Formación en Gobernanza de Datos: el curso más completo de Brasil.

Qué es la gobernanza de datos y cuál es su papel dentro de un programa de gestión de datos maestros.

Cómo la gobernanza resuelve problemas concretos de la organización y sustenta una gestión eficiente de la información.

Cómo se diseña la estructura de gobernanza y quiénes son los actores involucrados en el proceso.

Las responsabilidades de cada actor (data owner, data steward, custodio) y cómo cada rol contribuye al resultado.

Cómo definir las políticas que rigen la estructura de gobernanza, alineadas con los objetivos de la organización.

Por qué estandarizar y cómo el estándar garantiza consistencia y calidad en toda la cadena de información.

Cómo documentar y organizar los activos de datos de la organización de forma eficiente y consultable.

Principios de seguridad de la información y protección de datos sensibles, garantizando integridad y confidencialidad.

Presentación de Paulo Cordeiro: una charla directa sobre datos, carrera y qué esperar de la formación.

Cómo está organizada la formación, qué vas a dominar al final y cómo aprovechar las rutas, los webinars y los laboratorios.

Qué son los datos maestros, su importancia en las operaciones y en las estrategias empresariales, y cómo evolucionó el concepto con el tiempo.

La “fuente única de verdad”: por qué consolidar información, qué beneficios aporta y cómo el MDM actúa como orquestador entre los sistemas.

El impacto del MDM en el avance de la IA, del ESG y de la transformación digital, el crecimiento del mercado global y la demanda de profesionales calificados.

Soluciones multidominio, nube, low-code, inteligencia artificial y blockchain, y cómo estas innovaciones abren espacio para especialistas.

Las carreras posibles: analista de datos maestros, data steward, consultor de implementación, y el camino de desarrollo en cada una.

El papel de la central en la definición, el monitoreo y la estandarización de los datos esenciales.

Desde la creación y validación hasta el archivado, con monitoreo y limpieza de datos en cada etapa.

Cómo alinear el objetivo estratégico, definir responsabilidades y mapear procesos y SLA.

Identificar gaps e ineficiencias y diseñar el proceso futuro con los stakeholders.

Plazo, precisión y retrabajo: los indicadores que muestran si la central funciona.

Cómo garantizar que el cambio propuesto sea técnica y financieramente sostenible.

Presentación al comité, aprobación estratégica, capacitación del equipo y go-live acompañado.

La evolución de la atención hasta las herramientas actuales y el efecto de la IA en el soporte.

Registro y triaje de incidentes, software especializado y mejora de la eficiencia operativa.

Teléfono, correo electrónico, chat y autoservicio, y cómo integrarlos a la herramienta de tickets.

Volumen de tickets, tiempo medio de atención, SLA y canales.

Incidente, solicitud, problema, cambio y consulta: cómo clasificar y por qué.

La matriz GUT (gravedad, urgencia, tendencia) aplicada a la cola de tickets.

Criterios de elección, ejemplos del mercado y el valor de la base de conocimiento.

TMR, TME, resolución en el primer contacto y volumen: cómo calcular e interpretar.

Cómo medir la satisfacción, elaborar la encuesta y usar el resultado para mejorar la operación.

Por qué importa la calidad, cómo impacta la operación y qué prácticas y tecnologías sostienen un dato confiable.

Las dimensiones que permiten medir la calidad y cómo cada una revela un tipo distinto de problema.

Software y funcionalidades de limpieza, estandarización, deduplicación y validación.

Tasa de error, completitud, duplicación y el ciclo PDCA aplicado a la mejora continua de la calidad.

Qué es la limpieza de datos, para qué sirve y cómo impacta directamente la eficiencia y la confiabilidad de la base.

Los beneficios del proceso y cómo mejora el resultado y la rutina organizacional.

Las etapas de la limpieza de datos y el papel de cada una en la construcción de una base sólida.

Cómo la estandarización y la limpieza de datos aseguran consistencia, eliminan duplicidad y facilitan la integración entre sistemas.

Libro de reglas, características técnicas, árbol de clasificación y flujo de trabajo.

Las seis etapas: catalogación, estructuración, normalización, identificación, estandarización y sistematización.

Las reglas que garantizan claridad y uniformidad en la identificación de materiales en ERPs y procesos internos.

Cómo construir el estándar descriptivo para cada dominio, en la práctica.

Ejercicio aplicado de creación de descripciones que atienden la operación y la estrategia.

El concepto, su importancia en la gestión de datos y la mejora en consistencia y accesibilidad.

