El doctorado in Business Intelligence (Inteligencia de Negocios), tiene dos salidas: El Doctor of Science y el PhD, aspectos que deben ser definidos en el proceso de admisión, habida cuenta de los ajustes correspondientes. 

Este programa doctoral proporciona a los egresados de ingeniería de sistemas, computación, Informática, Management o en áreas afines, que hayan obtenido un título de maestría en el área objeto de estudio o afín a criterio de la Junta de Admisiones de la Universidad,  un medio para explorar su disposición personal a ser líderes en su profesión. Los estudiantes ganan un dominio de la literatura de su disciplina, la investigación y el perfeccionamiento de su práctica profesional y académica. Demostrando su competencia mediante la aplicación de este conocimiento en los entornos profesionales actuales. Un doctorado es la máxima recompensa para las personas que desean alcanzar por encima de los resultados promedio y están dispuestos a afrontar los retos de la vida.

La inteligencia de negocios (BI) combina análisis de negocios, minería, visualización, herramientas e infraestructura de datos, además de prácticas recomendadas para ayudar a las empresas a tomar decisiones basadas en los datos. En la práctica, implementar la inteligencia de negocios moderna implica contar con una vista integral de todos los datos de la organización. Además, consiste en usar estos datos para impulsar el cambio, eliminar las ineficiencias y adaptarse rápidamente a los cambios del mercado o la demanda.
Es importante tener en cuenta que esta es una definición muy moderna de la BI. Además, la BI tiene una historia muy breve como palabra de moda. Originalmente, la inteligencia de negocios tradicional surgió en la década de 1960 como un sistema para compartir información entre organizaciones. En la década de 1980 se desarrolló aún más junto con los modelos informáticos. Se utilizó para tomar decisiones y transformar datos en información antes de convertirse en un producto específico de los equipos de BI con soluciones de servicio basadas en TI (Tecnologías de la Información). En las soluciones de BI modernas, se priorizan factores como el análisis de autoservicio flexible, los datos gobernados en plataformas confiables, la capacitación de los usuarios corporativos y la rapidez para obtener información.

La inteligencia de negocios (IN o BI) suele asociarse a las tecnologías de la información, sin embargo la BI es un enfoque y una técnica realmente mucho más amplia. La tecnología es simplemente un aspecto de ésta. En general, todas las empresas e instituciones, y en sí todas las personas, utilizan algún tipo de inteligencia de negocios, sean conscientes o no de ello. En esta perspectiva, el presente programa, es una aportación al estudio superior universitario a nivel doctoral, sobre la Inteligencia de Negocios y la Toma de Decisiones. Su objetivo es el brindar el material necesario para la investigación a nivel doctoral como apoyo teórico/práctico al estudio de las materias de Inteligencia de Negocios, Toma de Decisiones y/o Sistemas de Toma de Decisiones en el área de negocios (business) o gestión empresarial (management), afianzando los conocimientos para la toma de decisiones.

Se enfoca en la investigación y puede ser adaptado a sus intereses específicos en el campo profesional.

El programa de estudio se gestiona íntegramente en-línea mediante e-learning en español y por ello los estudiantes admitidos podrán realizarlo desde su país de residencia. Los participantes deberán tener un conocimiento del inglés a nivel lectivo o su disposición a perfeccionarlo. Toda la instrucción, ejercicios y exámenes se impartirán en español. A cada estudiante se le asignará un asistente académico de enlace con el Academic Staff de la Facultad, que le asistirá en todo momento por correo electrónico.

Requisitos de graduación:
Ingenieros o licenciados egresados en ingeniería de Sistemas, Computación, Informática, Management o en áreas afines, que hayan obtenido un título de maestría en el área objeto de estudio o afín, será un plus que además del grado de licenciatura y maestría acrediten experiencia satisfactoria en el área objeto de estudio, a criterio de la Junta de Admisiones de la Universidad, están invitados a cursar este doctorado.

