CAPÍTULO G: EN GESTIÓN ANALÍTICA DE DATOS

CAPÍTULO G: EN GESTIÓN ANALÍTICA DE DATOS¹

ARTÍCULO 601. Aprobar la Diplomatura en “Gestión y Analítica de Datos”, elevada por la Facultad de Ciencias Económicas, presentada según la Resolución (CD) N° 672/23, que forma parte del presente Capítulo.

PLAN DE ESTUDIO

a. Denominación

DIPLOMATURA EN GESTIÓN Y ANALÍTICA DE DATOS

b. Objetivos

Desarrollar personas con capacidades para la gestión y analítica de datos, con habilidades desarrolladas para su empleabilidad, en organizaciones altamente digitalizadas y en entornos de innovación y agilidad.

Quienes finalicen esta diplomatura, podrán identificar los siguientes aspectos:

Conceptos de Analítica de Datos

Conocer el análisis de datos y sus características.
Identificar la función de un área de inteligencia de negocios.
Manejar términos técnicos relacionados al análisis de datos.
Identificar el ecosistema de herramientas para el análisis de datos.
Comprender la estructura y desarrollo de un proyecto de análisis de datos desde el relevamiento, explotación de datos, visualización y presentación.

Base de Datos

Reconocer una base de datos y sus componentes.
Identificar tipos de bases de datos.
Conocer la estructura de una base de datos relacional.
Modelar y ejecutar sobre un modelo de datos relacionales.

Lenguaje SQL

Manipular datos con el lenguaje de consulta SQL.
Aplicar operadores y funciones para la explotación de la información.
Comprender y escribir en distintos sub-lenguajes.
Extraer, manipular y transformar los datos de manera eficiente y acorde a los requerimientos.
Realizar y ejecutar consultas relacionando múltiples fuentes de datos.

Visualización

Aplicar técnicas de UI/UX en el desarrollo de los productos.
Diseñar y desarrollar tableros.
Generar conclusiones efectivas que agreguen valor al negocio.

Herramientas de Visualización

Identificar componentes principales de las herramientas.
Conocer e implementar medidas y dimensiones.
Aplicar conceptos y gráficos relacionados a la estadística descriptiva.
Utilizar y generar visualizaciones con georreferencia y mapas.
Conectarse a orígenes de datos diferentes.

c. Justificación

“La industria del software en la Argentina no logra cubrir más de 15.000 empleos, pese a las iniciativas de capacitación desplegadas desde la Cámara de Empresas de Software y Servicios Informáticos (Cessi) con el Gobierno Nacional. En los últimos años numerosos trabajadores realizan actividades para empresas radicadas en el exterior, desde la Argentina, especialmente vía plataformas digitales.” Telam Digital – Cessi, Buenos Aires, 2021.

Este tipo de diagnóstico es permanente en Argentina y emitido por diversas fuentes/estudios, que coinciden en la problemática. Además de los roles profesionales, es necesario y fundamental, contar con personas que tengan las habilidades adecuadas para ejecutar diversas tareas específicas de orden operativo en plataformas digitales.

En la medida que la madurez organizacional en relación a la digitalización, va creciendo, muchas organizaciones pueden ingresar a la denominación de “Organizaciones centradas e impulsadas por los datos”.

Esto significa que la toma de decisiones en todos los campos, se realizan exclusivamente basadas en datos, excluyendo impulsos subjetivos.

Desde ya que para que esto pueda realizarse, es porque se dispone de gran cantidad de datos de diversos tipos (Estructurados, No estructurados -como videos, redes sociales, etc-, Fuentes alternativas de datos, otros). Todo este volumen procesado en tiempo real por complejos algoritmos de inteligencia artificial y también aplicativos de análisis de datos, generación de tableros de indicadores on line para tomar decisiones, decisiones automatizadas y disponer de patrones de comportamiento, análisis de sentimientos, etc., son los insumos para que una organización esté en este estadio mencionado.

Esta Diplomatura está diseñada para colaborar en generar perfiles laborales de alta empleabilidad en el mercado, haciendo foco en tareas operativas de Gestión de Datos en las Organizaciones, especialmente en lo referente a extracción y visualización de datos para la toma de decisiones.

d. Pertinencia respecto a la unidad académica que la propone

La Facultad de Ciencias Económicas de la UBA, tiene cinco carreras de grado, entre las cuales se encuentra la Licenciatura en Sistemas de Información de las Organizaciones, carrera en la cual se desempeña parte del equipo de esta Diplomatura, en la Cátedra de Actuación Profesional.

