Las clases y los materiales de MDM Academy están en portugués. Puedes cursar el programa desde cualquier país, y la traducción al español está en nuestro plan, sin fecha definida. El certificado es emitido en Brasil, en portugués, y tiene validez en Brasil. Para obtenerlo es necesario seguir las clases en portugués.
gobernanza de datos para empresas
La experiencia de +330 proyectos de datos ahora a disposición de tu empresa.
Formamos a más de 300 profesionales en la única certificación de competencia en gobernanza de datos de Brasil, reconocida por el MEC. Ahora capacitamos a todo tu equipo, con la metodología que aplicamos en proyectos de datos maestros en las mayores empresas del país.
El problema puede no ser la tecnología. Es falta de capacitación, proceso y alineación — la gobernanza no es individual, es organizacional.
resultados para tu empresa
Prepara a tu equipo para los desafíos de datos que ya llegaron.
MDM Academy transforma el conocimiento en capacidad real de ejecución. Tu equipo aprende a conectar datos, procesos, tecnología y negocio para tomar mejores decisiones, reducir riesgos y conducir proyectos más complejos con seguridad.
01
Adoptar IA con seguridad
Prepara a la empresa para usar inteligencia artificial con datos confiables, gobernados y protegidos, reduciendo riesgos de seguridad, privacidad y decisiones incorrectas.
IAConfianzaSeguridadDatos gobernados
02
Enfrentar la nueva Reforma Tributaria
Capacita a los equipos para comprender cómo la calidad de los datos maestros, los datos fiscales, los proveedores y los productos impactan el cálculo de impuestos, los créditos tributarios y la conformidad de la operación.
ProveedoresProductosCréditosConformidad
03
Implementar sistemas complejos
Prepara al equipo para participar activamente en proyectos de ERP, MDM, CRM y otras plataformas corporativas, desde el levantamiento de requisitos hasta la implantación y el soporte.
ERPMDMCRMIntegraciónImplementación
04
Elevar la conversación entre negocio y TI
Permite que los profesionales de las áreas de negocio discutan con más propiedad temas como arquitectura de datos, integraciones, data lake, BI, calidad, seguridad e inteligencia artificial.
NegocioTecnologíaData lakeBICalidad
05
Aumentar la eficiencia de la operación de alta y mantenimiento de datos maestros
Organiza procesos, roles, reglas e indicadores para reducir el SLA de alta y mantenimiento de datos maestros, eliminar reprocesos y entregar datos confiables con más velocidad.
ProcesosReglasSLACalidadVelocidad
06
Transformar ideas en proyectos aprobados
Ayuda a los profesionales a presentar problemas, construir business cases y defender iniciativas de datos con un lenguaje que el liderazgo comprende y valora.
ProblemaImpactoCaso de negocioDecisión
RESULTADO
Un equipo capacitado no solo entiende la gobernanza, sino que transforma datos en resultados.
Cuando negocio y tecnología comparten el mismo lenguaje, los proyectos avanzan más rápido, los riesgos disminuyen y la empresa queda más preparada para crecer.
Una formación que prepara a tu equipo para ejecutar, decidir y liderar datos.
Más que una malla curricular, la MDM Academy desarrolla las competencias que tu empresa necesita para estructurar la gobernanza, mejorar la calidad de los datos, implementar tecnologías y convertir el conocimiento en resultados.
+100 horas de contenidoReconocido por el MECMasterclasses en vivo
EJE 01
Estructurar la gobernanza
Alinea conceptos, roles y responsabilidades para que todas las áreas trabajen con una visión común sobre los datos.
·Crea un lenguaje común entre las áreas
·Define responsabilidades y dueños de dominio
·Establece las bases de la gobernanza
En la operación, esto permite publicar definiciones, roles y políticas que todas las áreas siguen en el día a día.
capacidades desarrolladas
· Crea un lenguaje común entre las áreas
· Reduce interpretaciones distintas sobre un mismo dato
· Define responsabilidades y dueños de dominio
· Establece las bases de la gobernanza
· Mejora la colaboración entre negocio y TI
problemas que resuelve
· Cada área con una definición propia de cliente, producto o proveedor
· Falta de dueño para el dato
· Decisiones bloqueadas por divergencia de información
áreas beneficiadas
Datos maestrosComprasSupply chainComercialTI
módulos de este eje
Definición de datosEl concepto de dato y sus clasificaciones: cualitativo, cuantitativo, estructurado y no estructurado. La importancia del dato en la toma de decisiones.
