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 |
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.
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
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:
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:
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 |
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.
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% |
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.
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:
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…
|