MINERIA DE DATOS EN BUSINESS INTELLIGENCE PARA LA TOMA DE DECISIONES

MÓDULO 1. LA MINERIA DE DATOS

3 HORAS

** La minería de datos (Data Mining) se ha convertido en una herramienta clave para las empresas que quieren aprovechar mejor la información que generan. Por ello, es importante conocer cuáles son sus fundamentos y cómo puede implantarse para descubrir patrones, tendencias y relaciones ocultas en los datos.

1.1. Conceptos básicos, técnicas y sistemas.

1.2. Implantación en la empresa.

MÓDULO 2. FASE DE SELECCIÓN EN MINERIA DE DATOS

5 HORAS

** La selección de los datos adecuados es una de las fases más importantes de cualquier proyecto de Data Mining. Identificar qué datos son relevantes para el análisis, cómo integrarlos y adaptarlos, así como aplicar las principales metodologías de trabajo (KDD, SEMMA CRISP-DM) nos ayudará a saber utilizarlas según nuestras necesidades.

2.1. La metodología KDD.

2.2. La metodología SEMMA.

2.3. La metodología CRISP-DM.

2.4. Comparación entre las metodologías KDD, SEMMA y CRISP-DM.

2.5. La integración y adaptación de los datos.

2.6. La selección de los datos.

2.7. Selección en CRISP-DM.

MÓDULO 3. FASE DE EXPLORACIÓN EN MINERIA DE DATOS

3 HORAS

** Es importante comprender cómo realizar una primera aproximación analítica a los datos antes de aplicar técnicas más avanzadas. Por ello, debemos explorar la información disponible, detectar primeras relaciones, identificar posibles errores, observar tendencias iniciales y valorar la calidad de los datos.

3.1. SEMMA: explorar.

3.2. KDD: preprocesamiento.

3.3. CRISP-DM: explorar datos.

MÓDULO 4. FASE DE LIMPIEZA Y TRANSFORMACIÓN DE DATOS

4 HORAS

** Limpiar, depurar, corregir y transformar los datos antes de iniciar el análisis nos permitirá prepararlos para que puedan ser analizados correctamente. La calidad de los resultados dependerá, en gran medida, de la calidad de los datos utilizados.

4.1. SEMMA: modificar.

4.2. KDD: limpieza.

4.3. CRISP-DM: preparación de datos.

MÓDULO 5. FASE DE ANÁLISIS DE DATOS

4 HORAS

** Es la fase en la que los datos comienzan a convertirse en información útil para la empresa. Aprender a aplicar técnicas de análisis y evaluación de datos, interpretar resultados y revisar el proceso seguido nos permitirá valorar si los resultados obtenidos son útiles, fiables y aplicables a los objetivos del negocio.

5.1. SEMMA: evaluar.

5.2. KDD: evaluación e interpretación.

5.3. CRISP-DM: evaluación.

5.4. La etapa de revisión del proceso.

MÓDULO 6. TÉCNICAS DE APLICACIÓN

5 HORAS

** El Data Mining en una disciplina fundamental para transformar la información en conocimiento útil. Mediante la aplicación de diferentes técnicas (redes neuronales, algoritmos matemáticos, árboles de decisión y técnicas de visualización), es posible identificar patrones, tendencias y relaciones ocultas que aportan valor a los procesos empresariales y permiten anticipar comportamientos futuros. Aprender a valorar qué técnica puede resultar más adecuada según el tipo de problema, los datos disponibles y las necesidades del negocio nos permitirá optimizar nuestra toma de decisiones.

6.1. Redes neuronales de modelización predictiva.

6.2. Algoritmos matemáticos.

6.3. Árboles de decisión.

6.4. Técnicas de visualización de datos.

6.5. Elección de la técnica.

6.6. Explotación de datos según las necesidades de las diferentes áreas del negocio.

6.7. Ventajas.

MÓDULO 7. TÉCNICAS PREDICTIVAS DE MODELIZACIÓN

4 HORAS

** El uso de técnicas predictivas permite anticipar comportamientos y apoyar la toma de decisiones. Conocer qué es el análisis predictivo, qué técnicas pueden aplicarse y cómo utilizar modelos predictivos nos permitirá detectar tendencias futuras, prever comportamientos de clientes, estimar resultados y mejorar la planificación empresarial.

7.1. Introducción al análisis predictivo.

7.2. Técnicas aplicables al análisis predictivo.

7.3. Aplicación de las técnicas de modelización predictivas.

MÓDULO 8. TÉCNICAS DESCRIPTIVAS Y PREDICTIVAS DE CLASIFICACIÓN

3 HORAS

** Clasificar datos, clientes, comportamientos o situaciones mediante técnicas descriptivas y predictivas nos permitirá agrupar información, identificar perfiles, establecer categorías y utilizar la clasificación como herramienta de análisis empresarial, especialmente en temas de marketing, ventas, CRM, gestión comercial y análisis de clientes.

8.1. Introducción al análisis descriptivo.

8.2. Técnicas de análisis descriptivo de clasificación.

8.3. Técnicas de análisis predictivo de clasificación.

MÓDULO 9. TÉCNICAS DE EVALUACIÓN

3 HORAS

9.1. Introducción a las técnicas de evaluación.

9.2. Las técnicas de evaluación.

9.3. Difusión y uso.

MÓDULO 10. TÉCNICAS

4 HORAS

** Aplicar la minería de datos a la gestión de clientes y a la mejora de las acciones comerciales nos permitirá, a través de la segmentación, la clasificación de clientes y la fidelización, aprender a estructurar la información disponible para detectar oportunidades comerciales, personalizar acciones y mejorar la relación con los clientes.

10.1. Segmentación.

10.2. Clasificación y segmentación de clientes.

10.3. Ofertas.

10.4. Fidelizar clientes.

10.5. Operaciones básicas para descubrir la información oculta.

10.6. Estructurar la información.

MÓDULO 11. CAMPAÑAS Y OFERTAS JUST IN TIME

2 HORAS

11.1. Herramientas de fidelización.

11.2. Entornos transaccionales.

11.3. Acciones promocionales puntuales.

11.4. Utilidad del conocimiento.

11.5. Reportes estándares, simulaciones ad hoc y procesamiento de la información. LOPD.