¿Por qué estudiar en TECH?

Conviértete en una pieza fundamental en la definición y control de la estrategia empresarial gracias a este MBA en Dirección de Business Intelligence de TECH”

¿Por qué estudiar en TECH?

TECH es la mayor escuela de negocio 100% online del mundo. Somos una escuela de negocios de élite, con un modelo de máxima exigencia académica. Un centro de alto rendimiento internacional, de entrenamiento intensivo en habilidades directivas.   

Somos una universidad a la vanguardia tecnológica y ponemos todos nuestros recursos a tu alcance para que logres el éxito empresarial”      

En TECH Universidad Tecnológica

idea icon
Innovación

Te ofrecemos 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 te aportará las claves para desarrollarte 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 nuestros programas el novedoso sistema de  multivídeo  interactivo.  
head icon
Máxima exigencia

Nuestro criterio de admisión no es económico. No necesitas realizar una gran inversión para estudiar con nosotros. Eso sí, para titularte en TECH pondremos al límite tu inteligencia y tu capacidad para resolver problemas. Nuestro listón académico está muy alto...  

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

En TECH participan profesionales de todos los países de habla hispana, de tal manera que podrás crear una gran red de contactos útil para tu futuro.

38.000 directivos capacitados cada año.
hands icon
Empowerment

Crece de la mano de las mejores empresas y profesionales de gran prestigio e influencia. Hemos desarrollado alianzas estratégicas y una valiosa red de contactos con los principales actores económicos de Europa y América.    

+500 acuerdos de colaboración con las mejores empresas.
star icon
Talento

Nuestro programa es una propuesta única para sacar a la luz tu talento en el ámbito empresarial. Una oportunidad con la que podrás dar a conocer tus inquietudes y tu visión de negocio.  

Enseña al mundo tu talento tras realizar este programa. 
earth icon
Contexto multicultural

Comparte con nosotros una experiencia única. Estudiarás en un contexto multicultural. En un programa con visión global, gracias al cual podrás conocer la forma de trabajar en diferentes lugares del mundo, recopilando la información más novedosa y que mejor se adapte a tu idea de negocio. 

Nuestros alumnos provienen de más de 35 nacionalidades.
master business intelligence
human icon
Aprende con los mejores

Nuestro equipo docente 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 ofrecerte una especialización de calidad que te permita avanzar en tu carrera y lograr destacar en el ámbito empresarial.  

Profesores de 20 nacionalidades diferentes.

En TECH buscamos la excelencia y, para ello, contamos con una serie de características que nos hacen únicos:   

brain icon
Análisis 

Exploramos tu lado crítico, tu capacidad de cuestionarte las cosas, tu competencia en resolución de problemas, tus habilidades interpersonales.  

micro icon
Excelencia académica

Ponemos a tu alcance la mejor metodología de aprendizaje online. Combinamos el método Relearning (metodología de aprendizaje de posgrado con mejor valoración internacional), junto a los “case studies” de Harvard Business School. Tradición y vanguardia en un difícil equilibrio, y en el contexto del más exigente itinerario formativo.   

corazon icon
Economía de escala

Somos los más grandes. TECH tiene un portfolio de más de 7.000 posgrados universitarios en español. Y en la nueva economía, volumen + tecnología = precio disruptivo. De esta manera, nos aseguramos de que estudiar no te resulte tan costoso como en otra universidad. 

En TECH tendrás acceso a los estudios de casos de Harvard Business School

Estructura y contenido

El MBA en Dirección de Business Intelligence en 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 Tecnológica 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 formación, 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 Máster título propio 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 formar 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 Máster título propio 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

magister business intelligence

Dónde, cuándo y cómo se imparte

TECH te ofrece la posibilidad de desarrollar este programa de manera totalmente online. Durante los 12 meses que dura la capacitación, podrás acceder a todos los contenidos de este programa en cualquier momento, lo que te permitirá autogestionar tú mismo tu 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.
1.5.4. 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. Tunel 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 lujo?

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. 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 1.8.2 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.
4.4.3. 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. 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 1.9.2 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.  
10.8.2. Gestión del Cambio Organizacional. 

10.8.2.1. Para el Cambio Intangible: Equipos, Comunicación, Cultura, Liderazgo.  
10.8.2.2. 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.

La democratización de la industria de la moda no es incompatible al consumo del lujo, aprende cómo se interrelacionan con este programa único que te solo te ofrece TECH