Analítica de clients Codi:  22.427    :  6
Consulta de les dades generals   Descripció   L'assignatura en el conjunt del pla d'estudis   Camps professionals en què es projecta   Coneixements previs   Informació prèvia a la matrícula   Objectius i competències   Continguts   Consulta dels recursos d'aprenentatge de la UOC per a l'assignatura   Informació addicional sobre els recursos d'aprenentatge i eines de suport   Informacions sobre l'avaluació a la UOC   Consulta del model d'avaluació  
Aquest és el pla docent de l'assignatura per al primer semestre del curs 2023-2024. Podeu consultar si l'assignatura s'ofereix aquest semestre a l'espai del campus Més UOC / La universitat / Plans d'estudis). Un cop comenci la docència, heu de consultar-lo a l'aula. El pla docent pot estar subjecte a canvis.

L'analítica de clients té aplicacions a màrqueting, com a instrument de generació de valor pel que fa al disseny i millora de productes i serveis, a la seva comercialització, a la millora de l'experiència dels usuaris, etc. Aquestes aplicacions van lligades al que s'anomena cicle de vida dels clients en les organitzacions, i que comprèn la seva captació i vinculació, i si escau l'anàlisi de la seva pèrdua o l'anàlisi del seu valor a llarg termini.

Així, es treballaran a l’assignatura tècniques orientades a la segmentació de clients, a la creació de sistemes de recomanació automàtica mitjançant filtratge col·laboratiu, al càlcul del Customer Life Time Value d’un client, i a l’anàlisi de sentiments en relació a productes o serveis. Es tindran en compte per això no tan sols las tècniques estadístiques i de programació, sinó també els aspectes ètics, legals i de governança de dades.

Amunt

Aquesta és una assignatura optativa del tram final del grau de Ciència de Dades Aplicada. Forma part de l'itinerari d'optativitat d'Aplicacions, juntament amb les assignatures següents: Aplicacions per a la presa de decisions, Disseny de Productes de Dades, Mineria de processos.

Amunt

L’analítica de clients aporta valor en l’optimització i presa de decisions del màrqueting de serveis i productes, per a múltiples sectors d’activitat: administracions públiques, turisme, sector bancari, comerç electrònic, etc.

Amunt

Pressuposa tenir coneixements previs de programació i d'estadística, que típicament s'hauran adquirit en assignatures bàsiques o obligatòries del grau de Ciència de Dades Aplicada.

Amunt

S’utilitzarà Python com a estàndard en les activitats de l’assignatura.

L’assignatura consta d’un repertori de recursos docents obligatoris, que inclou seleccions de lectures i articles per a cada repte. Una part d’aquestes lectures i articles seleccionats són en llengua anglesa.

Amunt

L'assignatura es proposa els següents objectius:

- Copsar una perspectiva global del cicle de vida del client, des d'un punt de vista de negoci, i vincular-la a una panoràmica de les problemàtiques tècniques, legals i ètiques del tractament de dades associat.

- Ser capaç de capturar, processar i analitzar dades de clients.

- Conèixer algorismes i tècniques d'anàlisi que generen valor per a les organitzacions i per als clients.

- Ser capaç de dissenyar, seleccionar i aplicar algorismes per a l'anàlisi de clients.

- Crear aplicacions de ciència de dades que incideixen positivament en l'experiència de client.

- Integrar en el tractament tècnic de les dades dels clients els aspectes ètics i legals.


L’assignatura contempla les competències següents:

CB1: Que els estudiants hagin demostrat posseir i comprendre coneixements en una àrea d’estudi que parteix de la base de l’educació secundària general, i se sol trobar a un nivell que, si bé es recolza en llibres de text avançats, inclou també alguns aspectes que impliquen coneixements procedents de l'avantguarda del camp d'estudi.

 

CB4: Que els estudiants puguin transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.
 
CG2: Dissenyar i gestionar projectes professionals i de recerca.
 
CG3: Buscar, gestionar i utilitzar la informació més adequada per modelitzar problemes concrets i aplicar adequadament procediments teòrics per a resoldre'ls de manera autònoma i creativa.
 
CT1: Ús i aplicació de les TIC a l'àmbit acadèmic i professional.

 

CT3: Expressar-se de manera escrita de manera adequada al context acadèmic i professional.

