PROGRAMA ASIGNATURA

INTELIGENCIA DE NEGOCIOS

I. Identificación

Nombre Asignatura : Inteligencia de negocios

II. Descripción y Motivación

Este curso entrega las herramientas y habilidades prácticas, necesarias en los roles de
inteligencia de negocios y análisis de datos, para dar soporte a los procesos de tomas de
decisiones en la empresa.
El curso se organiza en torno a tres módulos, representativos de las etapas más comunes
de un proyecto de inteligencia de negocios en la industria: Comprensión del negocio y los
datos, preparación de los datos, evaluación y presentación.

III. Objetivos de Aprendizaje y Perfil de Egreso

Una vez finalizado el curso el alumno será capaz de:

1. Comprender las distintas fases que implica un proyecto de Inteligencia de
negocios
2. Extraer, transformar y cargar un conjunto de datos, proveniente de fuentes
estructuradas y no estructuradas, utilizando el lenguaje de programación
python y SQL.
3. Aplicar y evaluar un modelo matemático para resolver un problema de
toma de decisiones del mundo empresarial

El curso de Inteligencia de negocios, colabora con los siguientes aspectos del perfil de
egreso:
● Analizar y sistematizar información relevante, que contribuya a la toma de
decisiones y ayude a orientar acciones para el logro de los objetivos de la
organización. Lo anterior gracias al punto 2, 3 y 4 de los objetivos de aprendizaje.

● Analizar los sistemas y tecnologías de información que se utilizan en la gestión de

empresas, comparando sus usos, ventajas y desventajas; y de extraer y utilizar la
información de estos sistemas para el control de gestión. Lo anterior gracias al
punto 2 de los objetivos de aprendizaje.

En resumen, este curso entrega las competencias necesarias para el procesamiento,

análisis y modelamiento de la información requerida en la toma de decisiones, así como el
conocimiento fundamental para identificar las contribuciones clave de los distintos
sistemas de información al proceso de toma de decisiones.
 IV. Contenidos

● Preparación y comprensión de datos

○ Python como calculadora
○ Variables y estructuras de datos
○ Control de flujo
○ Funciones y paquetes

● Modelamiento
○ Reducción de dimensionalidad e ingeniería de atributos
○ Técnicas de segmentación
○ Asociatividad
○ Balanceo de muestras
○ Problemas de clasificación
○ Sistemas de recomendación de productos

V. Metodología y evaluaciones

El curso se desarrollará en su mayoría con ejercicios en clases y desafíos que el alumno

enfrentará en el mundo laboral.

Una semana antes del examen el alumno deberá entregar un proyecto grupal en el cual
deberá solucionar una problemática real de una empresa nacional o internacional.

VI. Evaluación

▪ Solemne I 10%
▪ Solemne II 30%
▪ Solemne III 20%
▪ Examen – (Trabajo empresa, 4 entregas) * 40%

*Aquellos alumnos que tengan menor igual a 3,65 en las evaluaciones individuales deberán rendir un examen aprobatorio

VII. Bibliografía Obligatoria

● “Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython”, Wes
McKinney, O'Reilly Media, 2012.
● “Python Cookbook: Recipes for Mastering Python 3”, David M. Beazley, Brian K.
Jones,O'Reilly Media, 2017.