COMPOSICIÓN GENERAL DEL DOCTORADO
Total de créditos académicos requeridos: 54 créditos, más allá del máster. Compuesto por 36 créditos obligatorios a cursar en TAU más 18 créditos de las asignaturas electivas, tal como se explica a continuación.
• 36 créditos (4 cursos de 6 créditos c/u + 12 créditos metodología de investigación, proyecto y tesis) que deben ser cursados en TAU, mediante una de las dos siguientes maneras: Normal (un curso por bimestre); o Intensivo (un curso por mes) dependiendo todo de la Pre-calificación emitida por la junta de Admisiones de la Universidad.

El lapso mínimo para el trabajo de tesis no puede ser menor a seis meses.

Electivas: 18 créditos, o sea,  3 cursos de 6 créditos cada uno, los cuales pueden ser homologados o convalidados por estudios y/o experiencias previas, si están debidamente sustentados, de lo contrario deberán ser seleccionados y cursados de la lista que le suministrará la Universidad.
Los estudiantes pre-calificados para ingresar, deben cursar y aprobar solo  los cursos prescritos por la Universidad en el proceso de admisión, ya que en cada caso el PLAN DE ESTUDIO es ajustado por la facultad con base en un espectro amplio de los intereses de estudios y antecedentes de cada estudiante y solo pueden darse a conocer una vez pre-calificado.

Temas y Cursos:

Introducción al Doctorado
BI801 Tecnología de la Información y Comunicación
BI802 Toma de Decisiones
BI803 Sistemas de Soporte a la Toma de Decisiones
BI804 Teoría de Conjuntos y SQL
BI805 Técnicas y Modelos para la Toma de Decisiones
BI806 Técnicas y Modelos para la Toma de Decisiones
BI807 Herramientas para la Toma de Decisiones
BI808 Data Analytics (Análisis de Datos)
BI809 Data Science and Tools (Ciencia de Datos y Herramientas)
BI810 Inteligencia Artificial, Toma de Decisiones y Razonamiento Basado en Casos
999A Disertación Doctoral o Tesis

Otros Cursos y  Líneas de Investigación:
BI811 La Transformación  Digital
BI812 Inteligencia de Negocios en la Empresa del Siglo XXI
BI813 Analítica de Datos
BI814 Base de Datos e Inteligencia de Negocios
BI815 Administración de Proyectos de Inteligencia de Negocios
BI816 Modelos de Negocios Basados en Inteligencia de Negocios
BI817 El Papel de la Analítica en la Inteligencia de Negocios y la Previsión  Empresarial. Un Estudio Exploratorio.
BI818 Modelación de Riesgos
BI819 Fundamentos de Robótica
BI820 Minería de Datos
BI821 Inteligencia Artificial
BI822 Ingeniería de Datos
BI823 Big Data
BI824 Análisis de Datos
BI825 Usos de la Inteligencia de Negocios en la Empresa
BI826 Big Data y Sistemas NoSQL
BI827 Fundamentos de Inteligencia de Negocios (BI) y Big Data
BI828 Gestión de Proyectos de BI
BI829 Fundamentos de Big Data
BI830 Business Analytics: modelos y algoritmos
BI831 Reporting y Cuadros de Mando
BI832 Base de Datos para entornos analíticos

BI833 Advanced Program MicroMaster in IoT
BI834 Data Science for Executives

P806 Advanced Methodology of Applied Research

Complementary subjects adapted to the level of study: ... Neuroscience .....; Emotional Intelligence ....; Neuro-Linguistic Programming.

El trabajo académico del estudiante consiste en desarrollar cada Curso Avanzado Independiente de Investigación, basado en investigación bibliográfica, recursos online, directrices metodológicas del programa y demás recursos disponibles para la investigación. El examen final de cada curso consiste en redactar y aprobar el Informe Final de Investigación de 35 páginas sin contar páginas preliminares ni anexos, original y auténtico. El Informe de Investigación representa el resultado final del proceso de investigación de cada curso y debe estar estructurado y compuesto de conformidad con el formato que exige la Universidad.

