1 Proyecto de
Capacitación: “Introducción a la Analítica del Big Data”
Este documento presenta la propuesta de capacitación
en Big Data para los colaboradores de Banco
Sudameris, con el objetivo de brindar conocimientos
introductorios sobre la analítica de grandes volúmenes de datos
y sus aplicaciones en el ámbito profesional y académico.
La propuesta surge en el marco de la experiencia docente de la
Facultad de Ciencias Exactas y Naturales (FACEN) y está
ajustada para una carga horaria total de 20 horas, con
un presupuesto no mayor a Gs. 5.000.000.
1.1 Información General
del Curso
Nombre del curso: “Introducción a la Analítica del
Big Data”
Institución organizadora: Instituto Gauss Kish
(IGK)
Dirigido a: Colaboradores de Banco Sudameris y
profesionales interesados en el uso de técnicas de Big Data
Duración total: 20 horas reloj
Modalidad: Virtual (clases sincrónicas)
Fechas tentativas: A convenir con Banco Sudameris,
en un período de 4 a 5 semanas
Clases sincrónicas: 2 veces por semana, en sesiones
de 2 horas y 30 minutos cada una (ajustable según requerimientos)
Profesor: MSc. Diego Meza
Costo: Gs. 5.000.000 (en total, IVA incluido)
1.2 Objetivos del
Curso
Comprender los conceptos fundamentales de Big Data:
Volumen, Variedad, Velocidad, Veracidad y Valor.
Introducir a la Analítica de Datos: Proporcionar un
panorama general de las técnicas de análisis de grandes volúmenes de
datos y su relevancia en el ámbito financiero.
Conocer las Herramientas y Tecnologías asociadas al Big
Data: Presentar los entornos, lenguajes y frameworks más
utilizados (como Hadoop, Spark, etc.).
Aplicar principios básicos de Analítica Descriptiva y
Predictiva: Realizar análisis simples y conocer posibles
aplicaciones en modelos financieros y de riesgos.
Fomentar la toma de decisiones basadas en datos:
Desarrollar la capacidad crítica y analítica para la interpretación de
resultados y la presentación de hallazgos.
1.3 Contenido
Programático
El curso se estructura en 8 clases (2 semanales) de
aproximadamente 2.5 horas cada una, completando 20 horas
reloj.
Introducción a Big Data (2.5 horas)
Concepto de Big Data: definición y características (las 5 Vs).
Aplicaciones en la industria bancaria y financiera.
Diferencias entre Big Data y Business Intelligence tradicional.
Arquitecturas y Entornos (2.5 horas)
Revisión de herramientas y ecosistemas (Hadoop, Spark, NoSQL).
Entorno local vs. entorno cloud.
Principios de almacenamiento distribuido y escalabilidad.
Analítica Descriptiva y Exploratoria (2.5 horas)
Conectando a fuentes de datos masivos.
Técnicas de resumen estadístico y visualización.
Identificación de patrones en datos financieros.
Introducción a la Analítica Predictiva (2.5 horas)
Conceptos básicos de machine learning (supervisado vs. no
supervisado).
Aplicaciones de predicción y modelos sencillos.
Exploración de casos de uso: segmentación de clientes, detección de
fraude.
Herramientas Prácticas para el Análisis de Datos (2.5
horas)
Ejemplos de análisis con Python / R (caso práctico sencillo).
Librerías más utilizadas: pandas, numpy, scikit-learn (Python) o
tidyverse (R).
Flujo de trabajo en analítica: ingesta, limpieza, modelado y
visualización.
Gestión de la Calidad de Datos y Preparación (2.5
horas)
Limpieza y validación de datos.
Integración de datos de diferentes fuentes.
Buenas prácticas y gobernanza de datos.
Interpretación de Resultados y Toma de Decisiones (2.5
horas)
Presentación de hallazgos a equipos de negocio.
Cuadros de mando y reportes ejecutivos.
Uso de dashboards interactivos (Power BI o Tableau como
referencia).
Aplicaciones Reales y Futuras Tendencias (2.5
horas)
Casos de éxito en la banca: automatización de procesos y
ciberseguridad.
Inteligencia Artificial y Data Science en la nube (AWS, Azure,
GCP).
Perspectivas futuras en la analítica de Big Data.
1.4 Metodología
Clases sincrónicas virtuales: Presentaciones
magistrales y resolución de ejercicios en vivo.
Ejemplos prácticos: Aplicación de conceptos con
ejemplos sencillos de datos financieros.
Participación activa: Sesiones de preguntas y
respuestas, y foros de discusión mediante aulta virtual.
Proyecto final o actividad integradora: Opcional
según interés de la institución, para que los participantes apliquen lo
aprendido a un caso de uso cercano a Banco Sudameris.
1.5 Presupuesto
El costo total del curso está proyectado en Gs.
5.000.000, considerando la tarifa docente y gastos
administrativos.
Concepto
Cantidad
Costo Unitario (Gs.)
Subtotal (Gs.)
Honorarios del Instructor
20 horas
250.000
5.000.000
Gastos Administrativos y Soporte
Incluido
-
0
Total General
5.000.000
Nota: El costo total incluye IVA, todos los recursos digitales en un
aula virtual y la emisión de certificados de participación.
1.6 Perfil del
Instructor
MSc. Diego Meza
- Formación Académica:
- Máster en Estadística.
- Licenciado en Ciencias (Mención: Matemática Estadística).
- Experiencia Docente:
- Profesor en la Facultad de Ciencias Exactas y Naturales (FACEN –
UNA).
- Más de 10 años de experiencia en cursos de Estadística, Análisis de
Datos y Big Data.
- Especialización:
- Uso avanzado de Excel, R y Stata.
- Integración de soluciones de Big Data y análisis predictivo en
entornos corporativos.
- Consultorías Realizadas:
- Proyectos de analítica de datos para el sector público y
privado.
- Disponibilidad Horaria: Acorde a los requerimientos
de Banco Sudameris (generalmente, lunes y martes de 18:00 a 19:30, u
horarios a convenir).