Temario del curso

Formación técnica

• Introducción

  Conceptos básicos, marco competitivo actual y tendencias futuras.

• Power BI

  Instalación, presentación del entorno, elaboración de aplicaciones básicas.

• Introducción a R

  Instalación de R y Rstudio. Presentación del entorno. Conceptos básicos de trabajo: importación de vistas y librerías.

• Tidyverse

  Presentación de la librería. Utilización de dplyr con ejemplos de programación.

• Ggplot 2

  Introducción a la gramática de gráficos. Ejemplos de programación de las principales opciones. Presentación del material de consulta en Internet.

• Power BI con Ggplot2 sobre R

  Programación desde Power BI con Ggplot2 sobre R.

• Anaconda

  Instalación. Presentación del entorno y carga de librerías. Presentación de Jupyter bajo Python y R. Ejemplos básicos de exploración de datos con ggplot y pandas-profiling. Ejemplos básicos de Python. Ejercicios tutorizados.

• Knime

  Instalación. Presentación del entorno y carga de librerías. Tratamiento de flujo de datos. Ejemplos básicos de flujo. Ejercicios de programación tutorizados.

Formación específica

• Business Analytics
  • Casos prácticos.
  • Análisis de abandono de clientes.
  • Análisis de adquisición de clientes.
  • Web scraping.
  • Customer Analytics.
  • Marketing Analítico.
  • Analítica financiera.
  • Análisis de campañas de márketing.
  • Análisis de comercio electrónico.
  • Cuadro de mando para campañas de marketing.
  • Análisis de acciones offline ROPO.
  • Analítica digital avanzada.
  • Introducción a la experiencia de Usuario.
  • Análisis de diseño y UX.
  • Análisis y Cuadro de mando para experiencia de usuario.
  • Analítica competitiva.
  • Análisis de contenidos.
  • Email, SMS, postal marketing.
  • Web & mobile analytics.
  • Programas de fidelización.
  • Retail marketing.
  • Big Data y Business Intelligence.
• Data Analytics for Business
  Datos y análisis en el mundo real

  • Aprender a pensar en problemas analíticos.
  • Examinar el proceso por el cual los datos permiten el análisis y la toma de decisiones.
  • Presentar la cadena de valor de acción de información que describe la ruta de los eventos en el mundo a la acción empresarial.
  • Explicar el ciclo de vida de la información desde eventos en el mundo real hasta acciones empresariales.
  • Pensar en problemas analíticos en el contexto empresarial.
  • Reconocer las características del análisis empresarial.
  • Explicar cómo los sistemas capturan los datos y los almacenan.
  • Obtener familiaridad con las bases de datos relacionales usando el lenguaje SQL.

  Herramientas analíticas

  • Conocer tecnologías que permiten el trabajo analítico, incluida la base de datos relacional.
  • Conocer el panorama de algunas de las clases de herramientas más comunes.
  • Aprender cómo estas herramientas admiten tareas analíticas comunes: MySql, PowerBI, Excel.

  Extracción de datos mediante SQL

  • Aprender a extraer datos de una base de datos relacional mediante lenguaje de consulta estructurado o SQL.
  • Cubrir los comandos SQL básicos.
  • Aprender a combinar y apilar datos de diferentes tablas.
  • Aprender cómo ampliar el poder de nuestras consultas mediante operadores.
  • Manejar mayor de complejidad mediante sub-consultas.

  Fundamentos de Business Intelligence

  • Big Data vs Business Intelligence.
  • Cómo desarrollar un buen proyecto de Big Data.
  • Implantación de proyecto.
  • Proceso de ETL.
  • Tratamiento de los datos.
  • Análisis clave y creación de algoritmos.
  • Creación de dashboards.
• Modelado predictivo y análisis
  Análisis de datos exploratorios y visualizaciones

  • Llevar a cabo análisis de datos exploratorios para obtener información y preparar datos para el modelado predictivo.
  • Metodologías de proyectos de minería de datos.
  • Resumir y visualizar conjuntos de datos utilizando las herramientas adecuadas.
  • Identificar técnicas de modelado para la predicción de resultados continuos y discretos.
  • Explorar los conjuntos de datos con Excel.
  • Explicar y realizar varios pasos comunes de pre-procesamiento de datos.
  • Elegir los gráficos adecuados para explorar y mostrar cada conjunto de datos.

  Predicción de una variable continua

  • Introducir las técnicas de regresión para predecir el valor de las variables continuas.
  • Tratar conceptos fundamentales del modelado predictivo, incluida la validación cruzada, la selección de modelos y el sobreajuste.
  • Aprender a construir modelos predictivos utilizando la herramienta de software Power-BI con R. (librería Rattle) y con Anaconda (aplicación Orange).

  Predicción de un resultado binario

  • Presenta modelos de regresión logística para predecir el valor de las variables binarias en problemas de clasificación.
  • Comprender conceptos importantes relacionados con la clasificación, incluida la validación cruzada y la matriz de confusión, la clasificación sensible a los costos y las curvas ROC.
  • Aprender a construir modelos de clasificación utilizando la herramienta de software Power-BI con R. (librería Rattle) y con Anaconda (aplicación Orange).

