Business Intelligence - Curso Introductorio

• Dirigido a: Gerentes, analistas y estudiantes que desean tener un panorama de las pr?cticas y actuales en el ?rea de Business Intelligence
• Modalidad: Te?rica
• Duraci?n: 4 horas
• Temario:
  1. Caracter?sticas y tipos de BI: estrat?gico, t?ctico y operacional.
  2. BI descriptivo, predictivo y optimizaci?n.
  3. Infraestructura inform?tica para las tareas de BI.
  4. Desarrollo de un proyecto de BI.
  5. Tareas y funciones principales de BI.
  6. Herramientas de reporting m?s importantes.
  7. Desarrollo actual y futuro del BI.

Business Intelligence - Curso B?sico

• Dirigido a: Gerentes, analistas de datos y personal de IT
• Modalidad: Hands-on
• Duraci?n: 24 horas
• Temario:
  1. Infraestructura inform?tica de un proyecto de BI: bases de datos, data warehousing, ETL.
  2. Proyecto de desarrollo de BI.
  3. Roles y herramientas.
  4. Manejo de vistas, filtros, mapas de informaci?n, stored processes.
  5. Introducci?n a los cubos multidimensionales y el procesamiento anal?tico en l?nea (OLAP).
  6. KPI, tableros de control y soporte a las decisiones.

Programaci?n en Lenguaje SAS - Curso Introductorio

• Dirigido a: Gerentes, analistas y estudiantes involucrados en los diferentes aspectos de la integraci?n y an?lisis de datos.
• Modalidad: Te?rica
• Duraci?n: 4 horas
• Temario:
  1. Caracter?sticas generales de la oferta de software de SAS
  2. Componentes y aplicaciones
  3. Caracter?sticas del lenguaje y su relaci?n con los componentes y aplicaciones
  4. Necesidades de capacitaci?n en el lenguaje y utilidad
  5. Recursos disponibles
  6. An?lisis comparativo con el software de la competencia y perspectiva

Programaci?n en Lenguaje SAS - Curso B?sico I

• Dirigido a: Analistas de datos y programadores
• Modalidad: Hands-on
• Duraci?n: 30 horas
• Temario:
  1. Caracter?sticas generales del lenguaje
  2. Estructura de un data set SAS
  3. Data step, proc step y estructura de un programa
  4. Librer?as
  5. Lectura de archivos planos, planillas excel y archivos SAS
  6. Formats e informats
  7. Creaci?n de variables y filtrado
  8. Procedimientos b?sicos de query y reporting
  9. Proc SQL. Funciones SAS

Programaci?n en Lenguaje SAS - Curso B?sico II

• Dirigido a: Analistas de datos y programadores con experiencia previa en programaci?n SAS
• Modalidad: Hands-on
• Duraci?n: 30 horas
• Temario:
  1. Control de los procesos de entrada y salida del procesamiento de datos
  2. Procesamiento iterativo
  3. Lectura y escritura de diferentes tipos de datos
  4. Distintos tipos de transformaciones de datos: acumulaciones, filtros, conversi?n de tipos y otras transformaciones sobre tipos de variables
  5. Lenguaje de macros: macro funciones, macro variables
  6. Definici?n y compilaci?n de macros
  7. Programas de macros y procesamiento iterativo
  8. Interacci?n entre las interfases de data step y sql y el sistema de macros

Programaci?n en Lenguaje SAS - Curso Avanzado

Todo lo que quiso saber del lenguaje SAS pero nunca se atrevi? a preguntar...