La evolución del concepto y por qué la elección correcta es decisiva para la consistencia de la base.

Taxonomías de mercado: cómo ayudan a seguir tendencias, segmentar clientes y ajustar la estrategia comercial.

El concepto de dato y sus clasificaciones: cualitativo, cuantitativo, estructurado y no estructurado. La importancia del dato en la toma de decisiones.

Cómo se organiza el dato estructurado en tablas y por qué los textos, documentos y medios exigen técnicas avanzadas de procesamiento.

La diferencia entre los tres y los principales dominios de datos maestros: personas, socios de negocio, materiales y productos.

Información esencial, onboarding y homologación, seguridad e integración, y el papel de las plataformas de MDM y de los workflows.

Categorización de materias primas, productos y servicios; árbol mercadológico, UNSPSC y NCM; diferencias en el mantenimiento de datos maestros entre la industria y el comercio minorista.

Ubicaciones físicas, activos digitales, empleados, cuentas contables y centros de costo, menos visibles, igualmente críticos para la operación.

Datos sobre datos: fecha de creación, responsable, criticidad. Cómo los metadatos contextualizan, organizan y hacen posible la gobernanza.

Cómo un software de MDM hace posible la gestión centralizada y unificada de los datos maestros de la organización.

Los módulos de una plataforma de MDM y cómo trabajan juntos para mantener el dato consistente.

Técnicas y enfoques para implantar un software de MDM en escenarios reales.

La estructura técnica necesaria para una implementación robusta y sostenible.

Qué es un protocolo, qué documentación es necesaria y cómo las APIs conectan el MDM con los sistemas satélite.

El papel del modelado en la creación de una estructura lógica que organiza y define los datos maestros.

Cómo se procesan los datos en gran volumen y qué herramientas los transforman en información visual.

Tendencias emergentes, incluido el blockchain, y cómo se espera que transformen la gestión de datos maestros.

Cómo rastrear el recorrido completo del dato, del origen al destino, y por qué eso sustenta la confiabilidad, la gobernanza y la LGPD.

Cómo la herramienta mapea, rastrea, visualiza y documenta el ciclo de la información y se integra con los sistemas.

La diferencia frente al data warehouse, ventajas, estructuras, herramientas y cómo evitar el “pantano de datos”.

Cómo las capas organizan el dato desde la ingesta bruta hasta el análisis final, y el papel del MDM en esa cadena.

El origen del concepto de riesgo y cómo las técnicas de afrontamiento evolucionaron hasta las prácticas actuales.

Datos incompletos, duplicados y filtraciones, y cómo estos riesgos comprometen la decisión y la operación.

Cómo identificar y evaluar riesgos con una matriz de riesgos y construir planes de acción eficaces.

Protección de datos sensibles, cumplimiento de GDPR y LGPD y control de acceso a los datos maestros.

Las cinco etapas de la auditoría con base en las normas ISO 9001, 19011 y 27001: planificación, ejecución, riesgos, informe y seguimiento.

Acuerdos formales que definen cómo se intercambia la información entre sistemas y organizaciones, con estándares y garantías de calidad.

Conformidad legal, políticas internas y la construcción de una cultura ética en el tratamiento de los datos.

LGPD, GDPR, CCPA y Privacy by Design: qué exige cada norma en la práctica.

Cómo se monitorean y reportan los datos ambientales, sociales y de gobernanza a partir de una base confiable.

Políticas claras, capacitación, auditoría y canales seguros de comunicación.

El flujo completo de ingreso y monitoreo de proveedores.

Cómo monitorear y evaluar el desempeño del proveedor a lo largo de la relación.

Cómo la auditoría mantiene al proveedor alineado con el estándar de la empresa y revela riesgos.

El método para reconocer a los proveedores que cumplen o superan el estándar establecido.

Automatizar, limpiar y transformar grandes conjuntos de datos maestros con las fórmulas que usa todo especialista.

Los operadores que sustentan el motor de reglas de cualquier plataforma de MDM.

AND, OR y NOT: cómo crear expresiones evaluadas como verdaderas o falsas para configurar reglas.

Comparaciones que se convierten en reglas de validación y filtro, con ejemplos de precio, inventario y categoría.

La aplicación de SQL en MDM y en procesos de ETL: consulta, unión y agregación.

Cómo validar, filtrar y manipular datos maestros en consultas reales.

Introducción al lenguaje: simplicidad, versatilidad y por qué se volvió una herramienta obligatoria en datos.

Cómo almacenar números, texto y booleanos, y manipular datos en escenarios de gestión de datos maestros.

if, elif y else para verificar valores, validar campos y categorizar registros.

