No hay comentarios.

CURSO:TOMA DE DECISIONES BASADAS EN DATOS
TRADUCCION:MODEL BASED DECISIONS
SIGLA:MAN3030
CREDITOS:05 UC
HORAS:90 HORAS DE DEDICACION TOTAL: 24 DIRECTAS Y 66 INDIRECTAS (2 MODULOS)
CARACTER:MINIMO
TIPO:CATEDRA
CALIFICACION:ESTANDAR
PALABRAS CLAVE:DATOS,MODELOS,DECISIONES
NIVEL FORMATIVO:MAGISTER


I.DESCRIPCIÓN DEL CURSO

En este curso se pretende desarrollar en los estudiantes la capacidad para abordar y estructurar problemas de decisiones propios de la gestion de manera de orientar la toma de decisiones. El curso considera estructurar problemas de decisiones, el analisis de problemas de decision caracterizados por la disponibilidad de una gran cantidad de informacion, las distintas formas de cuantificar y analizar la incertidumbre propia de los problemas de decisiones y el analisis de relaciones entre variables.


II.RESULTADOS DE APRENDIZAJE

1. Identificar la importancia, tipos y aplicaciones de Business Analytics en el desarrollo actual de los negocios.
2. Aplicar modelos analiticos de toma de decisiones para resolver problemas de negocio.
3. Aplicar metodologias de la analitica descriptiva para pronosticar escenarios futuros inciertos.
4. Aplicar modelos de la analitica predictiva para pronosticar escenarios futuros inciertos.
5. Aplicar modelos de la analitica prescriptiva para recomendar acciones ante posibles situaciones futuras complejas e inciertas.


III.CONTENIDOS

1. Business Analytics y tipos de analitica

1.1 ?Que es Business Analytics y su evolucion?

1.1.2 Introduccion al analisis descriptivo, predictivo y prescriptivo

1.1.3 Importancia de BA y aplicaciones

1.2 ?Que es la analitica descriptiva?

1.2.1 Data Aggregation (Recoleccion y organizacion de datos)

1.2.2 Data Mining (Mineria de datos)

1.2.3 Visualizacion de datos

1.3 Modelando la incertidumbre

1.4 ?Que es la analitica predictiva?

1.4.1 Tipos de modelos predictivos

1.4.2 Evaluando modelos predictivos

1.4.3 Decisiones bajo certidumbre, riesgo e incertidumbre

1.5 ?Que es la analitica prescriptiva?

1.5.1 Tipos de modelos prescriptivos

1.5.2 Relevancia de los modelos prescriptivos


2. Arboles de Decision

2.1 Arboles de Decision

2.2 Decisiones optimas con arboles de decision

2.3 Arboles de decision con informacion

2.4 El valor de la informacion

2.5 Ejemplos Aplicados


3.Optimizacion lineal

3.1 Optimizacion lineal: formulacion matematica

3.2 Optimizacion lineal: formulacion grafica

3.3 Solucion problema de optimizacion lineal

3.4 Analisis de sensibilidad: precios sombra

3.5 Ejemplos Aplicados


4. Aplicaciones Reales y el Futuro de la Toma de Decisiones Basada en Datos

4.1 Caso General Electric

4.2 Caso Starbucks

4.3 Consideraciones Eticas y Regulatorias

4.4 Futuro de la Toma de Decisiones Basada en Datos


IV.ESTRATEGIAS METODOLOGICAS

- Catedra en sesiones sincronicas

- Videoclases

- Podcasts o video tutoriales

- Discusion de casos

- Lecturas

- Analisis de casos

- Test formativos y sumativos

- Foros de discusion

- Test basados en la interaccion con bases de datos


V.ESTRATEGIAS EVALUATIVAS

- Tareas: 32%

- Controles: 18%

- Foro: 18%

- Trabajo final: 32%

El curso contendra ademas actividades formativas (sin calificacion), las que tienen como proposito la preparacion para las evaluaciones calificadas.


VI.BIBLIOGRAFIA

Minima:

Bertsimas, D., & Freund, R.M., (2008). Data. Models and Decisions. The Fundamentals of Management Science. Second Edition, Dynamic Ideas.

Davenport, T., & Harris, J. (2017). Competing on analytics: The new science of winning. Harvard Business Press.

Sharda, R., Delen, D., Turban, E., Aronson, J., Liang, T., & King, D. (2016). Business intelligence, analytics, and data science.

Siegel, E. (2013). Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie or Die Book Review. John Wiley & Sons.

Winston, W. (2019). Microsoft Excel 2019 Data Analysis and Business Modeling: Data Analysis and Business Modeling. Pearson Education Limited.

Hammond, JS, RL Keeney & H Raiffa (1998) The Hidden Traps in Decision Making. HBR


Casos:

Express Bike Works: Washing in Style (HBS)

Airbus and Boeing: Super-Jumbo Decisions (HBS)

GoodBelly: Using Statistics to Justify the Marketing Expense (HBS)

Landhills Winery: Developing an Optimal Blending Plan (HBS)


PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE
ESCUELA DE ADMINISTRACION / MARZO 2022 / ACTUALIZADO OCTUBRE 2022