• Dirigido a: Analistas y programadores con experiencia previa de trabajo con lenguaje SAS de al menos 2 o 3 a?os
• Modalidad: Hands-on
• Duraci?n: 8 horas
• Temario:
  1. Diccionarios de datos
  2. Manejo y operaci?n sobre cat?logos
  3. Registros SAS y Windows
  4. Macros y formatos avanzado
  5. Salidas al sistema operativo
  6. Dise?o y mantenimiento de programas complejos usando el Display Manager y proyectos de Enterprise Guide

Lenguaje de comandos SPSS y Python - Curso Introductorio

• Dirigido a: Gerentes, analistas y estudiantes involucrados en los diferentes aspectos de la integraci?n y an?lisis de datos
• Modalidad: Te?rica
• Duraci?n: 4 horas
• Temario:
  1. Caracter?sticas generales de la oferta de software de SPSS
  2. Componentes y aplicaciones
  3. Caracter?sticas del lenguaje y su relaci?n con los componentes y aplicaciones
  4. Necesidades de capacitaci?n en el lenguaje y utilidad
  5. Recursos disponibles
  6. An?lisis comparativo con el software de la competencia y perspectiva

Lenguaje de comandos SPSS y Python - Curso B?sico

• Dirigido a: Analistas de datos y programadores
• Modalidad: Hands-on
• Duraci?n: 24 horas
• Temario:
  1. Caracter?sticas del ambiente de programaci?n y personalizaci?n
  2. Lectura e importaci?n de archivos
  3. Operaciones con archivos (merge, agregaci?n, trasposici?n, filtrado, etc.)
  4. Transformaciones de datos, limpieza y validaci?n
  5. Procesamiento condicional e iterativo
  6. Programaci?n con Python dentro de SPSS
  7. Creaci?n de procedimientos, transformaciones de datos

Data Mining - Curso Introductorio

• Dirigido a: Gerentes y analistas interesados en una introducci?n panor?mica al ?rea de Data Mining y sus aplicaciones
• Modalidad: Te?rica
• Duraci?n: 4 horas
• Temario:
  1. Origen del Data Mining y situaci?n actual
  2. Principales aplicaciones en el mundo econ?mico
  3. Complementariedades con otras t?cnicas descriptivas y predictivas
  4. Software de data mining
  5. Formaci?n necesaria de un data miner
  6. Perspectiva y desarrollo del data mining en los pr?ximos a?os

Data Mining - Curso B?sico

• Dirigido a: Analistas de datos u otras funciones vinculadas al Marketing y Business Intelligence
• Modalidad: Hands-on
• Duraci?n: 24 horas
• Temario:
  1. Exploraci?n de las funcionalidades de un software de mining
  2. Creaci?n de proyectos y diagramas
  3. Definici?n de fuentes de datos y preparaci?n
  4. An?lisis de clustering. Segmentaci?n y profiling
  5. An?lisis de canasta de mercado
  6. An?lisis de secuencias
  7. Arboles de decisiones. Evaluaci?n de ?rboles. Arboles interactivos
  8. An?lisis de regresi?n. Selecci?n de modelos y optimizaci?n
  9. Redes neuronales. Selecci?n de variables. Otras t?cnicas de modelizaci?n
  10. Evaluaci?n de modelos. Estad?sticos de ajuste. Gr?ficos de evaluaci?n. Matrices de costo/beneficio y decisiones
  11. Scoring
  12. Modelos ensemble. Selecci?n de variables. Consolidaci?n de variables categ?ricas
  13. Modelos subrogantes

Data Mining - Curso Avanzado

• Dirigido a: Personas con experiencia previa en data mining
• Modalidad: Hands-on
• Duraci?n: 16 horas
• Temario:
  1. Integraci?n de los sistemas de administraci?n de datos y Data Mining
  2. Integraci?n de data y text mining
  3. Extensibilidad de un software de mining
  4. Ciclo de vida y administraci?n de modelos
  5. Metodolog?as de Data Mining
  6. Data Mining Exploratorio
  7. Data Mining Relacional

Activity Based Costing - Conceptos e Implementaci?n

• Dirigido a: Gerentes y mandos medios con responsabilidad ejecutiva, due?os y gerentes de empresas peque?as y medianas, ?rea de administraci?n y finanzas, ?rea de planeamiento y control de gesti?n, ?rea de organizaci?n y m?todos, ?rea de sistemas y analistas de costos.
• Modalidad: Te?rica
• Duraci?n: 4 horas
• Temario:
  1. Por qu? usar la metodog?a de ABC / ABM
  2. Comparaci?n con otras formas de costeo tradicionales
  3. Aplicaciones potenciales de ABC / ABM
  4. Integraci?n con los tableros de control y otras herramientas de medici?n de performance del negocio
  5. Conceptos b?sicos de ABC / ABM
  6. Ejemplos pr?cticos de: actividades, recursos, objetos de costo, drivers e indicadores
  7. Enfoques de implementaci?n efectivos
  8. Alternativas de software para su implementaci?n
  9. Casos de ?xito: aspectos clave y lecciones aprendidas