Listas, tuplas, diccionarios y conjuntos para organizar información con eficiencia.

for y while para revisar y validar grandes volúmenes automáticamente.

Cómo organizar el código, reutilizar lógica y hacer la rutina más eficiente.

Concatenar, modificar y limpiar texto: la base de la limpieza de datos programática.

Crear y transformar listas en una línea, de forma compacta y legible.

Leer y escribir hojas de cálculo de productos y proveedores en volumen.

Las bibliotecas que automatizan procesos y garantizan la calidad de la base.

Qué es SAP, por qué domina el mantenimiento de datos maestros en las grandes empresas y dónde vive el dato maestro dentro de él.

La diferencia entre objeto estándar y personalizado, cuándo usar cada uno y cómo identificarlos.

Todas las versiones, el papel de la interfaz GUI y cómo navegarla con eficiencia.

Cómo configurar múltiples entradas en SAP GUI, como lo hacen las consultoras.

Cómo desplazarte por el sistema y personalizar el GUI para tu día a día.

Ajustes de visualización y productividad que cambian la experiencia de uso.

Para qué sirve cada entorno y el cuidado que exige cada uno.

Qué son los requests, su importancia y la diferencia entre Workbench y Customizing.

Tipos de campo (fecha, hora, valor) y la atención que exige cada uno para mantener la integridad del dato.

Guardar y reutilizar conjuntos de datos predefinidos para agilizar tareas repetitivas.

Cómo acceder, visualizar y gestionar estos dos elementos esenciales del sistema.

Cómo organizar el acceso a las funciones que más usas.

Operaciones del día a día, uso de variantes y navegación optimizada.

Sapscript y SmartForms, transacciones SE71 y SMARTFORMS, prueba de layout y validación de campos.

La diferencia entre ambas y cómo configurar jobs para automatizar tareas largas.

Dispositivos de salida, generación de documento fiscal y gestión del spool mediante SP01.

Los menús “Sistema” y “Ayuda”: visualización, exportación de datos y ejecución en background.

Visualizar y modificar datos directamente en las tablas, con los cuidados necesarios para no impactar el sistema.

Grabar y reproducir interacciones para automatizar procesos repetitivos y cargas masivas.

Monitorear quién está conectado, qué transacciones se ejecutan y cómo cerrar la sesión de forma segura.

Identificar procesos que afectan el rendimiento y actuar con cautela sobre ellos.

Analizar la ejecución paso a paso, encontrar errores y desvíos de valor con breakpoints y watchpoints.

Llevar el reporte fuera de SAP para análisis, gráficos y para compartir.

Filtrar información, validar registros e investigar problemas de configuración o de datos maestros.

Mapeo, estandarización y validación; el papel del ETL y la importancia del plan de contingencia.

LSMW, S/4HANA Migration Cockpit y Data Services: características, ventajas y límites.

Del proyecto en Fiori a la plantilla XML y a las tablas de staging para la carga en S/4HANA.

Qué tipos de IA existen y dónde cada uno optimiza realmente el proceso de gestión de datos maestros.

Tendencias emergentes en plataformas de datos y por qué la gobernanza es un requisito previo de cualquier IA confiable.

La ruta de IA recibe clases nuevas cada mes, siguiendo lo que realmente entra en producción en las empresas.

Objetivo específico, temporalidad, unicidad y la importancia de la planificación detallada.

Qué es una metodología de gestión de proyectos y cómo elegir la correcta para cada contexto.

PMBOK, PRINCE2, Ágil (Scrum, Kanban), Waterfall y Six Sigma: fortalezas y límites de cada enfoque.

Cómo combinar prácticas tradicionales y ágiles para equilibrar estructura y flexibilidad.

Planes, cronogramas y registros que organizan, controlan y comunican el progreso.

Acta de constitución, EDT, cronograma, plan de comunicación, matriz RACI y gestión de riesgos.

Plan del proyecto y de comunicación: alcance, objetivo, plazo y responsabilidad.

Mapeo de campos, desarrollo de integraciones, plan e informe de pruebas.

PMO, status reports y el tratamiento de riesgos, desvíos y cambios.

Customer success, operación asistida posterior al go-live, traspaso y acta de cierre.

Organización, control de costos y plazos, calidad de entrega y mejora continua.

Cómo definir el alcance, mitigar riesgos y controlar costos en un proyecto de datos maestros.

Bienvenida al cliente, presentación del equipo, checklist y reunión de inicio.

Recopilación de información, propuesta técnica, premisas y aprobación del cronograma con el cliente.

