento

3.7. GDPR en Marketing digital

3.7.1. Anodización 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. Opendata
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. Informes 

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. APIs

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 tegia

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 (Datawarehouse) 

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. Braimstorming+
10.10.2.2. Philps 6/6
10.10.2.3. El globo aerostático D

Da el salto definitivo: este MBA es la experiencia que estabas buscando para posicionarte dentro del mundo empresarial con éxito”