Denominación de la asignatura

 Big Data Marketing Analytics (Análisis de Datos Masivos)
Máster al que pertenece
Máster en Marketing Analytics
Créditos ECTS
3
Cuatrimestre en el que se imparte
 Segundo cuatrimestre
Carácter de la asignatura Obligatoria

Presentación

El objetivo principal de la asignatura es poder trasladar al alumno las distintas técnicas de machine learning que se deben de utilizar para sacar el mayor provecho a la información recogida en los sistemas big data. Poniendo siempre el foco en el valor que este tipo de técnicas tiene tanto para nuestros clientes, como para nuestro negocio.

De esta manera, seremos capaces de mejorar la experiencia del cliente recomendando el producto que mejor se adapta a él, impactando en el momento adecuado para evitar su descenso de actividad. Así tendremos un valor diferenciador contrapuesto a nuestra competencia y mejoraremos el beneficio de nuestra compañía.

Destacar que la asignatura estará enriquecida con distintos ejemplos y ejercicios que se realizarán gracias al software abierto de R-Studio. Con el objetivo de que el alumno no solamente conozca dichas técnicas, sino que también sea capaz de implementarlas, si así lo desea, en su día a día.

Para lograr dicho objetivo, nuestra asignatura estará repartida en cuatro bloques.

Un primer bloque busca trasladar al alumno el cambio que ha supuesto el big data respecto a los sistemas tradicionales de información. En este punto se detallará los distintos sistemas computacionales existentes en este universo, haciendo hincapié en las fortalezas de cada uno de ellos y en la diferencia existente entre ambos.

El segundo bloque engloba técnicas usadas ya en los sistemas tradicionales, pero que se siguen utilizando gracias al gran avance de las nuevas tecnologías. El objetivo es hacer ver al alumno como el big data es un avance de los sistemas tradicionales, así como detallarle todas las técnicas que se llevan a cabo en ambos mundos (el data warehouse tradicional y el big data actual). La visión será complementaria a la vista en las asignaturas Mass Marketing Analytics y Statistics for Data Analysis, ya que se explicarán al alumno desde el mismo punto de vista gracias a las distintas librerías de R-Studio.

Un tercer bloque en el que se detallarán dos técnicas llevadas a cabo en el mundo del Marketing con el objetivo de presentar al cliente una experiencia única e individualizada.

Por último, la asignatura desarrollará los proyectos más novedosos que se están llevando a cabo en los departamentos de Marketing gracias a la ayuda de herramientas de big data, como son los sistemas cognitivos, el análisis de redes o la compra programática entre otros.

Contenidos

Tema 1. El gran valor del big data
¿Cómo estudiar este tema?
¿Qué es el big data?
Diferencias entre el big data y el BI tradicional
La capacidad de analizar distintas tipologías de información (información estructurada y no estructurada)
Estructura de una plataforma de big data

Tema 2. Nuevos sistemas computacionales en el universo big data
¿Cómo estudiar este tema?
Conceptos y objetivos
Hadoop
Spark
Mongo DB
Big Query
El papel del machine learning en el universo big data

Tema 3. Algoritmos de machine learning básicos
¿Cómo estudiar este tema?
¿Qué es el machine learning?
Tipologías de algoritmos de machine learning
Algoritmos de asociación
Modelos lineales generalizados
Árboles de decisión
Caso práctico

Tema 4. Algoritmos de machine learning complejos
¿Cómo estudiar este tema? Conceptos básicos
Análisis de componentes principales
K-Medias
Redes de Kohonen
Deep learning
Caso práctico

Tema 5. La personalización de la oferta gracias al big data
¿Cómo estudiar este tema?
El papel del big data en la experiencia única e individualizada del cliente
Customer life time value: valor y rentabilidad de los clientes
Sistemas Next Best Activity – La oferta personalizada
Caso práctico