Datos estructurados y no estructuradosCómo se organiza el dato estructurado en tablas y por qué los textos, documentos y medios exigen técnicas avanzadas de procesamiento.
Datos maestros, de referencia y transaccionalesLa diferencia entre los tres y los principales dominios de datos maestros: personas, socios de negocio, materiales y productos.
Datos maestros de socios de negocioInformación esencial, onboarding y homologación, seguridad e integración, y el papel de las plataformas de MDM y de los workflows.
Datos maestros de materialesCategorización 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.
Otros datos maestrosUbicaciones físicas, activos digitales, empleados, cuentas contables y centros de costo, menos visibles, igualmente críticos para la operación.
La importancia de los metadatosDatos sobre datos: fecha de creación, responsable, criticidad. Cómo los metadatos contextualizan, organizan y hacen posible la gobernanza.
Conceptos básicos de la gobernanza de datosQué es la gobernanza de datos y cuál es su papel dentro de un programa de gestión de datos maestros.
Objetivos y beneficiosCómo la gobernanza resuelve problemas concretos de la organización y sustenta una gestión eficiente de la información.
Estructuras de gobernanzaCómo se diseña la estructura de gobernanza y quiénes son los actores involucrados en el proceso.
Roles y responsabilidadesLas responsabilidades de cada actor (data owner, data steward, custodio) y cómo cada rol contribuye al resultado.
Desarrollo de políticasCómo definir las políticas que rigen la estructura de gobernanza, alineadas con los objetivos de la organización.
Estándares de datosPor qué estandarizar y cómo el estándar garantiza consistencia y calidad en toda la cadena de información.
Catálogo de datosCómo documentar y organizar los activos de datos de la organización de forma eficiente y consultable.
Seguridad, regulación y privacidadPrincipios de seguridad de la información y protección de datos sensibles, garantizando integridad y confidencialidad.
EJE 02
Controlar calidad y riesgos
Prepara al equipo para identificar causas, crear estándares y mejorar continuamente la confiabilidad de los datos que utiliza la empresa.
·Reduce errores y retrabajo en el alta y mantenimiento de datos maestros
·Establece reglas e indicadores de calidad
·Apoya el cumplimiento y la gestión de riesgos
En la operación, esto permite medir la calidad, depurar la base y sostener un libro de reglas y un PDM propios.
capacidades desarrolladas
· Reduce errores y retrabajo en el alta y mantenimiento de datos maestros
· Mejora la calidad de los datos maestros de materiales y socios comerciales
· Establece reglas e indicadores de calidad
· Apoya el cumplimiento y la gestión de riesgos
· Aumenta la confianza en la información
problemas que resuelve
· Bases duplicadas y descripciones inconsistentes
· Retrabajo constante y SLA alto en el alta de datos maestros
· Exposición a riesgos de compliance y LGPD
áreas beneficiadas
Datos maestrosCalidadComplianceFiscalOperaciones
módulos de este eje
Definición de riesgoEl origen del concepto de riesgo y cómo las técnicas de afrontamiento evolucionaron hasta las prácticas actuales.
Tipos de riesgos asociados a los datos maestrosDatos incompletos, duplicados y filtraciones, y cómo estos riesgos comprometen la decisión y la operación.
Análisis de riesgoCómo identificar y evaluar riesgos con una matriz de riesgos y construir planes de acción eficaces.
Privacidad de datosProtección de datos sensibles, cumplimiento de GDPR y LGPD y control de acceso a los datos maestros.
Auditoría de datosLas cinco etapas de la auditoría con base en las normas ISO 9001, 19011 y 27001: planificación, ejecución, riesgos, informe y seguimiento.
Contrato de datosAcuerdos formales que definen cómo se intercambia la información entre sistemas y organizaciones, con estándares y garantías de calidad.
Compliance: definición y objetivoConformidad legal, políticas internas y la construcción de una cultura ética en el tratamiento de los datos.
Regulaciones locales y globalesLGPD, GDPR, CCPA y Privacy by Design: qué exige cada norma en la práctica.
ESG y su aplicación en el MDMCómo se monitorean y reportan los datos ambientales, sociales y de gobernanza a partir de una base confiable.
Concientización en compliance y ética en MDMPolíticas claras, capacitación, auditoría y canales seguros de comunicación.