También, como complemento superior directo a dicha carrera de grado, la Facultad dispone en Posgrado, de la Especialización y Maestría en Gestión Estratégica de Sistemas y Tecnologías de la Información, conjuntamente con la Maestría y Especialización en Métodos Cuantitativos para la Gestión y Análisis de Datos en Organizaciones. Todas estas carreras, tienen como eje central la “Gestión” de la tecnología en ámbitos organizacionales, contemplando todos los componentes que este ecosistema contiene.

Considerando lo explicitado, esta Diplomatura se debe desarrollar en la Facultad, dado que también su eje principal es la Gestión (en este caso de un punto específico que es la generación de datos para la toma de decisiones), pero con los objetivos de una Diplomatura, que se dirige a un público amplio fuera del concepto de carreras y con un perfil práctico y operativo en esta temática, que lo potencie para desarrollarse en el mercado actual en empresas de tecnología, con esta función en particular.

e. Estructura (módulos, unidades, carga horaria por módulos o unidad)

La estructura de la Diplomatura se compone de diez Módulos

MÓDULO	HORAS	CLASES
1: NIVELATORIO	12	3
2: ANALÍTICA DE DATOS	12	3
3: BASE DE DATOS	12	3
4: LENGUAJE SQL E INTRODUCCIÓN A PYTHON	16	4
5: VISUALIZACIÓN	16	4
6: HERRAMIENTAS DE VISUALIZACIÓN	16	4
7: HERRAMIENTAS DE AUTOMATIZACIÓN	8	2
8: GESTIÓN DE DATOS	8	2
9: HABILIDADES BLANDAS PARA EL MERCADO LABORAL	8	2
10: PRÁCTICA INTEGRADORA DE ANALÍTICA DE DATOS	12	3
TOTALES	120	30

f. Contenidos de cada unidad o módulo

Duración total: 30 semanas (120 hs en sesiones semanales de 4 hs).

1-Módulo Nivelatorio

Duración: 3 semanas.

Introducción

Introducción a la analítica de datos y ciencia de datos.

Tipos de datos y su relación con atributos: categóricos, ordinales, continuos.

Repaso conceptual de estadística: media, mediana, rango, varianza, desviación estándar, correlación.

Visualizaciones típicas: gráficos de barras, líneas, histogramas, matriz de dispersión, etc.

Tipos de análisis de datos: descriptivo, predictivo y prescriptivo -Data science y Machine Learning- (ciencia de datos y aprendizaje automático).

Datos

Bases de datos relacionales y no relacionales (SQL, NoSQL).

Modelado de entidad-relación.

Arquitecturas cloud vs on premises (en la nube o instalaciones propias).

Agilidad

Metodología tradicional en cascada para desarrollo de software.

Métodos actuales de Agilidad para desarrollo de software.

Marcos de trabajo ágil: Scrum – Kanban.

Creación de Historias de usuario.

Gestión eficaz del Product Backlog (lista de items de producto).

Indicadores de desempeño.

Herramientas de gestión ágil.

Práctica

Gestión de datos en planillas de cálculo: tablas dinámicas, Funciones de búsqueda (VLOOKUP), Funciones de agregación de datos (SUM, AVG, etc), Gráficos dinámicos.

2-Introducción a la Analítica de Datos

Duración: 3 semanas

Introducción al análisis de datos: Concepto, evolución del análisis de datos, tareas de un analista de datos.

Introducción al área de Inteligencia de negocio (Business Intelligence) y sus roles.

Ambientes de bases de datos: OLTP / OLAP.

Ciclo de vida de los datos: desde recolección a explotación y análisis.

Tecnologías relacionadas al análisis de datos.

3-Base de datos

Duración: 3 semanas.

Introducción a Base de Datos: Concepto, evolución de las bases de datos Componentes de una Base de datos: Motor, almacenamiento, catálogo, etc.

Tipos de Bases de datos: estructuradas versus no estructuradas.

Conceptos de ETL: Extracción, transformación y carga de datos.

Modelo Relacional: estructura, tablas, tipos de relaciones, claves.

Objetos de una base de datos: Esquema, tabla, vista, funciones, procesos.

4-Lenguaje SQL e introducción a Python

Duración: 4 semanas.

Introducción al lenguaje SQL.

Componentes principales del lenguaje SQL: Tipos de datos, sintaxis, operadores y funciones.