Tema 6. Sistemas de recomendación
¿Cómo estudiar este tema?
Sistemas de recomendación
Tipos de sistemas de recomendación
Caso de éxito de los sistemas de recomendación
Biblioteca de R para la realización de un sistema de recomendación
Caso práctico

Tema 7. El futuro y presente del marketing a través del big data
¿Cómo estudiar este tema?
La innovación siempre presente en el departamento de marketing
Compra programática
Sistemas cognitivos
Análisis de redes
Caso práctico

Metodología

Las actividades formativas de la asignatura se han elaborado con el objetivo de adaptar el proceso de aprendizaje a las diferentes capacidades, necesidades e intereses de los alumnos.

Las actividades formativas de esta asignatura son las siguientes:

  • Trabajos. Se trata de actividades de diferentes tipos: reflexión, análisis de casos, prácticas, etc.
  • Participación en eventos. Son eventos programados todas las semanas del cuatrimestre: sesiones presenciales virtuales, foros de debate, test.

En la programación semanal puedes consultar cuáles son las actividades concretas que tienes que realizar en esta asignatura.

 

Estas actividades formativas prácticas se completan, por supuesto, con estas otras:

  • Estudio personal.
  • Tutorías. Las tutorías se pueden articular a través de diversas herramientas y medios. Durante el desarrollo de la asignatura, el profesor programa tutorías en días concretos para la resolución de dudas de índole estrictamente académica a través de las denominadas “sesiones de consultas”. Como complemento de estas sesiones se dispone también del foro “Pregúntale al profesor de la asignatura”, a través del cual se articulan algunas preguntas de alumnos y las correspondientes respuestas y en el que se tratan aspectos generales de la asignatura. Por la propia naturaleza de los medios de comunicación empleados, no existen horarios a los que deba ajustarse el alumno.

Las horas de dedicación a cada actividad se detallan en la siguiente tabla:

ACTIVIDADES FORMATIVAS HORAS
Sesiones presenciales virtuales         8  
Estudio personal de material básico          20  
Lectura de material complementario          3  
Talleres prácticos         13  
Casos prácticos         20  
Tutorías         10  
Total
         75  

 


Puedes personalizar tu plan de trabajo seleccionando aquel tipo de actividad formativa que se ajuste mejor a tu perfil. El profesor-tutor te ayudará y aconsejará en el proceso de elaboración de tu plan de trabajo. Y siempre estará disponible para orientarte durante el curso.

Bibliografía

Bibliografía complementaria.

Cukier, K. y Mayer-Schönberger, V. (2016). Big Data: La revolución de los Datos Masivos. Madrid: Turner Publicaciones.

Joyanes-Aguilar, L. (2013). Big data, análisis de grandes volúmenes de datos en organizaciones. Barcelona: Marcombo Ediciones.

Pérez Marqués, M. (2016). Big data: Técnicas, herramientas y aplicaciones. San Fernando de Henares: RC Libros.

Valls, J. F. (2017). Big data: atrapando al consumidor. Barcelona: Profit Editorial.

Evaluación y calificación

El sistema de calificación se basa en la siguiente escala numérica:

0 - 4, 9

Suspenso

(SS)

5,0 - 6,9

Aprobado

(AP)

7,0 - 8,9

Notable

(NT)

9,0 - 10

Sobresaliente

(SB)

La evaluación continua supone el 100% de la calificación final y se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo durante la asignatura.