Homologación de socios: preregistro, registro y homologaciónEl flujo completo de ingreso y monitoreo de proveedores.
Homologación de socios: evaluación de desempeñoCómo monitorear y evaluar el desempeño del proveedor a lo largo de la relación.
Homologación de socios: auditoría de segunda parteCómo la auditoría mantiene al proveedor alineado con el estándar de la empresa y revela riesgos.
Homologación de socios: certificación por desempeñoEl método para reconocer a los proveedores que cumplen o superan el estándar establecido.
Definición de la calidad de datosPor qué importa la calidad, cómo impacta la operación y qué prácticas y tecnologías sostienen un dato confiable.
Dimensiones de la calidad de datosLas dimensiones que permiten medir la calidad y cómo cada una revela un tipo distinto de problema.
Herramientas de calidad de datosSoftware y funcionalidades de limpieza, estandarización, deduplicación y validación.
Métricas e indicadores de desempeñoTasa de error, completitud, duplicación y el ciclo PDCA aplicado a la mejora continua de la calidad.
Definición de limpieza de datosQué es la limpieza de datos, para qué sirve y cómo impacta directamente la eficiencia y la confiabilidad de la base.
Procesos de limpieza de datosLos beneficios del proceso y cómo mejora el resultado y la rutina organizacional.
Estandarización descriptiva de materialesLas etapas de la limpieza de datos y el papel de cada una en la construcción de una base sólida.
Introducción al PDMCómo la estandarización y la limpieza de datos aseguran consistencia, eliminan duplicidad y facilitan la integración entre sistemas.
Estructura del PDMLibro de reglas, características técnicas, árbol de clasificación y flujo de trabajo.
Elaboración del PDMLas seis etapas: catalogación, estructuración, normalización, identificación, estandarización y sistematización.
Descripción corta y largaLas reglas que garantizan claridad y uniformidad en la identificación de materiales en ERPs y procesos internos.
Procesos PDM: productos, clientes y proveedoresCómo construir el estándar descriptivo para cada dominio, en la práctica.
Descripciones cortas y largas en la prácticaEjercicio aplicado de creación de descripciones que atienden la operación y la estrategia.
TaxonomíaEl concepto, su importancia en la gestión de datos y la mejora en consistencia y accesibilidad.
Unidades de medidaLa evolución del concepto y por qué la elección correcta es decisiva para la consistencia de la base.
Clasificación de mercadoTaxonomías de mercado: cómo ayudan a seguir tendencias, segmentar clientes y ajustar la estrategia comercial.
EJE 03
Implementar y ejecutar
Capacita a los profesionales para participar en proyectos, estructurar procesos y usar tecnologías que convierten la gobernanza en operación.
·Prepara al equipo para ERP, MDM, CRM e integraciones
·Mejora la participación del negocio en los proyectos
·Permite automatización y escalabilidad
En la operación, esto permite configurar workflows, validar cargas masivas y automatizar rutinas con SQL y Python.
capacidades desarrolladas
· Aumenta la capacidad de ejecución del equipo
· Mejora la participación del negocio en los proyectos
· Prepara al equipo para ERP, MDM, CRM e integraciones
· Acerca procesos y tecnología
· Permite automatización y escalabilidad
problemas que resuelve
· Proyectos de sistemas conducidos solo por TI
· Requisitos mal levantados y retrabajo en la implantación
· Rutinas manuales que no escalan
áreas beneficiadas
TIProyectosDatos maestrosSupply chainIngeniería de datos
módulos de este eje
Definición de un software de MDMCómo un software de MDM hace posible la gestión centralizada y unificada de los datos maestros de la organización.
Componentes principales de un sistema de MDMLos módulos de una plataforma de MDM y cómo trabajan juntos para mantener el dato consistente.
Modelos de implementaciónTécnicas y enfoques para implantar un software de MDM en escenarios reales.
Componentes arquitectónicosLa estructura técnica necesaria para una implementación robusta y sostenible.
Integración de datosQué es un protocolo, qué documentación es necesaria y cómo las APIs conectan el MDM con los sistemas satélite.
Modelado de datosEl papel del modelado en la creación de una estructura lógica que organiza y define los datos maestros.
Big Data y visualización de datosCómo se procesan los datos en gran volumen y qué herramientas los transforman en información visual.
