Al finalizar el curso, el participante será capaz de diseñar un flujo integral de análisis y gestión de datos financieros —de punta a punta— desde la preparación y limpieza de la información hasta la construcción de métricas de riesgo de crédito, dashboards ejecutivos y modelos predictivos básicos, entendiendo cómo estos procesos se convierten en la base operativa para iniciativas de Artificial Intelligence, Quantum-Ready Finance y Credit Risk Management.
- Obtener, limpiar, validar y preparar datos financieros con trazabilidad y criterios auditables, alineados a Basilea III.
- Automatizar la obtención y transformación de datos con Power Query y lenguaje M, apoyándose en Copilot.
- Construir un modelo de datos en Excel y Power Pivot que relacione clientes, créditos, pagos, atrasos y segmentos.
- Calcular y segmentar métricas de riesgo de crédito —PD, LGD, EAD, NPL y pérdida esperada (ECL)— por producto, score, vintage, geografía y comportamiento.
- Aplicar feature engineering a crédito y preparar datasets AI-ready listos para modelación predictiva.
- Diseñar tableros ejecutivos en Power BI para monitorear deterioro, concentración y desempeño de portafolio, con narrativa para comités.
- Introducir modelación predictiva básica con Python in Excel, interpretando resultados y reconociendo sesgos, overfitting y límites del modelo.
- Formular un roadmap institucional de datos para AI governance y quantum readiness aplicado a riesgo de crédito.