Diplomado en Data Science and Analytics Applied to Marketing VL
Modalidad de imparticiónLa metodología de impartición del Diplomado en Data Science and Analytics Applied to Marketing VL es Online.
Número de horasEl Diplomado se desarrolla a lo largo de 136 horas.
Titulación oficialConsultar al Instituto Tecnológico Autónomo de México para obtener más detalles.
Valoración del programaCon el Diplomado en Data Science and Analytics Applied to Marketing del Instituto Tecnológico Autónomo de México te iniciarás en la aplicación práctica, interpretación de los modelos y análisis de datos, de modo que se resolverán problemas integrales de aplicación de marketing, incluyendo el análisis de bases de datos de marketing.
Dirigido aEl Diplomado está diseñado para profesionales con más de tres años de experiencia en las áreas de marketing y planeación estratégica de compañías que dirijan sus productos o servicios tanto a consumidores finales (B2C) como a empresas (B2B). Los participantes deben poseer conocimientos básicos de estadística y de programación (en cualquier lenguaje), así como un manejo intermedio de Excel.
EmpleabilidadEl Diplomado forma las competencias requeridas para desempeñarse en organizaciones y empresas privadas y públicas o Consultoras, entre otras posibilidades.
Diplomado en Data Science and Analytics Applied to Marketing VL
ContenidoDiplomado en Data Science and Analytics Applied to Marketing.
Área: Mercadotecnia Y Ventas Horario: Viernes De 17:00 A 20:00 H. Y Sábado De 09:00 A 12:00 H. Módulos A Cursar: 6 Horas: 138 Notas: Las Sesiones Se Llevaran A Cabo Con El Uso De La Herramienta Zoom.
ACERCA DEL PROGRAMA.
El objetivo del programa es que los participantes conozcan las bases de la ciencia de datos y la analítica aplicada a las áreas de marketing. Los asistentes adquirirán conocimientos de programación y estadística para analizar, interpretar y visualizar datos en el contexto de las principales decisiones de mercadotecnia. Elaborarán modelos avanzados de datos aplicando las técnicas de aprendizaje automatizado, utilizarán plataformas de analítica de red y de gestión de relaciones con los clientes, activarán la visualización de datos con diferentes tecnologías y entenderán el potencial de la automatización de muchas de las actividades de mercadotecnia. Si bien se utilizarán varias herramientas tecnológicas, en el diplomado se pone el énfasis en la interpretación de los resultados y su aplicación a las estrategias de mercadotecnia. Al cubrir estos objetivos, los participantes sabrán responder a las necesidades actuales de eficacia en las estrategias de marketing, en un contexto de transformación digital de los consumidores.
¿A QUIÉN VA DIRIGIDO?
El diplomado está dirigido a profesionales con más de tres años de experiencia en las áreas de marketing y planeación estratégica de compañías que dirijan sus productos o servicios tanto a consumidores finales (B2C) como a empresas (B2B), y que quieran especializarse en la analítica de marketing y las técnicas de aprendizaje automatizado aplicadas a la mercadotecnia.
Los participantes deben poseer conocimientos básicos de estadística y de programación (en cualquier lenguaje), así como un manejo intermedio de Excel. El diplomado se orienta a la aplicación práctica y la interpretación de los modelos y el análisis de datos, de modo que se resolverán problemas integrales de aplicación de marketing, incluyendo el análisis de bases de datos reales de marketing.
PROCESO DE INSCRIPCIÓN PARA DIPLOMADOS.
Genera una cuenta de acceso.
Completa el formulario de registro en línea.
Adjunta documentos escaneados por ambos lados en formato PDF.
a) Identificación oficial (INE o pasaporte) o CURP
Realiza el pago mediante las formas que recibirás por correo electrónico (el monto por concepto de inscripción no es reembolsable).
Plan de Estudios.
Modulo 1.
EL ECOSISTEMA DE TECNOLOGÍA Y DATOS EN EL ENTORNO DE
MARKETING
Objetivo.
Los participantes conocerán el ecosistema de tecnología necesario para impulsar la demanda de los productos o servicios de la compañía, así como para gestionar las necesidades de los clientes de forma ágil y eficiente. Adquirirán una visión estratégica e integral de las oportunidades tecnológicas para la gestión de datos en un entorno de digitalización.
Temario.