El futuro del software de MDMTendencias emergentes, incluido el blockchain, y cómo se espera que transformen la gestión de datos maestros.
Fórmulas avanzadas en ExcelAutomatizar, limpiar y transformar grandes conjuntos de datos maestros con las fórmulas que usa todo especialista.
Lógica matemática para especialistasLos operadores que sustentan el motor de reglas de cualquier plataforma de MDM.
Operadores lógicosAND, OR y NOT: cómo crear expresiones evaluadas como verdaderas o falsas para configurar reglas.
Operadores relacionalesComparaciones que se convierten en reglas de validación y filtro, con ejemplos de precio, inventario y categoría.
SQLLa aplicación de SQL en MDM y en procesos de ETL: consulta, unión y agregación.
Operadores lógicos y relacionales con SQLCómo validar, filtrar y manipular datos maestros en consultas reales.
PythonIntroducción al lenguaje: simplicidad, versatilidad y por qué se volvió una herramienta obligatoria en datos.
Variables y tipos de datosCómo almacenar números, texto y booleanos, y manipular datos en escenarios de gestión de datos maestros.
Estructuras de controlif, elif y else para verificar valores, validar campos y categorizar registros.
Estructuras de datosListas, tuplas, diccionarios y conjuntos para organizar información con eficiencia.
Bucles de repeticiónfor y while para revisar y validar grandes volúmenes automáticamente.
FuncionesCómo organizar el código, reutilizar lógica y hacer la rutina más eficiente.
Manipulación de stringsConcatenar, modificar y limpiar texto: la base de la limpieza de datos programática.
List comprehensionsCrear y transformar listas en una línea, de forma compacta y legible.
Trabajando con archivosLeer y escribir hojas de cálculo de productos y proveedores en volumen.
Bibliotecas útiles para datosLas bibliotecas que automatizan procesos y garantizan la calidad de la base.
Cloud u on-premiseCaracterísticas, modelos de servicio y formas de implementación, con el efecto financiero y operativo de cada uno.
Definición de computación en la nubeComparación directa entre cloud y on-premise: control, costo inicial y flexibilidad.
Tipos de licenciamiento de softwarePropietaria, código abierto, freeware, shareware y SaaS.
Definición de SaaSAccesibilidad, actualización automática, reducción de costos y ejemplos de mercado.
Eligiendo un software de MDMIntegración, calidad de datos y escalabilidad: los criterios que distinguen una buena solución.
El papel del consultor de implementaciónConocimiento técnico, habilidad analítica y comunicación: el perfil que contrata el mercado.
Componentes técnicos y funcionalesPortal de las empresas, del administrador y del usuario; campos, templates, etapas, negocios y grupos de negocios.
Pantalla de loginSingle sign-on, registro manual, autorregistro, internacionalización y canal de soporte.
Menú lateral, dashboard y reportesNavegar la plataforma, interpretar el dashboard y crear reportes personalizados.
Visualizando un workflowCrear, editar y gestionar instancias; inactivar, anotar y consultar la auditoría de cada etapa.
Header: notificaciones, chat, avisos y chatbotComunicación entre usuarios, historial de cambios, alertas de aprobación pendiente y cambio de idioma.
Búsquedas avanzadas y estadísticasBúsqueda detallada, exportación para análisis y gráficos configurados por el administrador.
Alta y modificación masivaDar de alta y modificar muchos ítems a la vez, con precisión y trazabilidad.
Seguimiento del procesamiento masivoEstado de las cargas, lectura de errores y corrección directa en la hoja de cálculo para el reprocesamiento.
Portal del administrador: usuarios y departamentosCrear administradores, definir atribuciones, limitar registros por departamento y bloquear accesos.
Configuraciones y auditoríaTema visual del tenant, expiración de sesión y registro de todos los cambios del portal.
Grupos de negocios, negocios y etapasOrganizar flujos en categorías, definir campos clave y configurar validación e interacción externa por etapa.
Tipos de campos y validacionesTexto, entero, decimal, fecha, lista y carga de archivos; límites de caracteres y expresiones regulares.
Reglas múltiples avanzadas de negocioCondiciones y acciones que hacen obligatorio un campo, validan información o restringen el acceso.
Permisos, encabezado y listadoAcceso por usuario y departamento, encabezado informativo y organización de los campos en el listado.
Presentación y qué es SAPQué es SAP, por qué domina el mantenimiento de datos maestros en las grandes empresas y dónde vive el dato maestro dentro de él.
