• Descripción

La analítica de clientes tiene aplicaciones en marketing, como instrumento de generación de valor en cuanto al diseño y mejora de productos y servicios, a su comercialización, a la mejora de la experiencia de los usuarios, etc. Estas aplicaciones van ligadas al que se denomina ciclo de vida de los clientes en las organizaciones, y que comprende su captación y vinculación, y si procede el análisis de su pérdida o el análisis de su valor a largo plazo.

Así, se trabajarán en la asignatura técnicas orientadas a la segmentación de clientes, a la creación de sistemas de recomendación automática mediante filtraje colaborativo, al cálculo del Customer Life Time Value de un cliente, y en el análisis de sentimientos en relación a productos o servicios. Se tendrán en cuenta por eso no tan solo las técnicas estadísticas y de programación, sino también los aspectos éticos, legales y de gobernanza de datos.

• La asignatura en el conjunto del plan de estudios

Esta es una asignatura optativa del tramo final del grado de Ciencia de Datos Aplicada. Forma parte del itinerario de optatividad de Aplicaciones, junto con las asignaturas siguientes: Aplicaciones para la toma de decisiones, Diseño de Productos de Datos, Minería de procesos.

• Campos profesionales en el que se proyecta

La analítica de clientes aporta valor en la optimización y toma de decisiones del marketing de servicios y productos, para múltiples sectores de actividad: administraciones públicas, turismo, sector bancario, comercio electrónico, etc.

• Conocimientos previos

Presupone tener conocimientos previos de programación y de estadística, que típicamente se habrán adquirido en asignaturas básicas u obligatorias del grado de Ciencia de Datos Aplicada.

• Información previa a la matrícula

Se utilizará Python como estándar en las actividades de la asignatura.

La asignatura consta de un repertorio de recursos docentes obligatorios, que incluye selecciones de lecturas y artículos para cada reto. Una parte de estas lecturas y artículos seleccionados son en lengua inglesa.

• Objetivos y competencias

La asignatura se propone los siguientes objetivos:

- Coger una perspectiva global del ciclo de vida del cliente, desde un punto de vista de negocio, y vincularla a una panorámica de las problemáticas técnicas, legales y éticas del tratamiento de datos asociado.

- Ser capaz de capturar, procesar y analizar datos de clientes.

- Conocer algoritmos y técnicas de análisis que generan valor para las organizaciones y para los clientes.

- Ser capaz de diseñar, seleccionar y aplicar algoritmos para el análisis de clientes.

- Crear aplicaciones de ciencia de datos que inciden positivamente en la experiencia de cliente.

- Integrar en el tratamiento técnico de los datos de los clientes los aspectos éticos y legales.

La asignatura contempla las competencias siguientes:

CB1: Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia del campo de estudio.

CB4: Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

CG2: Diseñar y gestionar proyectos profesionales y de investigación.

CG3: Buscar, gestionar y utilizar la información más adecuada por modelizar problemas concretos y aplicar adecuadamente procedimientos teóricos para resolverlos de manera autónoma y creativa.

CT1: Uso y aplicación de las TIC al ámbito académico y profesional.

CT3: Expresarse de manera escrita de manera adecuada al contexto académico y profesional.

CE1: Identificar, comprender y reconocer nuevas oportunidades de mejora en cualquier tipo de organización que pueden ser resueltas de forma eficiente y efectiva mediante la ciencia de los datos.

CE5: Utilizar de forma combinada los cimientos matemáticos, estadísticos y de

programación para desarrollar soluciones a problemas en el ámbito de la ciencia de los datos.

CE11: Resumir, interpretar, presentar y contrastar de manera crítica los resultados obtenidos

utilizando las herramientas de análisis y visualización más adecuadas.

CE12: Trabajar de forma colaborativa en equipos multidisciplinarios para el desarrollo de proyectos de un ámbito temático concreto (salud, educación, agricultura, industria 4.0, etc.).

CE13: Ejercer la actividad profesional de acuerdo con el código ético y los aspectos legales al marco de la privacidad y seguridad de los datos.

• Contenidos

Reto 1: Segmentación de clientes. Análisis multivariante

·         Business Intelligence y Data Science

·         Habilidades del Dat Scientist

·         Estadística básica.

·         Estadística: análisis de componentes principales, análisis de correspondencias simples, análisis de correspondencias múltiples.

·         Análisis multivariante aplicada a la segmentación de cliente

Reto 2: Segmentación de clientes. Análisis de conglomerados

·         Métricas y métodos de agregación

·         Clustering jerárquico

·         Clustering con kmeans

·         Clustering aplicado a la segmentación de clientes

Reto 3: Sistemas de recomendación, filtraje colaborativo y association rules

·         Ejemplo H2PAC de análisis estadístico aplicado a comercio electrónico

·         Machine learnig y association rules

·         Filtraje colaborativo

·         Aplicaciones en comercio electrónico: sistemas de recomendación automática

Reto 4: Customer Life Time Value de un cliente

·         Introducción al Customer Life Time Value

·         Machine learning aplicado al cálculo del Customer Life Time Value de un cliente

·         Ética y gobernanza de datos

Reto 5: Topic Modelling y Sentimiento Analysis

·         Ejemplo H2PAC de análisis estadístico aplicado a comercio electrónico

·         Minería de textos

·         Latente Dirichlet Alocation para Topic Modelling

• Consulta de los recursos de aprendizaje de la UOC para la asignatura

• Informaciones sobre la evaluación en la UOC

El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves.

Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente - incluidas las pruebas finales - o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular.

Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda.

La UOC se reserva la potestad de solicitar al estudiante que se identifique o que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación por los medios que establezca la universidad (síncronos o asíncronos). A estos efectos, la UOC puede exigir al estudiante el uso de un micrófono, una cámara u otras herramientas durante la evaluación y que este se asegure de que funcionan correctamente.

La verificación de los conocimientos para garantizar la autoría de la prueba no implicará en ningún caso una segunda evaluación.

• Consulta del modelo de evaluación