1. La estrategia de marketing de la compañía
2. Función de la tecnología y los datos en el área de marketing
3. Tipo de datos: estructurados y no estructurados
4. Los elementos que conforman los recursos tecnológicos: nube, publicidad, clientes, administración
5. Evaluación y toma de decisiones sobre los recursos tecnológicos
6. Etapas de un proyecto de ciencia de datos. Metodología CRISP-DM
7. Casos de aplicación de la ciencia de datos y analítica en mercadotecnia
Modulo 2.
INTRODUCCIÓN A LA PROGRAMACIÓN EN R
Objetivo.
Los participantes se iniciarán en el lenguaje de programación de código abierto R, ideal e intuitivo para el análisis estratégico de datos y que también presenta ventajas importantes para la visualización de datos. Además, R está respaldado por una enorme y próspera comunidad de soporte que mantiene en desarrollo continuo el software.
Temario.
1. Conceptos básicos del lenguaje y el ambiente Rstudio
2. Tipos de datos y variables. Dataframes y tablas
3. Iteraciones y estructuras de control de flujo
4. Carga de datos, fuentes de datos externas
5. Selección y filtrado con dplyr
6. Unir y fundir en bases de datos
7. Captura, limpieza y análisis de datos de mercadotecnia
Modulo 3.
ESTADÍSTICA Y PROBABILIDAD COMPUTACIONAL PARA DECISIONES DE MERCADOTECNIA
Objetivo.
Los participantes adquirirán los conceptos estadísticos básicos necesarios para establecer un criterio estadístico aplicable a la toma de decisiones. Mediante el análisis de datos en R, reafirmarán sus conocimientos de estadística descriptiva e inferencia estadística con el fin de sentar las bases para la interpretación de los modelos analíticos avanzados que se estudiarán posteriormente.
Temario.
1. Medidas de centralidad y de dispersión
2. Funciones de distribución
3. Variables y procesos aleatorios
4. Manipulación en R para análisis estadístico
5. Regresión lineal. Conceptos básicos
6. Introducción a la estadística inferencial
7. Teorema de Bayes
8. Manejo de datos faltantes
9. Muestreo para análisis exploratorio
10.Presentación de resultados en R: Markdown, knitr, Shiny
11.Gráficos para generación y validación de hipótesis
Modulo 4.
INTELIGENCIA DE NEGOCIOS Y NARRATIVA DE DATOS APLICADOS A MERCADOTECNIA
Objetivo.
Los participantes adquirirán los conocimientos para evaluar y analizar la información
de diferentes fuentes de datos, con la cual gestionar los principales indicadores del
desempeño del marketing en la compañía.
Temario.
1. Riesgos y retos en la representación gráfica de información
2. Tipos de gráficas populares y cuándo es recomendable utilizarlas
3. Implantación de capas de datos para la gestión de datos en tiempo real
4. Tableros de mando en R
5. Tableros de mando en Tableau
6. Tableros de mando dinámicos y storytelling
Modula 5.
TÉCNICAS DE APRENDIZAJE AUTOMATIZADO APLICADO A
MERCADOTECNIA
Objetivo.
Los participantes realizarán análisis de datos mediante diferentes técnicas de aprendizaje automatizado, para elaborar modelos avanzados, desarrollar escenarios de predicción y calcular los escenarios de rentabilidad de estrategias alternativas de marketing.
Temario.
1. Regresión lineal y logística
2. Técnicas de regularización
3. Árboles de decisión
4. Bosques aleatorios
5. Embolsado
6. Máquinas de soporte vectorial
7. Redes neuronales artificiales
8. Modelos de agrupamiento y de asociación
9. Técnicas de reducción de dimensionalidad
10. Aplicación práctica de modelos supervisados
11. Aplicación práctica de modelos econométricos, pronósticos y escenarios de predicción
12. Análisis del rendimiento sobre la inversión en mercadotecnia
Modulo 6.
PLATAFORMAS DE MARKETING: WEB ANALYTICS Y CRM
Objetivo.
Los participantes aprenderán a echar a andar las principales plataformas de administración de datos que forman parte del ecosistema tecnológico de la compañía.
Temario.
1. Introducción a la analítica de red: Google Analytics
2. Gestión de datos. Convenciones para nombrar
3. Ejemplo de activación de Google Analytics en un sitio de internet y comercio electrónico
4. Elaboración de informes en Google Analytics
5. Elaboración de modelos de atribución en Google Analytics
6. Introducción a la gestión de las relaciones con los clientes. Comparación de plataformas
7. Ejemplo de activación de una plataforma de gestión de las relaciones con los clientes
8. Colocación y análisis de agrupamientos en la plataforma de gestión de las relaciones con los clientes