Sublenguajes: Definición y manipulación.

Transformaciones de datos en SQL y subconsultas: concepto, características.

Tablas volátiles versus subconsultas: Concepto, estructura y ventajas Consultas compuestas: Join y Union.

Introducción al análisis de datos con Python.

5-Visualización

Duración: 4 semanas.

Narración (storytelling): Concepto, elementos, ejemplos de uso.

Comunicación efectiva: Concepto, mensaje, comunicación visual.

Tableros: Concepto, componentes, objetos, formato.

Diseño de Tableros: Diseño, UI/ UX.

Gráficos eficientes: Objetivo, casos de uso, tipos de gráficos.

Indicadores (KPIs-Insights): Concepto, importancia, ejemplos.

Documentación: Importancia de documentar el proceso, glosario de métricas, descripción de lógicas, definiciones y gráficos.

6-Herramientas de visualización

Duración: 4 semanas.

Herramientas de explotación de datos: Concepto, componentes principales (Tableau / Power BI o similar).

Orígenes de datos y conectores: Bases de datos, archivos planos, servicios en línea.

Medidas y Dimensiones: Datos cualitativos y cuantitativos.

Campos calculados: Concepto, funciones, ejemplos.

Gráficos y Segmentaciones: Gráficos disponibles, filtros, parámetros. Análisis estadísticos: Estadística descriptiva, medidas de tendencia central (mediana, moda, media) y medidas de posición, histogramas, matriz de dispersión.

Análisis geográficos: visualizaciones con mapas.

7-Herramientas de automatización

Duración: 2 semanas.

Administración del flujo de datos y ciclo de vida.

Herramientas de monitoreo.

Manejo de credenciales (aplicativas versus nominales).

8-Gestión de Datos

Duración: 2 semanas.

Conceptos sobre Gobernanza del ciclo de vida y métricas asociadas. Manejo de datos sensibles: anonimización, enmascaramiento y técnicas de despersonalización.

Introducción a las técnicas y tecnologías para manipular grandes volúmenes de datos

Técnicas de modelado. Términos técnicos: OLAP, BigData, datawarehouse, datalake, procesamiento distribuido, Tecnologías: por ej. BigQuery, Teradata, Hadoop.

9-Habilidades blandas para el mercado laboral actual

Duración: 2 semanas.

Lineamientos para la confección de un CV.

Lineamientos para entrevistas presenciales y on line.

Lineamientos para negociar.

10-Práctica: Integración y aplicación de técnicas de Data Analytics

Duración: 3 semanas.

El alumno debería poder adquirir datos de múltiples fuentes, crear procesos que automaticen la obtención de los mismos, ejecutar tareas de análisis exploratorio de datos sobre un conjunto de prueba, para explorar, entender su contenido respecto a un cierto objetivo y brindar conclusiones sobre los resultados.

Comprender y describir el problema a resolver.

Definir y buscar los datos a utilizar.

Conectarse a una base de datos y obtener los datos.

Almacenar el obtenido en una base de datos.

Ejecutar control de calidad de datos (ej.: porcentaje de nulos, fuera de rango, inconsistencias).

Aplicar distintos tipos de visualizaciones para presentar los resultados. Elaborar conclusiones en base al análisis.

g. Carga horaria total

La carga horaria es de 120 horas que se dictarán una vez por semana con una dedicación de 4 horas. La duración temporal es de 8 meses. Según el momento del año que se comience, se podrá optar por ofrecerla más intensiva con 2 veces por semana y 4 meses temporal de duración.

h. Requisitos de ingreso

Profesionales o Técnicos de cualquier especialidad y personas con estudios secundarios y experiencia en el uso de herramientas informáticas.

i. Modalidad de cursado

Se realizará un encuentro virtual sincrónico semanal de 3 horas, más la utilización del campus virtual académico, para actividades asincrónicas de 1 hora por semana. En total son 4 horas semanales.

Durante la cursada habrá algunos encuentros presenciales en la Facultad con expertos en el tema, de diversas empresas y su asistencia es optativa.

j. Cronograma de dictado

Las clases sincrónicas serán los Martes de 19 hs a 22 hs utilizando la herramienta de videoconferencias Teams de la Facultad.

Comienzo en abril de 2023. Finaliza en noviembre con un receso de vacaciones de invierno.

k. Curriculum vitae del Coordinador, quien deberá ser docente de la Universidad.