Qué es Standard, Z o YLa diferencia entre objeto estándar y personalizado, cuándo usar cada uno y cómo identificarlos.
Cómo descargar e instalar SAP GUITodas las versiones, el papel de la interfaz GUI y cómo navegarla con eficiencia.
Creando una entrada para acceder a clientesCómo configurar múltiples entradas en SAP GUI, como lo hacen las consultoras.
Navegando por los menús (SPRO, transacciones, menús)Cómo desplazarte por el sistema y personalizar el GUI para tu día a día.
Configurando tu SAP GUIAjustes de visualización y productividad que cambian la experiencia de uso.
Entornos y clients (DEV/QAS/PRD)Para qué sirve cada entorno y el cuidado que exige cada uno.
Requests en SAPQué son los requests, su importancia y la diferencia entre Workbench y Customizing.
Completando la información en los camposTipos de campo (fecha, hora, valor) y la atención que exige cada uno para mantener la integridad del dato.
Variantes para programasGuardar y reutilizar conjuntos de datos predefinidos para agilizar tareas repetitivas.
Tablas y programasCómo acceder, visualizar y gestionar estos dos elementos esenciales del sistema.
Agregando transacciones al menú principalCómo organizar el acceso a las funciones que más usas.
Ejecutando programas, funciones y transaccionesOperaciones del día a día, uso de variantes y navegación optimizada.
Encontrando formularios, facturas y DANFESapscript y SmartForms, transacciones SE71 y SMARTFORMS, prueba de layout y validación de campos.
Ejecución en background y foregroundLa diferencia entre ambas y cómo configurar jobs para automatizar tareas largas.
Imprimiendo informaciónDispositivos de salida, generación de documento fiscal y gestión del spool mediante SP01.
Menús para programas detalladosLos menús “Sistema” y “Ayuda”: visualización, exportación de datos y ejecución en background.
SM30: actualización de tablasVisualizar y modificar datos directamente en las tablas, con los cuidados necesarios para no impactar el sistema.
SHDB: mapeo de procesosGrabar y reproducir interacciones para automatizar procesos repetitivos y cargas masivas.
SM04: lista de logons en el servidorMonitorear quién está conectado, qué transacciones se ejecutan y cómo cerrar la sesión de forma segura.
SM50: monitoreo de procesos activosIdentificar procesos que afectan el rendimiento y actuar con cautela sobre ellos.
Debug ABAPAnalizar la ejecución paso a paso, encontrar errores y desvíos de valor con breakpoints y watchpoints.
Exportando datos a Excel, TXT y otros formatosLlevar el reporte fuera de SAP para análisis, gráficos y para compartir.
SE11, SE16 y SE16N: datos de tablasFiltrar información, validar registros e investigar problemas de configuración o de datos maestros.
Migración de datosMapeo, estandarización y validación; el papel del ETL y la importancia del plan de contingencia.
Herramientas de migración dentro de SAPLSMW, S/4HANA Migration Cockpit y Data Services: características, ventajas y límites.
Creando un proyecto de migración en SAPDel proyecto en Fiori a la plantilla XML y a las tablas de staging para la carga en S/4HANA.
Diferentes tipos de inteligencia artificialQué tipos de IA existen y dónde cada uno optimiza realmente el proceso de gestión de datos maestros.
IA, blockchain y el futuro de la gestión de datosTendencias emergentes en plataformas de datos y por qué la gobernanza es un requisito previo de cualquier IA confiable.
Masterclasses y nuevos contenidos mensualesLa ruta de IA recibe clases nuevas cada mes, siguiendo lo que realmente entra en producción en las empresas.
Contexto histórico, los dos inviernos del área y el giro hacia los datos.
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
Reglas explícitas, IA predictiva e IA generativa, con criterio de cuándo usar cada una.
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
Entrenamiento y prueba, tipos de aprendizaje, overfitting y por qué un dato malo rompe cualquier modelo.
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
Neurona, capas, pesos, arquitectura Transformer y mecanismo de atención, sin matemáticas.
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
Cómo generan texto, ventana de contexto, por qué varían y por qué alucinan.
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
Cómo el significado se vuelve número y cómo encontrar duplicados que la búsqueda del ERP nunca encuentra.
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
Bases de datos vectoriales, chunking, RAG y la dependencia directa de datos maestros confiables.