SISTEMA DE EVALUACIÓN

PONDERACIÓN

Participación (sesiones, foros, tutorías)

40%

Realización de trabajos, proyectos, casos

60%

 

Profesorado

Jose Manuel Correa Torres

Formación académica: Programa Ejecutivo en Big Data & Business Analytics - Escuela Organización Industrial (EOI) Curso Web Marketing Analytics - ESIC Business & Marketing School Licenciatura en Ciencias y Técnicas Estadísticas Universidad Complutense de Madrid (Premio Extraordinario Fin de Carrera) Diplomatura en Ciencias y Técnicas Estadísticas - Universidad Carlos III de Madrid.
Experiencia: Durante siete años ejerce su profesión en el programa líder de fidelización en España (Travel Club), encargado de realizar segmentaciones avanzadas de clientes gracias a su comportamiento offline y online, al uso de la tarjeta realizado por cada uno de los Socios y enriqueciendo dichas segmentaciones con variables externas. Además, encargado de realizar distintos reporting que ayudarán a realizar un seguimiento de los distintos KPI’s de la compañía. Actualmente desempeña su carrera profesional en el departamento actuarial de Mapfre España, realizando modelos de riesgo, con el fin de mantener la solvencia de cada uno de los ramos y una tarifa competitiva.

Orientaciones para el estudio

Obviamente, al tratarse de formación on-line puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de actividades, trabajos y exámenes. Nosotros, para ayudarte, te proponemos los siguientes pasos:

  1. Desde el Campus virtual podrás acceder al aula virtual de cada asignatura en la que estés matriculado y, además, al aula virtual de Lo que necesitas saber antes de empezar. Aquí podrás consultar la documentación disponible sobre cómo se utilizan las herramientas del aula virtual y sobre cómo se organiza una asignatura en la UNIR y también podrás organizar tu plan de trabajo personal con tu profesor-tutor.
  2. Observa la programación semanal. Allí te indicamos qué parte del temario debes trabajar cada semana.
  3. Ya sabes qué trabajo tienes que hacer durante la semana. Accede ahora a la sección Temas del aula virtual. Allí encontrarás el material teórico y práctico del tema correspondiente a esa semana.
  4. Comienza con la lectura de las Ideas clave del tema, constituyen el contenido del tema y el material básico de estudio. Lee siempre el primer apartado, Presentación, porque allí te especificamos qué material tienes que estudiar. Consulta, además, las secciones del tema que contienen material complementario (Lo + recomendado, + Información).
  5. Dedica tiempo al trabajo práctico (sección Actividades y Test). En la programación semanal te detallamos cuáles son las actividades correspondientes a cada semana y qué calificación máxima puedes obtener con cada una de ellas.
  6. Te recomendamos que participes en los eventos del curso (sesiones presenciales virtuales, foros de debate…). Para conocer la fecha concreta de celebración de los eventos debes consultar las herramientas de comunicación del aula vitual. Tu profesor y tu profesor-tutor te informarán de las novedades de la asignatura.
En el aula virtual de Lo que necesitas saber antes de empezar encontrarás siempre disponible la documentación donde te explicamos cómo se estructuran los temas y qué podrás encontrar en cada una de sus secciones: Ideas clave, Lo + recomendado, + Información, Actividades y Test.

Recuerda que en el aula virtual de Lo que necesitas saber antes de empezar puedes consultar el funcionamiento de las distintas herramientas del aula virtual: Correo, Foro, Sesiones presenciales virtuales, Envío de actividades, etc.

Ten en cuenta estos consejos…

  • Sea cual sea tu plan de estudio, accede periódicamente al aula virtual, ya que de esta forma estarás al día de las novedades del curso y en contacto con tu profesor y con tu profesor-tutor.
  • Recuerda que no estás solo: consulta todas tus dudas con tu profesor-tutor utilizando el correo electrónico. Si asistes a las sesiones presenciales virtuales también podrás preguntar al profesor sobre el contenido del tema. Además, siempre puedes consultar tus dudas sobre el temario en los foros que encontrarás en cada asignatura (Pregúntale al profesor).
  • ¡Participa! Siempre que te sea posible accede a los foros de debate y asiste a las sesiones presenciales virtuales. El intercambio de opiniones, materiales e ideas nos enriquece a todos.
  • Y ¡recuerda!, estás estudiando con metodología on-line: tu esfuerzo y constancia son imprescindibles para conseguir buenos resultados. ¡No dejes todo para el último día!