M?ximo Resultado en Areas de Back Office

• Dirigido a:
  • Empresas: Directores y Gerente General, Asesores, Gerentes y Analistas de Organizaci?n, Planificaci?n, RR.HH., Sistemas, Control de Gesti?n, Gerentes de Unidades de Negocio y Staff, Administradores y Gestores de Conocimiento.
  • Directivos y Responsables de Gesti?n de Empresas y Organismos P?blicos, Entidades Sin Fines de Lucro (Universidades, Hospitales, Estudios Profesionales) y ONG.
• Modalidad: Te?rica
• Duraci?n: 8 horas
• Temario:
  1. La meta de la empresa
  2. Los sistemas de control de gesti?n
  3. La cadena de valor. El concepto de valor
  4. Los factores claves: resultado, niveles de inventario y costos
  5. El margen de error y el costo de la calidad
  6. Eficiencia parcial o eficiencia general
  7. Eliminaci?n de restricciones
  8. Diagn?stico de actividad esperada
  9. Las unidades temporales de planificaci?n
  10. Las Series Hist?ricas de actividad
  11. Patrones de comportamiento
  12. El control estad?stico de procesos
  13. Gesti?n de desv?os. Pol?tica de recursos flexibles
  14. Capacitaci?n de los recursos. Disponibilidad y calidad.
  15. Mapa de competencias
  16. Mejora continua y capacity planning din?mico
  17. Herramientas de gesti?n din?mica
  18. Manejo de excepciones. Escalamiento
  19. Aprendizaje organizacional
  20. Observaci?n y realimentaci?n
  21. Motivaci?n. Necesidades din?micas de los colaboradores
  22. Plan de carrera
  23. Evaluaci?n de gesti?n

An?lisis de Supervivencia Aplicado a Marketing y Data Mining- Curso Introductorio

• Dirigido a: Gerentes y analistas con experiencia en marketing o data mining
• Modalidad: Te?rica
• Duraci?n: 4 horas
• Temario:
  1. Limitaciones del marketing y data mining tradicionales
  2. Caracter?sticas del an?lisis de supervivencia tradicional
  3. Modificaciones del an?lisis de supervivencia aplicado al marketing y data mining
  4. Principales aplicaciones
  5. Requerimientos para el an?lisis de supervivencia

An?lisis de Supervivencia Aplicado a Marketing y Data Mining- Curso B?sico

• Dirigido a: Analistas de marketing y de data mining
• Modalidad: Hands-on
• Duraci?n: 24 horas
• Temario:
  1. Caracter?sticas del an?lisis de supervivencia tradicional y modificaciones para su uso en marketing y data mining.
  2. Herramientas y datos necesarios.
  3. Estimaciones del riesgo y aplicaciones.
  4. Censura.
  5. C?lculo de curvas de supervivencia y aplicaciones.
  6. Estratificaci?n, covariables y uso de la regresi?n de Cox.
  7. Riesgos competidores y aplicaciones.
  8. Truncado izquierdo y ventanas temporales.
  9. Forecasting y scoring.
  10. Sucesos repetitivos.