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
Glosario, catálogo, metadatos, grafos de conocimiento y estandarización descriptiva.
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, explicabilidad, LGPD, confidencialidad, propiedad intelectual y regulación.
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
Contexto, estructura de la instrucción, trabajo con documentos y los límites del uso básico.
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
Proyectos, base de conocimiento, habilidades reutilizables, conectores y automatización.
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
Diagnóstico completo de un maestro de materiales con apoyo de IA, de la exploración al plan de acción.
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
EJE 04
Transformar datos en estrategia
Desarrolla profesionales capaces de estructurar proyectos, construir casos de negocio y conectar la gobernanza con los objetivos de la empresa.
·Mejora la defensa de nuevos proyectos
·Fortalece la conversación con el liderazgo
·Transforma la gobernanza en valor para el negocio
En la operación, esto permite armar el caso de negocio, estructurar la central de datos maestros y llevar indicadores al comité.
capacidades desarrolladas
· Mejora la defensa de nuevos proyectos
· Conecta los datos con los objetivos empresariales
· Fortalece la conversación con el liderazgo
· Ayuda a priorizar iniciativas
· Transforma la gobernanza en valor para el negocio
problemas que resuelve
· Iniciativas de datos sin patrocinio
· Dificultad para demostrar el retorno
· Falta de método para conducir el programa
áreas beneficiadas
LiderazgoPMOContraloríaCentral de datos maestros
módulos de este eje
Definición de proyectoObjetivo específico, temporalidad, unicidad y la importancia de la planificación detallada.
Definición de metodologíaQué es una metodología de gestión de proyectos y cómo elegir la correcta para cada contexto.
Tipos de metodologías de proyectoPMBOK, PRINCE2, Ágil (Scrum, Kanban), Waterfall y Six Sigma: fortalezas y límites de cada enfoque.
Metodología híbridaCómo combinar prácticas tradicionales y ágiles para equilibrar estructura y flexibilidad.
Definición de artefactos metodológicosPlanes, cronogramas y registros que organizan, controlan y comunican el progreso.
Artefactos de la fase inicialActa de constitución, EDT, cronograma, plan de comunicación, matriz RACI y gestión de riesgos.
Artefactos de la fase de planificaciónPlan del proyecto y de comunicación: alcance, objetivo, plazo y responsabilidad.
Artefactos de la fase de ejecuciónMapeo de campos, desarrollo de integraciones, plan e informe de pruebas.
Artefactos de la fase de monitoreoPMO, status reports y el tratamiento de riesgos, desvíos y cambios.
Artefactos de la fase de cierreCustomer success, operación asistida posterior al go-live, traspaso y acta de cierre.
Importancia de la metodología de gestión de proyectosOrganización, control de costos y plazos, calidad de entrega y mejora continua.
La metodología de gestión de proyectos en MDMCómo definir el alcance, mitigar riesgos y controlar costos en un proyecto de datos maestros.
Iniciando un proyecto de MDMBienvenida al cliente, presentación del equipo, checklist y reunión de inicio.
Planificando un proyecto de MDMRecopilación de información, propuesta técnica, premisas y aprobación del cronograma con el cliente.
Ejecutando un proyecto de MDMMapeo de escenarios, integración, pruebas, cutover y migración de datos.
Monitoreando un proyecto de MDMSeguimiento del progreso, calidad del dato, riesgo, cambio y comunicación con stakeholders.
Cerrando un proyecto de MDMValidación de los entregables, liberación del equipo, lecciones aprendidas y evaluación de satisfacción.
Definición de caso de negocioCómo justificar la inversión, calcular el ROI y presentar el beneficio financiero y estratégico.
La importancia estratégica del caso de negocioCómo comunicar la idea, alinear a las partes involucradas y sostener la decisión. Incluye un modelo de caso de negocio para adaptar.
Identificando los puntos de dolor de los datos maestrosError, duplicidad y descripción inconsistente: el efecto en la eficiencia operativa y financiera.
Recopilando métricas y definiendo los ofensoresPareto, data profiling y diagrama de Ishikawa aplicados al caso ACME S/A.
Definiendo las acciones correctivasMetodología SMART, procesos estandarizados, validación y deduplicación vía MDM y capacitación de los equipos.
Presentación de resultadosCómo presentar resultados tangibles e intangibles y preparar escenarios alternativos.