La tesis,  se emprenderá previa aprobación de la propuesta por parte del Academic Staff de la Universidad, preferiblemente no mayor de 100 páginas sin contar páginas preliminares ni anexos, ni menor de 90 páginas, original y auténtico.

Uno de los trabajos de investigación aprobados, debe ser publicado como artículo científico o Research Paper en revistas científicas de cobertura mundial aceptada por TAU. La Universidad puede gestionar ayudas para estas publicaciones mediante convenios existentes.

Todas las presentaciones se harán vía Internet.

[ TITULACIONES Y CERTIFICACIONES ]

Nuestros alumnos recibirán su título y notas Apostillado por la Haya a los efectos legales oportunos.

" El trámite de apostilla certificará la autenticidad de la firma de los documentos públicos en un país firmante del Convenio de La Haya, de 5 de Octubre de 1.961, por el que se suprime la exigencia de legalización de los Documentos Públicos Extranjeros que deban surtir efectos en otro país firmante del mismo. Con todo esto el egresado de TAU,  consigue consolidar su Currículo, prestigio y profesionalidad a nivel internacional ".

Los estudiantes de países no adscritos a la Convención de la Haya, deben solicitar a la Universidad el procedimiento de legalización consular.

INVERSIÓN y forma de pago: hacer clic aquí.

Duración:  dos meses para cada curso y seis meses mínimo para el trabajo de Tesis Doctoral. Puede ser antes dependiendo de la dedicación al estudio.

Para mayor información sobre la metodología de estudio y requerimientos de admisión, visite https://tauniversity.org/programas/doctorados

Inscripciones, clic aquí.

Contacto, clic aquí.

 

OPCIONES DE ESPECIALIZACIÓN (MAJORS) para este doctorado pueden variar. A continuación, mencionamos algunas de las áreas de especialización que podemos ofrecer:

   Análisis de Datos y Big Data/ Data Analysis and Big Data:
       Enfocado en técnicas avanzadas para el análisis de grandes volúmenes de datos.
       Métodos estadísticos y algoritmos de machine learning.

   Gestión del Conocimiento/ Knowledge Management:
       Estrategias para capturar, gestionar y utilizar el conocimiento dentro de las organizaciones.
       Herramientas de gestión del conocimiento y sistemas de información.

   Ciencia de Datos Aplicada/ Applied Data Science:
       Aplicación de la ciencia de datos en diversos sectores como marketing, finanzas y operaciones.
       Desarrollo de modelos predictivos y prescriptivos.

   Sistemas de Información/ Information Systems:
       Diseño, implementación y gestión de sistemas de información.
       Seguridad de la información y arquitectura de TI.

   Inteligencia Artificial y Aprendizaje Automático/ Artificial Intelligence and Machine Learning:
       Desarrollo y aplicación de algoritmos de IA para la toma de decisiones empresariales.
       Implementación de sistemas de aprendizaje automático.

   Estrategia de Negocios y Análisis Competitivo/ Business Strategy and Competitive Analysis:
       Análisis del entorno competitivo y desarrollo de estrategias empresariales basadas en datos.
       Evaluación de mercados y tendencias.

   Minería de Datos y Textos/ Data and Text Mining:
       Técnicas de extracción de información útil de grandes conjuntos de datos y textos.
       Análisis de sentimientos y minería de opiniones.

   Gestión de Operaciones y Logística/ Operations and Logistics Management:
       Optimización de procesos operativos y logísticos utilizando análisis de datos.
       Modelos de simulación y optimización.

   Finanzas y Analítica Cuantitativa/ Finance and Quantitative Analytics:
       Aplicación de métodos cuantitativos y analíticos en las finanzas.
       Gestión de riesgos y análisis de inversiones.

   Marketing Analytics:
       Uso de análisis de datos para la toma de decisiones en marketing.
       Modelos de comportamiento del consumidor y análisis de campañas.

Management:
Combina habilidades de análisis de datos con la toma de decisiones estratégicas y operativas en el ámbito empresarial.