Objetivo: Comprender los fundamentos de Business Intelligence y Data Analytics para el monitoreo y control de indicadores operativos en minería.

• Fundamentos de Business Intelligence.
• Fundamentos de Data Analytics.
• Análisis estadístico descriptivo.
• Generación de dashboards.
• Control de proyectos.
• Control de costos.
• Control de productividad.
• Control físico de producción.

Objetivo: Aplicar herramientas financieras para evaluar la viabilidad económica de proyectos mineros.

• Introducción a proyectos mineros y civiles.
• Conceptos financieros aplicados.
• Herramientas financieras para evaluación de proyectos.
• Elaboración de flujo de caja.
• Criterios de evaluación financiera.
• Casos prácticos.

Objetivo: Aplicar herramientas de analítica de datos y Business Intelligence para el control y optimización de costos y productividad en operaciones mineras.

• Costos y Aplicaciones en Minería

  
  

• Conceptos y aplicaciones
• Estructura de un precio unitario
• Aplicación en mina
• Análisis de precios unitarios
• Funciones de suma condicional (Sumar.Si.Conjunto)

• Costos indirectos

  • 
    

Programación y Planeamiento Minero

• Cronograma de proyecto
• Calendario de proyecto
• Excepciones en el cronograma
• Holgura y ruta crítica

• Estructura de desglose de trabajo (EDT)

  • 
    

Control y Valorización de Proyectos Mineros

• Cronograma valorizado
• Valor ganado y curva S
• Control de proyectos
• Valorización y corte de costos
• Medición de costos a detalle
• Reestructuración del cronograma valorizado

• Valor ganado, valor programado y costo real

  • 
    

Procesamiento de Información Minera

• Definiciones importantes
• Importación de datos

• Procesamiento de información

  • 
    

Presupuestos, Planeamiento y Personal en Minería

• Propuestas económicas y presupuestos de actividades mineras
• Actividades programadas del planeamiento minero
• Cronograma en costos, presupuestos, costos unitarios y partidas
• Base de datos en Access de información de personal
• Análisis de confiabilidad del planeamiento minero
• Información de personal
• Tablas de información de personal
• Tablas dinámicas de producción de mineral
• Análisis de avance gradual minero
• Caso de producción y costos
• Producción y costos
• Plan y control de actividades mineras por el supervisor
• Descuentos en la valorización de servicios mineros

• Costos de mano de obra y equipos mineros

  • 
    

Automatización de Procesos Mineros con Macros y VBA

• Ejecución de macros
• Desarrollo de macros
• Aplicación en Visual Basic
• Generación de formularios
• Ingreso de datos manuales bajo macros

• Aplicación de macros

  • 
    

Integración de Datos Mineros y Reportes Gerenciales

• Importar datos de Excel a Access
• Acumulados para reportes gerenciales
• Exportar desde Access a Excel

• Consulta de datos

  • 
    

Análisis y Visualización de Producción Minera en Excel

• Dashboards gerenciales
• Funciones condicionales y búsqueda (Sumar.Si.Conjunto, BuscarV)
• Tablas dinámicas de producción
• Gráficos dinámicos (Parte 1 y Parte 2)
• Escalas de tiempo y segmentación de datos

• Conexiones de filtros e informes

  • 
    

 Técnicas Avanzadas de Análisis Minero

• Análisis de avance gradual
• Análisis con velocímetro

• Vectores para análisis de datos

  • 
    

Producción y Control de Actividades Mineras

• Evaluación de rendimientos
• Análisis de producción por supervisor
• Formato del área del gráfico
• Control de formulario
• Plan para propuesta económica
• Control de ejecución de actividades
• Porcentaje de avance
• Gráfico de control
• Barras de error

• Gantt de proyecto ejecutado

  • 
    

Business Intelligence Aplicado a Minería (Power BI)

• Elementos del Power BI
• Conjunto de datos, informes y paneles
• Puntos importantes
• Descarga del ejecutable BI
• Creación de tablas para Power BI
• Importación de datos BI
• Columnas calculadas BI
• Datos totales BI
• Visualización de datos BI
• Segmentación de datos BI
• Columna calculada de costo de acarreo
• Ratio de acarreo
• Selección de celdas visibles
• Agregar objetos visuales
• Administración de relaciones de datos
• Relaciones entre tablas

• Configuración de opciones adicionales

  • 
    

Arquitectura BI y Analítica Minera

• Depuración de valores
• Resúmenes en tablas
• Tablas matriz de datos y detalles
• Filtros y actividades
• Producción por supervisor
• Business Analytics
• Arquitectura BI
• Power Query
• Gráficos de barras apiladas
• Datos y detalles
• Importar datos desde la web
• Depuración de datos y detalles
• Formatos para visualizaciones
• Tarjetas múltiples y edición de interacciones
• Botones para macros

Objetivo: Gestionar cronogramas de proyectos mediante técnicas avanzadas de planificación, seguimiento y control.