Se establecen dos coordinadores que son Docentes de la Facultad

Barbara Michalla

Licenciada en Sistemas de Información de las Organizaciones (LSI) de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE).

Maestrando en el posgrado de Explotación de datos y descubrimiento del conocimiento de la UBA, Facultad de Ciencias Exactas y Naturales (FCEN), y Facultad de Ingeniería (FI).

Posee más de 15 años de experiencia profesional en el ámbito de las tecnologías de información, armando y conduciendo equipos de desarrollo de software e implementando sistemas de gestión.

Actualmente se desempeña como Manager de Data & Analytics en Mercado Libre, donde es responsable de diseñar, implementar y medir el impacto de programas de capacitación sobre técnicas, herramientas y procesos de análisis de datos en toda la organización.

Fue Líder de Desarrollo y Análisis Funcional, coordinando equipos senior de analistas y desarrolladores de software y arquitectura informática en el sector público.

También ha ocupado roles de consultor y capacitador, analista técnico/funcional y desarrollador de bases de datos en organizaciones privadas y públicas de software y servicios.

En la docencia, desde 2018 se desempeña como Profesora Adjunta Int. y tutora de trabajos finales de la carrera de LSI en la FCE, en cuyo curso comenzó a colaborar desde 2015. Previamente, se desempeñó como auxiliar desde 2014 hasta 2019 en la asignatura Tecnología de la Información en la misma facultad. También es profesora invitada en cursos de posgrado en UCEMA y FCE, para clases especiales sobre la temática de Data & Analytics.

Es co-autora junto con el equipo de cátedra, del libro Actuación Profesional del Licenciado en Sistemas, FCE, 2021.

Pablo Matías Herrera

Doctor en Ciencias Económicas, Área Ciencias Económicas.

Magíster en Gestión Económica y Financiera de Riesgos de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE).

Licenciado en Economía de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE).

Actualmente se desempeña como docente e investigadora en la Facultad de Ciencias Económicas de la Universidad de Buenos Aires con dedicación exclusiva.

Es profesor regular del Grupo de Asignaturas del Área Matemática. Participa como docente en diferentes cursos de posgrado (cursos, especialización y maestría) y de doctorado.

Publica con regularidad en revistas científicas académicas y, desde el 2010, participa de forma ininterrumpida en proyectos de investigación acreditados por diferentes organismos.

Como parte de las tareas de investigación, participa en forma regular de la formación de recursos humanos desde la dirección de tesis de doctorado y maestría, trabajos finales de especialización y de grado y el trabajo de investigación de becarias/os.

Las temáticas de investigación están asociadas con la gestión de la ciencia y la tecnología, en general, y de las tecnologías de la información y la comunicación en particular.

l. Nómina de colaboradores/docentes

Natalia Salaberry

Rita Beatriz Morrone

Nayla Winter

Victoria Lippolis

m. Modalidad de evaluación

Cada módulo tendrá una evaluación final que propondrá el responsable del módulo tanto en los aspectos teóricos vistos, como así también en el cumplimiento de los trabajos prácticos.

n. Requisitos de aprobación

Al finalizar la Diplomatura, para aquellos alumnos que tengan todos los módulos aprobados, habrá un examen final integrador.

Se dará aprobada la Diplomatura, aquellos alumnos que tengan todos los módulos aprobados, el examen integrador aprobado y hayan cumplido con una asistencia mínima del 75%.

Entrevistas con empresas del mercado: para los alumnos que aprueben la diplomatura, la Facultad generará eventos de presentación con empresas que estén reclutando estos perfiles.

o. Modelo de certificado a otorgar

El mismo será en formato digital con logo de la Universidad y Facultad de Ciencias Económicas. Emitido por la SECRETARÍA DE EXTENSIÓN UNIVERSITARIA, BIENESTAR ESTUDIANTIL Y DESARROLLO SUSTENTABLE, de la Facultad. Firmado por el Secretario y el responsable de Diplomaturas.

Expondrá que el alumno ha aprobado la diplomatura de referencia.

Nota: «El presente certificado no es habilitante para el ejercicio profesional.»

p. Arancel estipulado

El arancel total de la diplomatura es de 2.5 veces el sueldo bruto básico sin antigüedad y dedicación simple de un profesor adjunto.

El arancel para el alumno será de una matrícula inicial del 20% más 4 pagos de 20% cada uno por mes adelantado. Se podrá aplicar becas y descuentos por grupos cerrados.

[1] RESCS-2023-611-UBA-REC