Curso de Análisis de Datos para la Minería en Chile: Power BI, SQL y Python para faena

Respuesta corta: el curso de Análisis de Datos de ProgramBI, con enfoque en minería, es una formación de 60 horas por nivel (20 h de SQL Server, 20 h de Power BI y 20 h de Python), en vivo por Zoom, que enseña Power BI, SQL Server y Python aplicados a la operación minera: reportes de turno automatizados, consultas a las bases de la mina, indicadores de tonelaje, disponibilidad y costo por tonelada, y análisis de datos de sensores, con apoyo de IA generativa. El nivel básico-intermedio cuesta $338.000 CLP y la ficha muestra cupos abiertos con fecha por confirmar.

Incluye grabaciones de por vida en el campus, certificado al completar y proyectos con datos reales. En Chile las clases son de 19:30 a 21:30, los lunes y miércoles o los martes y jueves, un horario que permite conectarse después del turno de día. Datos revisados en la ficha el 4 de noviembre de 2026.

El problema de los datos en faena

Quien trabaja en una minera o en una empresa contratista conoce la escena: el reporte de turno llega en Excel, el de mantención en otro formato, el de combustible en un CSV distinto, y alguien en la oficina de la faena pasa horas consolidando todo para la reunión de las ocho de la mañana. Los datos existen —sensores, despachos, partes diarios, sistemas de mantención—, pero no conversan entre sí.

El curso apunta exactamente a eso. La ficha lo describe como un programa para optimizar procesos y decisiones en minería, y su nivel básico-intermedio se enfoca en automatizar la captura de datos de turnos, consolidar información de distintas áreas y visualizar leyes de mineral y eficiencia. Está pensado como especialización técnica para profesionales mineros e industriales.

Tres herramientas, una sola cadena del dato

Contenidos con enfoque minero

1. Power BI · Dashboards de operación (básico). Flujo de datos en minería e instalaciones; importación de reportes de turnos desde Excel, CSV y APIs; limpieza de datos de maquinaria y cálculo de disponibilidad; gráficos de tonelaje, seguridad y KPIs de horas hombre; consultas en lenguaje natural con IA.

2. SQL Server · Consultas a bases de la mina (básico). SELECT, filtrado de sensores con TOP y funciones de turno; WHERE para aislar equipos o incidentes; INNER JOIN para cruzar personal con equipos operados; identificación de fallos y limpieza de nulos; queries asistidas por IA para reportes de mantenimiento.

3. Python · Automatización y análisis tabular (básico). Control de flujo para alertas de presión y temperatura; clasificación de flotas y recursos con diccionarios; carga de históricos de perforación o transporte con Pandas; selección y limpieza de columnas en procesos masivos; scripts con IA para formatear logs de sensores.

4. Power BI · DAX y relaciones de área (intermedio). Mapas geolocalizados de faena y matrices operativas; DAX para ley promedio, costo por tonelada y eficiencia; CALCULATE, SWITCH y LOOKUPVALUE; seguridad por roles (RLS) segmentada por jefatura de turno; IA para estructurar medidas de eficiencia general de equipos.

5. SQL Server · Agrupaciones y consolidados (intermedio). Auditoría de inventario versus extracción con FULL JOIN; consolidados por mes, área y tipo de material con GROUP BY; cruce de combustible, flota, personal y tonelaje; vistas de control operativo; preparación de datasets para machine learning.

6. Python · DataFrames y gráficos exploratorios (intermedio). Evaluación de neumáticos y consumo eléctrico con Pandas; series de tiempo de vibración; gráficos de tendencia para molinos y maquinaria pesada; correlación entre clima y eficiencia operativa; validación automática de datos de sensores con IA.

Cómo se ve en la práctica

El reporte de turno que se arma solo. En vez de copiar y pegar el parte de cada turno, Power BI importa los archivos desde una carpeta, los limpia con las mismas reglas cada vez y actualiza el tablero de tonelaje y disponibilidad para la reunión de la mañana.

La pregunta del jefe de mantención. "¿Qué equipos tuvieron más detenciones este mes y quién los operaba?" Con un INNER JOIN entre la tabla de eventos y la de personal, la respuesta sale en una consulta en vez de una tarde con filtros.

Inventario contra extracción. Un FULL JOIN entre lo que se extrajo y lo que se registró en inventario deja a la vista las diferencias por período y por material, para que el área de control las revise.

El sensor que avisa. Un script de Python recorre el log diario de presión y temperatura, marca los valores fuera del rango que defina el área de mantención y deja un resumen listo, sin abrir el archivo a mano.

Un vistazo al DAX del módulo 4

Costo por Tonelada =
DIVIDE ( SUM ( Costos[Monto] ), SUM ( Produccion[Toneladas] ) )

Con CALCULATE y relaciones bien armadas, esa misma medida se puede filtrar por faena, por turno o por tipo de material sin escribir una fórmula nueva para cada caso. Y con RLS, cada jefatura de turno ve solo los datos de su área.

¿Para quién es?

La ficha lo dirige a profesionales mineros e industriales. En la práctica, encaja con ingenieros y analistas de operaciones, planificación, mantención y control de gestión; con supervisores que preparan reportes de turno; y con personal de empresas contratistas que debe entregar indicadores a la minera. El nivel básico-intermedio es ideal para quienes inician en estas tres herramientas.

Un nivel avanzado para después

La misma ficha presenta un nivel avanzado orientado a dominar el ciclo completo del dato, desde la automatización de flotas hasta el mantenimiento predictivo. Si ya manejas lo básico de las tres herramientas, conviene consultar por WhatsApp su fecha, su precio y su contenido detallado.

Rutas relacionadas

• Si quieres profundizar solo en visualización, revisa el curso de Power BI y la guía para aprender Power BI en Chile.
• Si tu foco son las bases de datos, el curso de SQL Server.
• Si quieres ir hacia modelos predictivos, el curso de Machine Learning.

Errores comunes al llevar datos de faena a Power BI

• Cargar cada reporte de turno a mano. Si los archivos tienen la misma estructura, se importan desde una carpeta y se actualizan solos.
• Mezclar unidades. Toneladas húmedas y secas, horas reloj y horas motor: hay que definirlas antes de calcular indicadores.
• Calcular disponibilidad con datos sucios. Los registros nulos o duplicados de maquinaria distorsionan el indicador; por eso la limpieza va antes que el gráfico.
• Mostrarle todo a todos. RLS existe para que cada jefatura vea su área.
• Confiar ciegamente en la IA. Las consultas y scripts asistidos por IA se revisan antes de usarlos en un reporte oficial.

Datos del curso

• Niveles: dos niveles de 60 horas cada uno (20 h SQL Server, 20 h Power BI, 20 h Python).
• Modalidad: en vivo por Zoom; grabaciones de por vida.
• Fecha: cupos abiertos, consulta la próxima cohorte.
• Horario: 19:30 a 21:30, hora de Chile; lunes y miércoles o martes y jueves.
• Certificado: al completar.
• Instructor: Manuel Oliva, Magíster en Data Science (UAI). Según la ficha, ha liderado capacitaciones en AngloAmerican, CAP, Deloitte y SQM.
• Precio: $338.000 CLP. Puedes pagar en 3 cuotas sin interés.