• Temario
• Configuración inicial del proyecto.
• Calendarios.
• EDT / WBS.
• Actividades.
• Relaciones.
• Duraciones.
• Recursos.
• Asignación de recursos.
• Histogramas.
• Línea base.
• Curvas S.
• Seguimiento.
• Data Date.
• Performance %.
• Reportabilidad.
• Impresión de cronogramas.
• Reprogramación por mayores metrados.
• Reprogramación por menores metrados.
• Reprogramación por adicionales.
• Reprogramación por reducción de alcance.
• Reprogramación por retrasos.
• Reprogramaciones integrales.
• As Built. 

Objetivo: Gestionar información geoespacial mediante bases de datos espaciales aplicadas a proyectos y operaciones mineras.

• Fundamentos de Información Geoespacial.
• Teoría de bases de datos.
• Bases de datos espaciales.
• PostgreSQL.
• SQL.
• Definición de datos.
• Control de datos.
• Manipulación de datos.
• PostGIS.
• Análisis vectorial.
• Análisis raster.
• Rutas espaciales.
• GIS.
• ArcGIS.
• Administración de bases espaciales.
• GeoServer y PostGIS.

Objetivo: Diseñar dashboards e indicadores para la gestión y monitoreo de operaciones mineras mediante Power BI.

• Introducción a Power BI en minería.
• Importación de datos mineros.
• Transformación de datos mineros.
• Power Query.
• Modelado de datos.
• DAX.
• KPIs.
• Dashboards.
• Visualización de datos.
• Reportes.

Objetivo: Aplicar técnicas de ciencia de datos y Machine Learning para analizar, modelar y optimizar procesos mineros.

• Introducción a Python.
• Ecosistema Python en minería.
• Jupyter Notebook.
• Pandas.
• Power BI + Python.
• Limpieza de datos.
• Manipulación de datos.
• KPIs.
• Visualización de datos.
• Regresión lineal.
• Random Forest.
• Clasificación.
• Predicción de fallas.
• Predicción de costos.
• Detección de anomalías.
• K-Means.
• Forecasting.
• Integración Power BI + Python.
• Storytelling con datos.
• Proyecto integrador.

Objetivo: Desarrollar competencias para aplicar técnicas de Machine Learning en el análisis de datos mineros, permitiendo construir modelos predictivos, identificar patrones y apoyar la toma de decisiones.

• Fundamentos del Machine Learning Aplicado a la Minería
• Preparación y Análisis de Datos para Machine Learning en Minería
• Modelos Predictivos de Regresión Aplicados a la Minería
• Modelos Predictivos de Clasificación Aplicados a la Minería
• Validación, Optimización e Interpretabilidad de Modelos
• Modelos No Supervisados para la Identificación de Patrones en Minería
• Fundamentos y Aplicaciones del Deep Learning en Minería

Objetivo: Aplicar herramientas de Inteligencia Artificial Generativa para automatizar procesos, mejorar la productividad y fortalecer la toma de decisiones.

• Introducción a la Inteligencia Artificial.
• ChatGPT.
• Prompt Engineering.
• Diseño de prompts.
• Optimización de prompts.
• Gemini.
• Claude.
• Microsoft Copilot.
• Creación de asistentes virtuales.
• Make.
• Elaboración de informes.
• Elaboración de reportes.
• Gestión documental.

• César Mendoza. Ingeniero Geólogo egresado de la Universidad Nacional de Ingeniería. Magister Scientiarium en Aprovechamiento Sostenible en Recursos Minerales de la Universidad Politécnica de Madrid y Magister Scientiarium en Minería y Medio Ambiente en la Universidad Nacional de Ingeniería del Perú. Con mas de 20 años de experiencia laboral en exploración y explotación de recursos minerales, especialista en gestión de base de datos además de soporte informático aplicado a la minería en unidades mineras en Perú, Chile, Ecuador, Bolivia y México..
• Anibal Vivanco. Ingeniero de Minas con Amplia experiencia en gestión minera y tecnológica. Su experiencia se centra en la metodología de investigación científica cuantitativa, aplicada al desarrollo de soluciones innovadoras en Data Science y Business Analytics.
• Ha liderado proyectos exitosos en diversas organizaciones, optimizando la toma de decisiones y mejorando la eficiencia operativa mediante el uso de inteligencia artificial, análisis de datos y sistemas de información.
• Eduardo Gutiérrez. Ingeniero Geólogo, Catastral y Geodesta, con énfasis en Geomática y Especialista en Sistemas de Información Geográfica . Cuenta con amplia experiencia en el campo de la Geomática, Economía, Docencia e Investigación. Participante en proyectos de análisis espacial avanzado, geoservicios, bases de datos espaciales, investigación, formulación y gestión de proyectos GIS aplicados al estudio de dinámicas urbanas y del territorio mediante software especializado tanto open source como privado.
• Erick Batista. MBA por la Universidad Latina de Costa Rica, con especialización en gestión financiera y administración de bases de datos. Formación complementaria en ingeniería de software, contabilidad, marketing y publicidad. Cuenta con más de 20 años de experiencia en Centroamérica, liderando proyectos en gestión empresarial y tecnológica. Especialista en la aplicación de herramientas de inteligencia artificial y en el manejo avanzado de bases de datos para optimizar procesos, apoyar la toma de decisiones y fortalecer la gestión profesional en entornos corporativos y académicos