Mapeo de escenarios, integración, pruebas, cutover y migración de datos.

Seguimiento del progreso, calidad del dato, riesgo, cambio y comunicación con stakeholders.

Validación de los entregables, liberación del equipo, lecciones aprendidas y evaluación de satisfacción.

Cómo justificar la inversión, calcular el ROI y presentar el beneficio financiero y estratégico.

Cómo comunicar la idea, alinear a las partes involucradas y sostener la decisión. Incluye un modelo de caso de negocio para adaptar.

Error, duplicidad y descripción inconsistente: el efecto en la eficiencia operativa y financiera.

Pareto, data profiling y diagrama de Ishikawa aplicados al caso ACME S/A.

Metodología SMART, procesos estandarizados, validación y deduplicación vía MDM y capacitación de los equipos.

Cómo presentar resultados tangibles e intangibles y preparar escenarios alternativos.

Características, modelos de servicio y formas de implementación, con el efecto financiero y operativo de cada uno.

Comparación directa entre cloud y on-premise: control, costo inicial y flexibilidad.

Propietaria, código abierto, freeware, shareware y SaaS.

Accesibilidad, actualización automática, reducción de costos y ejemplos de mercado.

Integración, calidad de datos y escalabilidad: los criterios que distinguen una buena solución.

Conocimiento técnico, habilidad analítica y comunicación: el perfil que contrata el mercado.

Portal de las empresas, del administrador y del usuario; campos, templates, etapas, negocios y grupos de negocios.

Single sign-on, registro manual, autorregistro, internacionalización y canal de soporte.

Navegar la plataforma, interpretar el dashboard y crear reportes personalizados.

Crear, editar y gestionar instancias; inactivar, anotar y consultar la auditoría de cada etapa.

Comunicación entre usuarios, historial de cambios, alertas de aprobación pendiente y cambio de idioma.

Búsqueda detallada, exportación para análisis y gráficos configurados por el administrador.

Dar de alta y modificar muchos ítems a la vez, con precisión y trazabilidad.

Estado de las cargas, lectura de errores y corrección directa en la hoja de cálculo para el reprocesamiento.

Crear administradores, definir atribuciones, limitar registros por departamento y bloquear accesos.

Tema visual del tenant, expiración de sesión y registro de todos los cambios del portal.

Organizar flujos en categorías, definir campos clave y configurar validación e interacción externa por etapa.

Texto, entero, decimal, fecha, lista y carga de archivos; límites de caracteres y expresiones regulares.

Condiciones y acciones que hacen obligatorio un campo, validan información o restringen el acceso.

Acceso por usuario y departamento, encabezado informativo y organización de los campos en el listado.

Cómo identificar tu perfil conductual, entender el test DISC y usar el resultado para mejorar la comunicación, las relaciones y el desempeño profesional.

Cómo fortalecer tu imagen y transmitir confianza, credibilidad y autoridad en las interacciones del día a día.

Técnicas para comunicarse con claridad, reducir malentendidos y construir relaciones profesionales saludables y productivas.

Estrategias para lidiar con la presión, controlar reacciones y decidir con más equilibrio e inteligencia emocional.

Cómo comunicarte de forma clara y objetiva en el entorno corporativo y controlar la ansiedad al hablar para transmitir ideas con seguridad e impacto.

Cómo funciona la persuasión en el entorno corporativo y cómo estructurar tu comunicación para generar comprensión y adhesión.

Cómo negociar de forma estratégica, buscando acuerdos que generen resultados sin crear conflictos innecesarios.

Cómo organizar una presentación de forma clara y estratégica para generar comprensión y acción.

Cómo identificar conflictos en el entorno corporativo y comprender sus orígenes, cuando las áreas tienen objetivos, prioridades y formas de trabajo distintos.

Escucha activa, organización de la conversación y foco en la solución para conducir conversaciones difíciles, promover la alineación entre áreas y reducir el desgaste.

Cómo usar el conflicto para identificar fallas, mejorar procesos, fortalecer la comunicación y generar evolución en los equipos.

Cómo estructurar un perfil que comunica valor en pocos segundos, siguiendo el caso de un profesional en transición hacia la gobernanza de datos.

Cómo funciona la plataforma, cómo ajustar el perfil y cómo usar palabras clave y posicionamiento para aumentar la visibilidad en el mercado.

Qué contenidos funcionan, cómo estructurar posts estratégicos y cómo convertir el aprendizaje en oportunidad profesional.

La idea central del Data Mesh, de dónde surgió y qué problema de arquitectura de datos busca resolver.

