Módulo 2 – Gestión Empresarial

Fechas: 2, 9, 16, 30 de Noviembre, 14 y 21 de Diciembre

OBJETIVOS :

Brindar a líderes, analistas y profesionales de gestión una comprensión integral y aplicada de cómo el uso de datos, Business Intelligence e Inteligencia Artificial puede contribuir a mejorar procesos, detectar desvíos, anticipar escenarios y tomar mejores decisiones en empresas de cualquier tamaño.

OBJETIVOS ESPECÍFICOS :

El curso está orientado a perfiles de negocio no técnicos que quieran conocer los conceptos principales de Business Intelligence, Analytics e Inteligencia Artificial, y comprender cómo estas herramientas pueden ayudarlos a resolver problemáticas habituales dentro de una organización. Se trabajará sobre situaciones vinculadas con la gestión de stocks, análisis de rentabilidad, seguimiento de ventas, finanzas, operaciones, planificación y toma de decisiones basada en intuición vs. basada en datos. Se presentarán tecnologías accesibles como Power BI, Power Query y asistentes de Inteligencia Artificial como ChatGPT, Claude, Gemini, Microsoft Copilot, Perplexity y NotebookLM, mostrando diferentes aplicaciones prácticas para analizar información, automatizar reportes, detectar patrones, identificar desvíos, generar escenarios y asistir en tareas habituales de gestión. La propuesta busca brindar una visión estratégica y aplicada del potencial de los datos, mostrando no solamente las herramientas disponibles sino también qué problemática puede resolver cada una y en qué momento tiene sentido incorporarla. Como complemento, se incluirá una introducción a cómo estructurar una función de Datos, BI o Analytics dentro de una organización: qué perfiles pueden ser necesarios, cómo empezar, qué procesos conviene priorizar y cómo definir una hoja de ruta de implementación.