Introducción y concepto de central de datos maestrosEl papel de la central en la definición, el monitoreo y la estandarización de los datos esenciales.
Ciclo de vida de los datos maestrosDesde la creación y validación hasta el archivado, con monitoreo y limpieza de datos en cada etapa.
Reuniones ejecutivas y operativasCómo alinear el objetivo estratégico, definir responsabilidades y mapear procesos y SLA.
Mapeo de macroflujosIdentificar gaps e ineficiencias y diseñar el proceso futuro con los stakeholders.
KPIs y métricasPlazo, precisión y retrabajo: los indicadores que muestran si la central funciona.
Validaciones y análisis de viabilidadCómo garantizar que el cambio propuesto sea técnica y financieramente sostenible.
Aprobación e implementaciónPresentación al comité, aprobación estratégica, capacitación del equipo y go-live acompañado.
EJE 05
Comunicar y liderar cambios
Profesionales preparados para comunicar, negociar y presentar ideas con claridad ante distintos públicos de la empresa.
·Mejora la comunicación entre áreas
·Reduce conflictos internos
·Prepara al equipo para conducir cambios
En la operación, esto permite conducir reuniones, negociar prioridades y defender proyectos con más seguridad.
capacidades desarrolladas
· Mejora la comunicación entre áreas
· Reduce conflictos internos
· Aumenta la autonomía de los profesionales
· Fortalece las presentaciones al liderazgo
· Prepara al equipo para conducir cambios
problemas que resuelve
· Iniciativas que mueren por falta de comunicación
· Conflictos recurrentes entre áreas
· Profesionales técnicos sin espacio en la decisión
áreas beneficiadas
RR. HH.Universidad corporativaLiderazgoTodas las áreas de negocio
módulos de este eje
Autoconocimiento aplicado a la carrera (DISC)Cómo identificar tu perfil conductual, entender el test DISC y usar el resultado para mejorar la comunicación, las relaciones y el desempeño profesional.
Imagen profesional y credibilidad en el entorno corporativoCómo fortalecer tu imagen y transmitir confianza, credibilidad y autoridad en las interacciones del día a día.
Comportamiento, postura y ética profesionalTécnicas para comunicarse con claridad, reducir malentendidos y construir relaciones profesionales saludables y productivas.
Gestión emocional en contextos de presiónEstrategias para lidiar con la presión, controlar reacciones y decidir con más equilibrio e inteligencia emocional.
Comunicación clara y objetiva (control de la ansiedad al hablar)Cómo comunicarte de forma clara y objetiva en el entorno corporativo y controlar la ansiedad al hablar para transmitir ideas con seguridad e impacto.
Fundamentos de la persuasión en el entorno corporativoCómo funciona la persuasión en el entorno corporativo y cómo estructurar tu comunicación para generar comprensión y adhesión.
Técnicas de negociación e influencia en el ambiente corporativoCómo negociar de forma estratégica, buscando acuerdos que generen resultados sin crear conflictos innecesarios.
Estructuración de presentaciones profesionalesCómo organizar una presentación de forma clara y estratégica para generar comprensión y acción.
Identificación y origen de los conflictosCómo identificar conflictos en el entorno corporativo y comprender sus orígenes, cuando las áreas tienen objetivos, prioridades y formas de trabajo distintos.
Técnicas de mediación y negociaciónEscucha activa, organización de la conversación y foco en la solución para conducir conversaciones difíciles, promover la alineación entre áreas y reducir el desgaste.
Transformando conflictos en oportunidadesCómo usar el conflicto para identificar fallas, mejorar procesos, fortalecer la comunicación y generar evolución en los equipos.
Perfil de LinkedIn campeón para analista de datosCómo estructurar un perfil que comunica valor en pocos segundos, siguiendo el caso de un profesional en transición hacia la gobernanza de datos.
Cómo buscar vacantes y ser encontradoCómo funciona la plataforma, cómo ajustar el perfil y cómo usar palabras clave y posicionamiento para aumentar la visibilidad en el mercado.
Creación de contenido estratégico en LinkedInQué contenidos funcionan, cómo estructurar posts estratégicos y cómo convertir el aprendizaje en oportunidad profesional.
EJE 06
Hablar de igual a igual con la TI
Arquitectura, data lineage, data lake, data mesh, capas y pipelines para que las áreas de negocio participen en las discusiones técnicas con propiedad.