Optimizaci?n del ROI de campa?as de marketing

• Dirigido a: Especialistas en Data Mining, personas encargadas de la gesti?n o realizaci?n de campa?as de marketing o retenci?n.
• Modalidad: te?rico-pr?ctica
• Duraci?n: 16 horas
• Prerrequisitos
  Conocimientos b?sicos de interpretaci?n y ejecuci?n de programas en lenguaje SAS
  Conocimientos b?sicos y experiencia en tareas de data mining aplicadas al marketing directo o la retenci?n de clientes
  Conocimientos b?sicos de estad?stica
• Descripci?n del Curso
El ROI de una campa?a de marketing no se maximiza mediante la tasa de respuesta o alguna otra m?trica est?ndar de performance. Tampoco se logra, necesariamente, usando una medida econ?mica vinculada a la aplicaci?n en s?, como por ejemplo, alguna funci?n de la ganancia o costo a partir de las predicciones del modelo. La ?nica manera de hacerlo es tomar en cuenta el impacto incremental de la campa?a, esto es, la tasa de respuesta o ganancia adicional atribuible a la campa?a de marketing y que no se hubiera generado sin ella. La t?cnica t?pica en data mining de generar modelos de respuesta busca maximizar la selecci?n de los casos propensos a una compra, pero confunde en un mismo grupo a los clientes que comprar?an el producto independientemente de la campa?a y aquellos que dejar?an de comprarlo debido justamente a la campa?a con el grupo sobre el que debiera realmente concentrarse, aquellos clientes que pueden ser influenciados positivamente por la misma. Esta confusi?n produce una selecci?n de clientes que deteriora considerablemente el ROI. Los modelos de uplifting buscan maximizar el impacto incremental seleccionando lo m?s limpiamente posible al grupo de influenciables y descartando a los otros grupos. Estos modelos deben utilizar una funci?n objetivo distinta de la de los modelos de respuesta, una funci?n que podr?a denominarse de "segundo grado", es decir, un diferencial de respuestas en dos escenarios distintos (ser contactado o no mediante la campa?a de marketing). Este cambio en la funci?n objetivo exige modificaciones correlativas en los distintos componentes del proceso y t?cnicas de modelizaci?n, que son el tema principal de este curso.
• Temario:
  1. Modelizaci?n tradicional en marketing directo
     1. An?lisis del problema
     2. Supuestos del paradigma tradicional de data mining
     3. Metodolog?a tradicional de modelizaci?n
     4. Modelizaci?n tradicional
  2. Extensi?n de la modelizaci?n tradicional
     1. Introducci?n
     2. Conceptos de Peso de la evidencia (WOE) y Valor de la Informaci?n (IV)
     3. Estimaci?n de WOE y IV
     4. Modelos de respuesta flexibles
  3. Metodolog?a de modelizaci?n de uplifting
     1. Dise?o experimental
     2. Funci?n objetivo
     3. Exploraci?n y selecci?n de variables relevantes
     4. Medidas de performance
  4. Modelos de lift incremental (1) Dos modelos
     1. Introducci?n
     2. Modelo de diferencia de puntajes (DSM)
     3. Modelos de descomposici?n de probabilidades (PDM)
     4. Interpretaci?n de un modelo de uplift
     5. Nodo de respuesta incremental en SAS Enterprise Miner 7.1
  5. Modelos de lift incremental (2) Un solo modelo
     1. Introducci?n
     2. Modelos de regresi?n con t?rminos de interacci?n o bifurcados
     3. Arboles de decisi?n de uplift
     4. Modelo NKNN
     5. Modelos aditivos generalizados incrementales
     6. Comparaci?n de modelos
  6. Aplicaciones y Beneficios de los modelos de uplift

