CONTENIDO

• Clase 1: ¿Qué se puede hacer con los datos? Panorama de herramientas y capacidades (2h)
  • Qué es Data Analytics, Machine Learning, Data Science e Inteligencia Artificial: diferencias prácticas y cuándo usar cada enfoque en auditoría.
  • Cómo usar IA generativa como asistente de programación: escribir, entender y corregir código con ayuda de herramientas como Claude o Copilot.
  • Configuración del entorno de trabajo: VS Code, Python y Jupyter Notebook.
  • Primeros pasos en Python: variables, tipos de datos y estructuras básicas aplicadas a datos de auditoría.
  • El cuaderno de trabajo del analista: cómo usar Jupyter Notebook para documentar y reproducir análisis.

  Clase 2: Trabajar con tablas de datos: importar, explorar y filtrar información (2h)

  • Introducción a Pandas: la herramienta para manipular tablas de datos en Python (equivalente a Excel, pero sin límites de filas).
  • Cargar datos desde Excel, CSV o sistemas contables y hacer una primera inspección: tamaño, columnas, tipos de campo.
  • Filtrar, ordenar y seleccionar registros: el equivalente programado de los filtros y búsquedas de Excel, aplicado a bases de transacciones o registros contables.

  Clase 3: Calidad de datos: identificar y corregir problemas antes de analizar (2h)

  • Detección de registros duplicados y valores faltantes: cómo identificarlos y decidir qué hacer con ellos (caso de uso: pagos duplicados, RUTs inválidos, fechas ausentes).
  • Transformación y estandarización de campos: unificar formatos, corregir inconsistencias y preparar datos para el análisis.
  • Cruces entre tablas: cómo unir bases de datos por campos clave, equivalente al VLOOKUP pero sobre millones de filas (caso de uso: cruzar nómina con registros de acceso, o facturas con órdenes de compra).
  • Limpieza de campos de texto: estandarizar nombres, códigos y categorías que vienen inconsistentes desde los sistemas.

   

  Clase 4: Visualizar para comunicar: gráficos que apoyan hallazgos de auditoría (2h)

  • Introducción a Plotly: gráficos interactivos que permiten explorar los datos y compartir resultados con claridad.
  • Gráficos de uso frecuente en auditoría: barras para comparar categorías, líneas para ver tendencias temporales, dispersión para identificar relaciones entre variables.
  • Cómo construir un gráfico que cuente una historia: títulos, etiquetas y diseño orientados a comunicar hallazgos a equipos directivos.
  • Visualización de distribuciones y valores atípicos: histogramas y boxplots aplicados a la detección de transacciones fuera de rango.

  Clase 5: Detectar patrones, concentraciones y anomalías en datos de negocio (2h)

  • Estadísticos descriptivos aplicados a auditoría: media, mediana, desviación estándar como punto de partida para identificar lo que es «normal» y lo que se sale del rango.
  • Agrupación y concentración: cuánto se gasta por proveedor, por centro de costo, por región. Aplicación del principio de Pareto como criterio de priorización en auditoría.
  • Tablas dinámicas en Python: agrupar, resumir y comparar datos en múltiples dimensiones simultáneamente (equivalente avanzado al groupby de Excel).
  • Detección de valores atípicos (outliers): métodos para identificar transacciones inusuales por monto, frecuencia o comportamiento, como base para hallazgos de auditoría.

  Clase 6: Proyecto Final (2h)

•  Clases Online.
• Material de Apoyo.
• Certificado emitido por el IAI Chile en formato digital.

Hernán Alejandro Silva Pérez

Ingeniero Civil Industrial y Magíster en Estadística por la Pontificia Universidad Católica de Chile, con más de 15 años combinando docencia en matemática y estadística con trabajo aplicado en análisis y ciencia de datos.

Ha desarrollado su carrera en la intersección entre auditoría y datos: fue parte del equipo de transformación digital de Auditoría Interna de la ACHS, donde lideró iniciativas de ciencia de datos, modelos de detección de anomalías y auditoría continua. Actualmente se desempeña como Ingeniero de Auditoría Continua en Arcoprime, donde diseña modelos de priorización basados en riesgo e integra datos desde múltiples fuentes para automatizar flujos de análisis.

 Su formación de posgrado refleja una actualización permanente con diplomados en Data Science e IA en la Universidad del Desarrollo, la PUC y la PUCV. Desde 2023 es relator de análisis de datos para el Instituto de Auditores Internos de Chile.

• 6 Sesiones de 2 horas.
• 12 Horas CPE

Requerimientos:

• Notebook o Equipo Personal que permita la libre instalación de aplicaciones.
• Acceso a Internet.
• Generar encuesta de postulación (antes de inscribirse)
• Porcentaje de asistencia 75%