·Acerca negocio y tecnología
·Mejora el levantamiento de requisitos
·Reduce el ruido en los proyectos
En la operación, esto permite discutir integraciones, trazabilidad y capas de datos con el equipo técnico.
capacidades desarrolladas
· Acerca negocio y tecnología
· Mejora el levantamiento de requisitos
· Reduce el ruido en los proyectos
· Amplía la comprensión sobre arquitectura
· Fortalece las decisiones sobre datos
problemas que resuelve
· Requisitos mal traducidos entre áreas
· Proyectos de datos sin participación del negocio
· Discusiones técnicas inaccesibles para la operación
áreas beneficiadas
NegocioTIProyectosDatos y analytics
módulos de este eje
Introducción al data lineageCómo rastrear el recorrido completo del dato, del origen al destino, y por qué eso sustenta la confiabilidad, la gobernanza y la LGPD.
Características técnicas de un software de lineageCómo la herramienta mapea, rastrea, visualiza y documenta el ciclo de la información y se integra con los sistemas.
Conceptos básicos de un data lakeLa diferencia frente al data warehouse, ventajas, estructuras, herramientas y cómo evitar el “pantano de datos”.
Capas Bronze, Silver y GoldCómo las capas organizan el dato desde la ingesta bruta hasta el análisis final, y el papel del MDM en esa cadena.
Qué es Data MeshLa idea central del Data Mesh, de dónde surgió y qué problema de arquitectura de datos busca resolver.
Por qué la arquitectura centralizada empieza a fallarLos 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.
Principio 1: propiedad de los datos por dominioCómo 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.
Principio 2: datos como productoQué significa tratar el dato como producto, con dueño, calidad, documentación y consumidores que dependen de él.
Principio 3: plataforma de datos self-serviceLa plataforma que permite a los equipos de cada dominio publicar y consumir datos con autonomía, sin depender de un equipo central en cada solicitud.
Principio 4: gobernanza federadaCómo equilibrar la autonomía de los dominios con reglas comunes de calidad, seguridad e interoperabilidad, definidas y aplicadas de forma federada.
Anatomía de un data productLos componentes de un data product: los datos, los metadatos, el contrato, las interfaces de acceso y los indicadores de calidad.
Data Mesh, Data Fabric, Lakehouse y MDMLas diferencias y las relaciones entre estos enfoques, y dónde entra el MDM para garantizar la consistencia de los datos maestros.
Cómo implementar Data Mesh en una empresaPor dónde empezar, cómo elegir el primer dominio, estructurar los equipos y evolucionar la adopción de forma gradual.
Data Mesh en la práctica: el caso ACMEAplicación de los conceptos en un caso completo. Incluye un ejercicio práctico, que no es una clase.
la plataforma
Clases grabadas en estudio, rutas y evaluaciones por módulo
Cada colaborador sigue su progreso, descarga materiales de apoyo y realiza la evaluación de competencia dentro de su propio entorno.
clase grabada
Clases producidas en estudio
Contenido grabado en estudio y organizado dentro de la ruta de aprendizaje, con material de apoyo por clase.
Módulo 04 · Tecnología
clases aplicadas
Casos y modelos aplicados al negocio
Cada tema se demuestra en situaciones reales de mantenimiento de datos maestros, integración y análisis de datos corporativos.
Módulo 04 · Clases aplicadas
rutas y evaluaciones
Progreso y evaluación por módulo
El colaborador sigue su progreso, descarga los materiales y hace la evaluación de competencia en su propio entorno.
Módulo 07 · Limpieza de datos y PDM
01 / 03
formato para empresas
Escalable para equipos de cualquier tamaño
✓Acceso completo para todo el equipo
✓Aprendizaje al ritmo de cada colaborador
✓Contenido centralizado y estandarizado
✓Grupo cerrado, seguimiento del progreso y factura para presupuesto de capacitación
inversión
Cuantas más personas, menor es el costo por colaborador.
Armamos la propuesta a partir del número de participantes y de las áreas involucradas. En una conversación de 20 minutos entendemos el escenario de datos de la empresa y te enviamos el diseño del grupo.
MDM Engineering: transformando datos en activos estratégicos
Para las empresas que necesitan ir más allá de la capacitación, 4MDG conduce el programa de ingeniería de datos maestros: Maturity Map, estructuración de valor, entrega asistida y escala inteligente, actuando en la tríada personas, procesos y tecnología.