Segmentaci?n de clientes

• Dirigido a: Analistas de negocios y marketing, analistas de data mining y estad?sticos que deseen aprender c?mo encontrar segmentos significativos en sus bases de clientes y trabajar con ellos en diversas aplicaciones.
• Modalidad: Te?rico-pr?ctico
• Duraci?n: 2 d?as (16 horas)
• Prerrequisitos:
Los asistentes debieran estar familiarizados con los conceptos b?sicos de estad?stica. Es conveniente alguna experiencia previa en tareas vinculadas al CRM.
• Descripci?n del Curso
Las estrategias de marketing en general, y la modelizaci?n predictiva en particular no son efectivas sin una apropiada segmentaci?n de la poblaci?n de inter?s. Si bien el concepto de una segmentaci?n (encontrar grupos) es suficientemente simple, las t?cnicas involucradas, el an?lisis e interpretaci?n de los segmentos y su utilizaci?n en problemas de negocios poseen una complejidad considerable. Quien no maneja adecuadamente estas cuestiones se arriesga a realizar una pr?ctica de segmentaci?n sumamente mediocre e inefectiva, ocasionando as? serios problemas a las acciones a los que estos resultados debieran alimentar. En este curso se estudiar?n no solo las principales t?cnicas estad?sticas para encontrar segmentos, sino tambi?n las m?ltiples tareas complementarias, fundamentales para emplear correctamente los resultados generados por esas t?cnicas: preprocesamiento, profiling, validaci?n, evaluaci?n de estabilidad, scoring, migraci?n entre segmentos, etc.
• Temario:
  1. Introducci?n a la segmentaci?n en el contexto de CRM
     1. Contextos de negocios y segmentaci?n
  2. Conceptos b?sicos de segmentaci?n
     1. Variables b?sicas
     2. Variables descriptoras
     3. Clases de m?todos de segmentaci?n
     4. Objetivos de una segmentaci?n
  3. T?cnicas jer?rquicas de segmentaci?n
     1. Introducci?n al an?lisis de clustering jer?rquico
     2. Tipos de m?tricas
     3. Tipos de clustering jer?rquico
  4. Tareas anal?sticas adicionales en una segmentaci?n
     1. Clustering de datos de encuestas
     2. Exploraci?n de algunos problemas con los datos
     3. Profiling de segmentos
     4. Validaci?n de segmentos
  5. Clustering no jer?rquico y otras tareas adicionales
     1. Algoritmo K-medias
     2. Scoring de nuevos datos
     3. Evaluaci?n de la estabilidad en el tiempo de una segmentaci?n
     4. Migraci?n de clientes en el tiempo
     5. Clustering probabil?stico
  6. Segmentaci?n a priori usando la t?cnica RFM
  7. Segmentaci?n por afinidad de productos
  8. Segmentaci?n con text mining
  9. Preprocesamiento de variables para tareas de segmentaci?n
     1. Selecci?n de variables
     2. Tratamiento de valores faltantes
  10. Clustering de series de tiempo

Principios y m?todos de credit scoring

• Dirigido a: Gerentes y ejecutivos vinculados al riesgo/scoring de cr?dito, analistas de data mining
• Modalidad: Te?rico-pr?ctico
• Duraci?n: 2 d?as (16 horas)
• Prerrequisitos:
Conocimientos estad?sticos b?sicos, en especial de regresi?n log?stica. Es conveniente., aunque no imprescindible, experiencia previa en cuestiones vinculadas a la gesti?n del riesgo en sectores como el bancario/financiero, minorista, seguros o telecomunicaciones.
• Descripci?n del Curso
El ?rea de gesti?n de riesgo crediticio es fundamental en muchos sectores de la industria. Este curso busca capacitar a las personas que desean introducirse o mejorar su conocimientos y destrezas en los conceptos, m?todos y buenas pr?cticas, en particular, en los aspectos generales de la gesti?n del riesgo crediticio, la metodolog?a de desarrollo de scorecards, su implementaci?n y utilizaci?n, y el desarrollo de proyectos de esta clase.
• Temario:
  1. Introducci?n a la gesti?n del riesgo crediticio
  2. Aplicaciones de la gesti?n del riesgo crediticio en distintos sectores econ?micos
  3. Proyectos y roles en el desarrollo de scorecards de riesgo
  4. Planificaci?n, desarrollo e implementaci?n de scorecards
  5. Procesamiento de datos y par?metros de un proyecto
  6. Creaci?n de una base de datos de desarrollo
  7. Creaci?n de un scorecard: an?lisis inicial de caracter?sticas, desarrollo del modelo, inferencia de rechazos, construcci?n de una escala de puntajes
  8. Evaluaci?n de un scorecard
  9. Gesti?n de reportes y puesta en producci?n de un scorecard
  10. Validaci?n de un scorecard
  11. Desarrollo de estrategias de gesti?n de riesgo: puntos de corte, toma de decisiones
  12. Text mining en aplicaciones de riesgo crediticio