  Los árboles de decisión predictivos

  • Presentar otros modelos predictivos como los árboles para predecir variables continuas o binarias.
  • Aprender a construir árboles utilizando la herramienta de software Power-BI con R.
• Business analysis para la toma de decisiones
  Exploración y reducción de datos - Análisis de clústeres

  • Qué es el análisis de clústeres.
  • Reducción de datos y aprendizaje no supervisado.
  • Preparación de datos y medición de diferencias.
  • Clustering jerárquico, DB-SCAN y k-Means.
  • Análisis de clústeres con Excel y Power-BI.

  Cómo tratar con la incertidumbre y el análisis del riesgo

  • Análisis de riesgos y simulación de Monte Carlo.
  • Adición de incertidumbre a un modelo de hoja de cálculo.
  • Definición de variables de salida y análisis de los resultados.
  • Uso de datos históricos para modelar la incertidumbre.
  • Modelos con variables no determinadas correlacionadas.
  • Creación e interpretación de gráficos.
  • Uso de valores medios frente a simulación.

  Identificación de las mejores opciones — Optimización

  • Desarrollar un modelo de hoja de cálculo para un problema de optimización.
  • Utilizar Excel para resolver los modelos de optimización.
  • Interpretar soluciones y realizar análisis de qué pasaría si...
  • Análisis de hipótesis y el Informe de Sensibilidad.
  • Evaluar escenarios y visualizar resultados para obtener información práctica.
  • Aplicación de marketing digital de optimización.

  Análisis de decisiones

  • Dada una situación empresarial, aplicar una técnica adecuada para identificar las mejores alternativas de solución.
  • Formular y resolver modelos para problemas de negocio que requieran decisiones sí/no y restricciones lógicas.
  • Crear modelos que mezclen técnicas y herramientas como simulación y optimización.
  • Analizar e interpretar los resultados para tomar decisiones informadas.
  • Problemas comerciales con decisiones sí/no.
  • Formulación y solución de problemas de optimización binaria.
  • Optimización metaheurística.
  • Restricciones de probabilidad y valor en riesgo.
  • Optimización de la simulación.
• Comunicar los resultados de Business Analytics
  Introducción a la comunicación

  • Revisar la cadena de valor de la acción de la información vista en el módulo 1.
  • Ver cómo se aplican las técnicas analíticas en los problemas de negocio.
  • Comprender algunos problemas de negocio "clásicos".
  • Comprender los problemas empresariales "emergentes" que han resultado de avances más recientes en tecnología.

  Prácticas recomendadas en visualización de datos

  • Aprender a comunicar datos sobre una variedad de visualizaciones.
  • Presentación de la información cuantitativa.
  • Examinar un conjunto de ejemplos de visualizaciones de datos y aprender qué los hace eficaces o ineficaces.
  • Examinar os gráficos de Excel y por qué se debe evitar la mayoría de ellos.
  • Entender mejor las características de una buena visualización de datos evitando errores comunes al crear sus propios gráficos.

  Interpretar, contar y vender

  • Discutir las formas en que malinterpretamos o tergiversamos los datos y cómo evitarlos, como confundir la correlación con la causalidad, permitir que los sesgos cognitivos influyan en la forma en que vemos los datos y visualizar los datos de maneras engañosas.
  • Aprender cómo la experimentación puede ayudarnos a obtener más datos, incluidos los compromisos que podamos necesitar hacer en la medición.
  • Discutir cómo comunicar nuestros resultados y recomendaciones, con un enfoque en conocer a nuestra audiencia, contar historias convincentes y crear materiales de comunicación claros y eficaces.
• Actuar sobre datos
  • Aprender de casos prácticos desarrollados sobre Power-BI.
  • Análisis de abandono de clientes.
  • Análisis de adquisición de clientes.
  • Web scraping.
  • Concepto.
  • Aplicaciones.
  • Funcionamiento.
  • Herramientas.
  • Aplicaciones.
  • Customer Analytics.
  • Estrategia customer centric.
  • Segmentación de clientes.
  • Gestión del valor del cliente.
  • Ejercicios de segmentación.
  • Casos Prácticos del Customer Analytics.
  • Marketing Analítico.
  • Analítica financiera.
  • Análisis de campañas de márketing.
  • Análisis de comercio electrónico.
  • Cuadro de mando para campañas de marketing.
  • Análisis de acciones offline ROPO.
  • Analítica digital avanzada.
  • Introducción a la experiencia de usuario.
  • Análisis de diseño y UX.
  • Análisis y Cuadro de mando para experiencia de usuario.
  • Analítica competitiva.
  • Análisis de contenidos.
  • Email, SMS, postal marketing.
  • Web & mobile analytics.
  • Programas de fidelización.
  • Retail marketing.
  • Big Data y Business Intelligence.
• Presentación oral del alumno
  Tutorización y correcciones en un ciclo de mejora continua

  • Las segundas presentaciones salen mejor que las primeras.

  Técnicas de defensa

  • Exposición sencilla de la teoría.
  • Explicar por ejemplos.
  • Técnicas de leit-motiv.

  Técnica de manejo de las objeciones

  • Definición de conceptos.
  • Contraste de hipótesis.

  Técnicas de elaboración de presentaciones

  • Síntesis de mensajes: storytelling.
  • Técnica de exposición, nudo y desenlace.
  • Técnica de problema, solución, resultado.
  • Técnicas comparativas: contraste pasado y presente.