Plan de Estudios

MÓDULO 1 | INTRODUCCIÓN. POR QUÉ MODELAR, IMPACTO EN EL TRABAJO COMERCIAL.

› Introducción a temas de transformación digital. Por qué cambia el proceso comercial.

› Qué es big data. Qué son data mining y data science. Cómo aprovechar información existente en las organizaciones.  

› Principales desafíos de la época de los datos.

› Impacto de la digitalización en la actividad comercial.

 

MÓDULO 2 | MODELOS LINEALES Y PROYECCIONES. COMPARACIÓN DE PREDICCIONES.

› Qué es un modelo. Qué es un modelo predictivo.

› Por qué NO usar promedios.

› Modelos lineales.

› Proyecciones usando modelos lineales. Interpretación de un modelo lineal.

› Problemas en el armado de un modelo y su evaluación.

› Ventajas de usar un modelo predictivo en la tarea comercial.

 

MÓDULO 3 | MODELOS PREDICTIVOS. ÁRBOLES, FORESTAS, METODOLOGÍA DE TRABAJO

› Árboles de decisión y toma de decisiones. Evaluación de árboles.

› Ejemplo de armado de un modelo predictivo: árboles de decisión.

› Cómo construir un árbol. Algoritmos automáticos para la construcción de árboles.

› Qué es churn. Por qué y para quién es un problema.

› Análisis de churn y problemas relacionados.

› De churn a problemas de decisión.

› Generalización: de árboles a forestas. Modelos múltiples.

› Más allá de clasificar: predecir valores y rangos.

 

MÓDULO 4 | MÉTRICAS. LO QUE MEDIMOS NOS DEFINE

› ¿Qué medir? Métricas, KPIs.

› ¿Para qué medir? Lean analytics.

› Métricas pirata de McClure.

› ¿Qué métricas usar?.

› Correlación y causalidad. Problemas que surgen en la práctica al analizar métricas.

MÓDULO 5 | SEGMENTACIÓN: CADA COSA EN SU LUGAR

› Segmentación: cambios en la forma de ver a los clientes. De factores demográficos a comportamiento.  

› Ejemplos de segmentación automática. Uso de un algoritmo: k-means.

› Relación entre segmentación y clasificación. Por qué se habla de modelos “no supervisados”.

› Analizando otros cortes (y cohortes).

 

MÓDULO 6 | PERSONALIZACIÓN: UMA THURMAN VS. JOHN TRAVOLTA

› ¿Quiero predecir o influir? De modelos predictivos a personalización. Caso Netflix.

› Sistemas de recomendación (cómo recomendar algo a un cliente sobre la base de elecciones anteriores).  

› Cómo mejorar el cross selling (usando reglas de asociación).

› Long-tail y otros modelos de negocio facilitados por la digitalización.

 

MÓDULO 7 | APLICACIONES

› Discusión sobre pricing dinámico

› Predecir vs influir.

› Análisis de datos “de punta a punta”: estudio de caso.

 

MÓDULO 8 | APRENDIZAJE AUTOMÁTICO E INTELIGENCIA ARTIFICIAL

› Inteligencia artificial: qué es más allá de la moda.

› Aprovechando las plataformas de aprendizaje automático en el proceso comercial.

› Del CRM a las recomendaciones automáticas. Uso de reconocimiento facial y otras técnicas.

Estrategia de uso de datos.


La UTDT se reserva el derecho de modificar los módulos, sus contenidos y los profesores, garantizando la calidad de los mismos.