CONTENIDOS:
Módulo 1 – De los datos a la toma de decisiones Qué significa gestionar una organización basada en datos. Diferencias entre dato, información, indicador e insight. Toma de decisiones basada en intuición vs. basada en información. Tipos de datos y principales fuentes dentro de una empresa:
● ERP ● CRM ● Sistemas de ventas ● E-commerce ● Producción ● Finanzas ● Planillas y archivos externos Calidad, integridad y limpieza de datos. Importancia de contar con criterios homogéneos entre las distintas áreas. Definición de KPIs y principales indicadores por función. Casos aplicados en ventas, stock, rentabilidad, finanzas y operaciones. Ejercicio práctico: identificar una problemática de negocio y definir qué información sería necesaria para analizarla.
Módulo 2 – Introducción a Business Intelligence Qué es Business Intelligence y cómo transforma la toma de decisiones. Diferencias entre reportar información y gestionar con información. Arquitectura básica de BI: Fuente de datos → transformación → almacenamiento/modelado → visualización → decisión Conceptos básicos de ETL. Introducción a Power Query.
2 Modelado de datos: relaciones, claves y jerarquías. Herramientas de Business Intelligence:
● Power BI ● Tableau ● Qlik ● Looker Diseño de dashboards y tableros de gestión.
Cómo presentar información para facilitar la toma de decisiones.
Casos por área: ● Finanzas ● Comercial ● Operaciones ● Producción ● Stock ● Rentabilidad Ejercicio práctico: análisis de un tablero de gestión y construcción de KPIs a partir de un dataset simulado.
Módulo 3 – Automatización, análisis de desvíos y gestión por excepción Cómo automatizar reportes operativos y financieros. Flujo completo de información: Carga → limpieza → transformación → análisis → visualización Automatización de procesos recurrentes. Actualización de información y reducción de tareas manuales. Alertas y monitoreo. Cómo definir umbrales y criterios de excepción. Análisis de desvíos: ● Real vs. presupuesto ● Real vs. histórico 3 ● Forecast vs. real ● Margen esperado vs. margen real ● Stock esperado vs. stock disponible Introducción al concepto de gestión por excepción: utilizar la información para concentrarse en aquello que requiere una acción. Ejemplo: Caída de ventas → canal → local → categoría → producto → posible causa Introducción a herramientas de automatización y soluciones low-code/no-code.
Ejercicio práctico: seleccionar un proceso o reporte recurrente y diseñar una alternativa para automatizarlo.
Módulo 4 – Analytics e Inteligencia Artificial aplicada a negocios Hasta este punto se trabaja principalmente con información histórica y actual. A partir de este módulo se introduce cómo utilizar esa información para generar nuevos inputs para decisiones futuras. Qué es Inteligencia Artificial y cómo se diferencia del BI tradicional. Diferencias entre:
● Análisis descriptivo: ¿qué pasó? ● Análisis diagnóstico: ¿por qué pasó? ● Análisis predictivo: ¿qué puede pasar?
● Análisis prescriptivo: ¿qué convendría hacer? Introducción conceptual a: ● Machine Learning
● Modelos predictivos ● IA generativa ● Optimización ● Simulación Casos de uso en empresas:
● Predicción de ventas ● Forecast de demanda ● Rotación de productos ● Detección de anomalías
● Análisis de desvíos.Segmentación ● Optimización de inventarios ● Planificación de compras ● Análisis de rentabilidad ● Simulación de escenarios Aplicaciones posibles en PyMEs y empresas medianas.
Ejercicio práctico: transformar una problemática empresarial en un posible caso de uso de Analytics o IA.
Módulo 5 – IA generativa y copilotos para la gestión diaria Qué es un copiloto y cómo puede asistir en tareas habituales de gestión. Principales asistentes y herramientas disponibles: ● ChatGPT ● Claude ● Gemini ● Microsoft Copilot ● Perplexity ● NotebookLM Diferencias generales entre herramientas y criterios para seleccionar cuál utilizar según la tarea. Aplicaciones prácticas: ● Analizar archivos y bases de datos ● Sintetizar documentos ● Redactar informes ● Analizar información financiera o comercial ● Identificar patrones ● Generar hipótesis sobre desvíos ● Preparar reuniones y presentaciones ● Comparar escenarios ● Documentar procesos ● Asistir en tareas administrativas y operativas Introducción al uso de prompts.
Cómo brindar contexto, definir objetivos y solicitar formatos de salida. Importancia de validar los resultados generados por IA. 5 Riesgos y limitaciones: ● Alucinaciones ● Sesgos ● Privacidad ● Confidencialidad ● Seguridad de la información Introducción al concepto de agentes de Inteligencia Artificial y automatización de procesos mediante IA. Ejemplo conceptual: Recibir información → analizar → detectar un desvío → generar una alerta → proponer una acción
Ejercicio práctico: utilizar diferentes asistentes de IA para resolver una problemática de gestión y comparar los resultados obtenidos.
Módulo 6 – Diagnóstico y hoja de ruta de implementación ¿Qué nivel de madurez de datos tiene mi empresa? Etapas posibles: ● Información dispersa ● Información estructurada ● Business Intelligence ● Analytics ● Inteligencia Artificial integrada a procesos Por dónde empezar
Identificación de quick wins. Qué herramientas utilizar según el tamaño, necesidades y recursos de la organización. Cómo priorizar proyectos según: Impacto esperado × complejidad de implementación Introducción a los principales perfiles vinculados con Datos y BI: ● Business Analyst ● Data Analyst 6 ● BI Analyst ● Data Engineer ● Data Scientist Cómo comenzar a estructurar una función de Datos o BI dentro de una empresa. Qué capacidades pueden desarrollarse internamente y cuáles pueden tercerizarse.
Diseño de una hoja de ruta de implementación.

DESTINATARIOS: Gerentes, mandos medios y jefaturas de distintas áreas. Analistas de gestión, finanzas, comercial, operaciones, producción o datos. Profesionales que deseen incorporar herramientas modernas para mejorar la toma de decisiones. Emprendedores y responsables de PyMEs con foco en profesionalizar su gestión. Nivel: introductorio-aplicado. No se requiere experiencia técnica previa.

CONSULTAS e INSCRIPCIONES: inscripciones@faiia.com.ar

(*)Las empresas y personas que participan adhieren voluntariamente al Programa CRECER – los recursos para desarrollar dicho programa son los correspondientes al Fondo de Capacitación Profesional conformado por el aporte mensual que realizan las empresas conforme al artículo 47 del CCT FONIVA – FAIIA (ex204/93), actual 544/08, y al CCT SETIA – FAIIA 501/07 artículo 35 bis.