El mercado busca, paga bien y no encuentra gente.

Una regla que rechaza CNPJ inválido en los datos maestros de proveedores, con un panel de conformidad por área.

Grand View Research, 2023 a 2030. Fortune Business Insights proyecta US$ 14,53 mil millones y MarketsandMarkets, más conservador, US$ 10,54 mil millones.

BLR DATA, Índice de Madurez en Gestión de Datos, base de 30 evaluaciones desde 2020

Gartner, Rita Sallam, julio de 2024. En febrero de 2025 Gartner señaló que el 63% de las organizaciones no tiene prácticas de gestión de datos adecuadas para la IA, o no sabe si las tiene.

State of Data Brazil 2024-2025, Data Hackers y Bain & Company, 5.217 encuestados, recopilación entre octubre y diciembre de 2024

Titular

Sección Acerca de

Mensaje de acercamiento

Viñeta de calidad

Viñeta de datos maestros

Viñeta de LGPD

Pregunta que siempre llega

Pregunta sobre conflicto

Pregunta que debes hacer

• 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.

• BienvenidaPresentación de Paulo Cordeiro: una charla directa sobre datos, carrera y qué esperar de la formación.
• Sobre el cursoCómo está organizada la formación, qué vas a dominar al final y cómo aprovechar las rutas, los webinars y los laboratorios.
• Definición de datos maestrosQué son los datos maestros, su importancia en las operaciones y en las estrategias empresariales, y cómo evolucionó el concepto con el tiempo.
• Conceptos de Datos MaestrosLa “fuente única de verdad”: por qué consolidar información, qué beneficios aporta y cómo el MDM actúa como orquestador entre los sistemas.
• Tamaño del mercado y oportunidadesEl 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.
• Tendencias de MDMSoluciones multidominio, nube, low-code, inteligencia artificial y blockchain, y cómo estas innovaciones abren espacio para especialistas.
• Oportunidades de carreraLas carreras posibles: analista de datos maestros, data steward, consultor de implementación, y el camino de desarrollo en cada una.

• 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.

• Origen del service desk y del call centerLa evolución de la atención hasta las herramientas actuales y el efecto de la IA en el soporte.
• Para qué sirve un service deskRegistro y triaje de incidentes, software especializado y mejora de la eficiencia operativa.
• Canales de atenciónTeléfono, correo electrónico, chat y autoservicio, y cómo integrarlos a la herramienta de tickets.
• Cómo dimensionar el equipoVolumen de tickets, tiempo medio de atención, SLA y canales.
• Tipos de ticketsIncidente, solicitud, problema, cambio y consulta: cómo clasificar y por qué.
• Clasificación y priorizaciónLa matriz GUT (gravedad, urgencia, tendencia) aplicada a la cola de tickets.
• Herramientas de soporte y registroCriterios de elección, ejemplos del mercado y el valor de la base de conocimiento.
• Indicadores de atenciónTMR, TME, resolución en el primer contacto y volumen: cómo calcular e interpretar.
• Encuesta de satisfacciónCómo medir la satisfacción, elaborar la encuesta y usar el resultado para mejorar la operación.

• 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.

• 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.

• 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.

• 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.

• 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.

• 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.

• 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.

• 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.

• 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.

• 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.

• 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.

• 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