Diplomado en Big data para la gestión comercial

Aplicar técnicas de gestión personal para adaptarse de mejor manera al entorno actual de las organizaciones.

El taller está especialmente diseñado para quienes ingresan a un diplomado de Clase Ejecutiva UC.

Ciertamente, los constantes cambios que se viven hoy en día, obligan a los profesionales a mantenerse actualizados. Vivimos en una época de alta volatilidad y se hace necesario ser flexible. Es así como la crisis que explotó en 2020 nos mostró la necesidad de desarrollar habilidades asociadas a los entornos virtuales de trabajo.

En este taller, el participante aprenderá a cómo gestionar su marca personal en redes sociales. También, técnicas de oratoria digital para la realización de videoconferencias. Y, además, estrategias para gestionar bien el tiempo y conocimientos sobre inteligencia emocional.

El taller busca entregar habilidades transversales a todos los alumnos de los diplomados de Clase Ejecutiva UC. Se realizarán controles de lectura, foros de discusión y clases sincrónicas durante su desarrollo.

• Marca personal
• Cómo construir una marca personal digital
• Acciones premium para potenciar nuestra personal branding

• Reuniones virtuales y webinars
• El contenido de las sesiones
• Oratoria digital
• Técnicas básicas de oratoria para entornos digitales

• Conócete a ti mismo
• Procrastinación
• Los “ladrones del tiempo”
• Priorización y matriz de Eisenhower
• Buenas prácticas de gestión del tiempo

• Modelo de inteligencia emocional
• Conciencia de uno mismo
• Conciencia social
• Conciencia organizacional
• Gestión de las relaciones
• ¿Cómo desarrollar estas competencias?

El curso cuenta con clases en vivo, en las cuales los alumnos podrán reforzar contenidos y resolver dudas. En ellas podrán tener un contacto directo con el profesor del curso, lo cual permite que la experiencia integral sea más cercana. Se verán ejemplos o casos de aplicación sobre los temas más relevantes del curso, y se podrá contar con invitados especiales, para conocer ejemplos reales de aplicación de los conceptos aprendidos. Finalmente, la interacción en tiempo real con los compañeros da como resultado una experiencia de aprendizaje amplia y concreta.

A lo largo del curso, los alumnos realizarán un proyecto grupal de aplicación de los contenidos aprendidos en clase.  El trabajo está orientado a medir el grado de transformación digital de una empresa u organización, y aplicar todas las etapas aprendidas de innovación para finalmente proponer cambios concretos que colaboren con una estrategia de progreso en transformación digital. El mismo está organizado en etapa y puede tener una preentrega, con el fin de dar un feedback intermedio, siendo este voluntario.

• Entornos VICA y sistemas complejos
• Definición de la innovación organizacional
• Componentes la innovación organizacional
• Tipos de innovación organizacional

• Innovación basada en valor: curvas de valor y matriz ERCC
• Business Model Generation: Canvas
• Lean start-up: MVP y pivoteo
• Design Thinking: Observación, creatividad, prototipado y evaluación

• Definición transformación digital
• Ámbitos de la transformación digital
• Componentes de la transformación digital
• Procesos de la transformación digital

• E-commerce, freemium y flash sales
• Intermediación: comparadores, agregadores y distribuidores
• Suscripción y peer to peer (P2P)
• Generación de leads y crowd sourcing

• Agilidad
• Metodologías ágiles
• Modelos ágiles
• Management 3.0

• Proceso de transformación digital
• Roles
• Responsabilidades
• Claves del éxito

• ¿Qué es la centralidad en el cliente?
• Pilares del foco en el cliente
• Cultura interna del cliente
• Competencias comerciales: Customer insights y customer foresights
• Sistemas de información
• Política de personas y clientes

• Conociendo al cliente
• Técnicas de segmentación
• Jobs to be done: Segmentación por necesidad y tareas a cumplir para el cliente
• Segmentación por valor económico

• ¿Qué entendemos por métrica RFM?
• Utilidad de la métrica RFM
• Pasos para aplicar la métrica RFM
• Aplicaciones o usos de los resultados

• El valor del cliente
• Fórmula para calcular el valor del cliente
• Modelos de cálculo de una cartera de clientes
• Aplicaciones del LTV
• Algunas prevenciones respecto al cálculo del LTV

• Ciclo de relación empresa-cliente
• Gestión del valor de la cartera basada en datos: Adquisición de clientes y nuevas experiencias
• Gestión del valor de la cartera basada en datos: Rentabilización de los clientes potenciales

• Gestión del valor de la cartera en base a datos: Retención de clientes de alto potencial
• El indicador de abandono o churn
• Fidelización de clientes
• Reactivación y recuperación de los clientes de alto potencial

• ¿Qué es?
• ¿Qué no es?
• ¿Quién está a cargo?
• ¿Qué debería hacer como chief data & analytics officer en mis primeros 90 días?

• ¿Qué proyectos son de interés?
• ¿Cuáles son los posibles?
• ¿Cómo se financian estos proyectos?

• ¿Cómo se arma un equipo de data science?
• Roles y responsabilidades
• Habilidades necesarias
• Estrategia de crecimiento
• Administración de proyectos digitales
• Agile

• ¿Con qué herramientas se cuenta?
• Diferentes arquitecturas de big data: On premise, cloud, híbridos.

• ¿Cómo se gobiernan los datos?
• ¿Cómo se protege la privacidad del dato y la seguridad?
• ¿Son los datos suficientes y representativos?

• ¿Cuáles son los diferentes tipos de modelos de machine learning?
• Herramientas: Extracción de datos, entrenamiento de modelos, visualización
• ¿Cómo es el paso a producción?

• Qué es big data
• Las 3 V de big data o volumen o variedad o velocidad
• Fuentes de big data
• Estudios de mercado y big data

• El valor del big data
• Caso General Electric
• Aplicaciones big data

• Segmentación
• Predicción
• Análisis de texto
• Recomendaciones
• Detección de fraudes
• Análisis de imágenes
• Análisis de redes
• Análisis de series de tiempo

• Relación cliente con/sin contrato
• Definición de variables RFM
• Metodología análisis RFM

• Metodologías de análisis
• Clasificador Naive Bayes
• Árboles de clasificación y regresión

• Análisis TF-IDF
• Análisis de texto topic modelling
• Análisis de sentimiento