Los cuellos de botella de un equipo central de datos y las señales de que el modelo centralizado dejó de escalar con el crecimiento de la empresa.

Cómo transferir la responsabilidad del dato a las áreas de negocio que mejor lo conocen, y qué cambia en los roles y en las fronteras de cada dominio.

Qué significa tratar el dato como producto, con dueño, calidad, documentación y consumidores que dependen de él.

La plataforma que permite a los equipos de cada dominio publicar y consumir datos con autonomía, sin depender de un equipo central en cada solicitud.

Cómo equilibrar la autonomía de los dominios con reglas comunes de calidad, seguridad e interoperabilidad, definidas y aplicadas de forma federada.

Los componentes de un data product: los datos, los metadatos, el contrato, las interfaces de acceso y los indicadores de calidad.

Las diferencias y las relaciones entre estos enfoques, y dónde entra el MDM para garantizar la consistencia de los datos maestros.

Por dónde empezar, cómo elegir el primer dominio, estructurar los equipos y evolucionar la adopción de forma gradual.

Aplicación de los conceptos en un caso completo. Incluye un ejercicio práctico, que no es una clase.

Qué es la inteligencia artificial

Dartmouth y el nacimiento del área

Los sistemas expertos de los años 80

Los dos inviernos de la IA

El giro de los datos y del poder computacional

Del laboratorio al día a día de las empresas

Automatización por reglas explícitas

IA predictiva: predecir a partir del historial

IA generativa: crear contenido nuevo

Cuándo usar cada una

IA débil, IA fuerte y lo que es solo marketing

Dónde aparece cada tipo en la gobernanza de datos

Qué significa entrenar un modelo

Datos de entrenamiento, validación y prueba

Aprendizaje supervisado

Aprendizaje no supervisado

Aprendizaje por refuerzo

Overfitting y underfitting

Métricas: la exactitud no lo es todo

Por qué un dato malo rompe cualquier modelo

La neurona artificial

Capas, pesos y sesgos

Cómo la red ajusta los pesos

Deep learning: qué cambia con la profundidad

La arquitectura Transformer

El mecanismo de atención

Por qué el Transformer lo cambió todo

Qué es un modelo de lenguaje

Preentrenamiento, ajuste fino y alineación

Cómo el modelo elige la siguiente palabra

Temperatura y por qué la respuesta varía

Ventana de contexto

Qué es la alucinación y por qué ocurre

Modelos abiertos y modelos cerrados

Multimodalidad: texto, imagen, audio y tabla

Qué es un token

Cómo se divide el texto en tokens

De token a número: vectorización

Qué es un embedding

Similitud: la distancia entre significados

Encontrar duplicados que la búsqueda del ERP no encuentra

Embeddings aplicados a la descripción de materiales

Los límites de los embeddings

Por qué el modelo necesita tus datos

Qué es una base de datos vectorial

Chunking: el tamaño del fragmento importa

Indexación y recuperación

Qué es RAG

RAG en la práctica: de la pregunta a la respuesta

La dependencia directa de datos maestros confiables

Por qué un proyecto de IA falla en el registro maestro, no en el modelo

Sintaxis, semántica y significado

Glosario de negocio

Taxonomía y árbol mercadológico

Ontología: la relación entre conceptos

Los metadatos que usa la IA

Catálogo de datos

Grafos de conocimiento

Estandarización descriptiva del registro maestro

Sesgo en los datos y en el modelo

Explicabilidad y el problema de la caja negra

LGPD y datos personales dentro del prompt

Confidencialidad y filtración por uso

Propiedad intelectual de lo que genera la IA

Quién responde por el error de la IA

Política interna de uso de IA

Regulación: AI Act y el escenario brasileño

Checklist de gobernanza de IA

Cómo elegir la herramienta gratuita

El papel del contexto

La estructura de una buena instrucción

Pedir formato: tabla, lista, texto

Trabajar con documentos

Revisión e iteración de la respuesta

Verificar lo que respondió la IA

Los límites del uso básico

Organizar el trabajo en proyectos

Armar una base de conocimiento

Instrucciones reutilizables

Habilidades y agentes

Conectores y acceso a sistemas

Automatización de la rutina de alta y mantenimiento

Trabajar con hojas de cálculo y volumen

Cuándo parar y llamar a un especialista

El maestro de materiales de ACME

Explorar la base con apoyo de IA

Encontrar duplicados con embeddings

Diagnóstico de calidad y completitud

Estandarizar descripciones con apoyo de IA

Armar el plan de acción

Presentar el resultado a la dirección