Contenido del programa
Qué dominarás, sesión por sesión.
Objetivo de aprendizajeDiseñar la estrategia de datos de crédito institucional: qué datos usar, cómo integrarlos, cómo medir su calidad y cómo convertirlos en variables útiles para modelos y decisiones: sin violar ética, privacidad ni regulación. Dominar datos alternativos, open banking y feature engineering.
Sesiones
- S1Fuentes y arquitectura de datos
- Buró, core, transaccional, alternativo y open banking; arquitectura y linaje (data lineage).
- Batch vs. real-time; el data layer que alimenta decisiones.
- S2Calidad y gobierno de datos
- Completitud, consistencia y los sesgos de muestreo y supervivencia.
- Data governance y privacidad (LFPDPPP / GDPR).
- S3Datos alternativos y open banking
- Fuentes alternativas (telco, e-commerce, psicométricos): casos de uso y límites.
- Open banking como fuente de ingreso y comportamiento.
- S4Feature engineering para crédito
- De dato crudo a variable predictiva; feature stores.
- Fugas de información (data leakage) y cómo evitarlas.
- S5Ética, privacidad y regulación de datos
- Sesgo algorítmico, explicabilidad y fair lending.
- Marcos regulatorios y expectativas del supervisor.
5
Sesiones en vivo
12.5 h
Horas totales
19 Nov
Inicio · 2026
USD $1,800 + TAX
Inversión
Para quién es este curso
- Líderes de crédito, riesgo y analytics que construyen la base de datos y decisión.
- Responsables de datos (CDO), model risk y TI que dan soporte a crédito.
- Fintechs y financieras que compiten con datos alternativos y open banking.
- Auditores internos y reguladores que evalúan el gobierno de datos.
Por qué importa
Ningún modelo supera a sus datos. El diferenciador competitivo del crédito moderno ya no es el algoritmo — es el data & feature layer. Aquí se decide quién juega ajedrez y quién corre en Fórmula 1.