 

CE1: Identificar, comprendre i reconèixer noves oportunitats de millora en qualsevol tipus d’organització que poden ser resoltes de forma eficient i efectiva mitjançant la ciència de les dades.
 
CE5: Utilitzar de forma combinada els fonaments matemàtics, estadístics i de
programació per desenvolupar solucions a problemes en làmbit de la ciència de les dades.
 
CE11: Resumir, interpretar, presentar i contrastar de manera crítica els resultats obtinguts
utilitzant les eines danàlisi i visualització més adequades.
 
CE12: Treballar de forma col·laborativa en equips multidisciplinaris per al desenvolupament de projectes d’un àmbit temàtic concret (salut, educació, agricultura, indústria 4.0, etc.).
 

CE13: Exercir l'activitat professional d'acord amb el codi ètic i els aspectes legals al marc de la privadesa i seguretat de les dades.

Amunt

Repte 1: Segmentació de clients. Anàlisi multivariant

·         Business Intelligence i Data Science

·         Habilitats del Data Scientist

·         Estadística bàsica.

·         Estadística: anàlisi de components principals, anàlisi de correspondències simples, anàlisi de correspondències múltiples.

·         Anàlisi multivariant aplicada a la segmentació de client

 

 

Repte 2: Segmentació de clients. Anàlisi de conglomerats

·         Mètriques i mètodes d’agregació

·         Clustering jeràrquic

·         Clustering amb kmeans

·         Clustering aplicat a la segmentació de clients

 

Repte 3: Sistemes de recomanació, filtratge col·laboratiu i association rules

·         Exemple H2PAC d’anàlisi estadística aplicat a comerç electrònic

·         Machine learnig i association rules

·         Filtratge col·laboratiu

·         Aplicacions en comerç electrònic: sistemes de recomanació automàtica

Repte 4: Customer Life Time Value d’un client

·         Introducció al Customer Life Time Value

·         Machine learning aplicat al càlcul del Customer Life Time Value d’un client

·         Ètica i governança de dades

 

Repte 5: Topic Modelling i Sentiment Analysis

·         Exemple H2PAC d’anàlisi estadística aplicat a comerç electrònic

·         Mineria de textos

·         Latent Dirichlet Alocation per a Topic Modelling

·         Topic Modellin i Sentiment Analysis aplicats a màrqueting

Amunt

Estadística: prendre decisions a partir de dades Audiovisual
Fitxes d'estadística Web
H2PAC PDF
Usant machine learning en big data XML
Espai de recursos de ciència de dades Web
Mètrica Audiovisual

Amunt

Els recursos de lectura obligatòria de l’assignatura inclouen materials teorico-pràctics, selecció de lectures i publicacions web.

Així mateix s’inclouen recursos necessaris per a la realització de les activitat, per a la seva consulta, en funció de les activitats de cada repte i del perfil de l’estudiant: enllaços de consulta sobre temes ètics i legals, enllaços de consulta sobre llenguatge Python, enllaços de consulta sobre estadística.

Amunt

El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis realitzats.

La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; l'intent fraudulent d'obtenir un resultat acadèmic millor; la col·laboració, l'encobriment o l'afavoriment de la còpia, o la utilització de material, programari o dispositius no autoritzats durant l'avaluació, entre altres, són conductes irregulars en l'avaluació que poden tenir conseqüències acadèmiques i disciplinàries greus.

Aquestes conductes irregulars poden comportar el suspens (D/0) en les activitats avaluables que es defineixin en el pla docent -incloses les proves finals- o en la qualificació final de l'assignatura, sigui perquè s'han utilitzat materials, programari o dispositius no autoritzats durant les proves, com ara xarxes socials o cercadors d'informació a internet, perquè s'han copiat fragments de text d'una font externa (internet, apunts, llibres, articles, treballs o proves d'altres estudiants, etc.) sense la citació corresponent, o perquè s'ha dut a terme qualsevol altra conducta irregular.

Així mateix, i d'acord amb la normativa acadèmica, les conductes irregulars en l'avaluació també poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui, de conformitat amb l'establert a la normativa de convivència de la UOC.

En el marc del procés d'avaluació, la UOC es reserva la potestat de:

  • Sol·licitar a l'estudiant que acrediti la seva identitat segons l'establert a la normativa acadèmica.
  • Sol·licitar a l'estudiant que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació, tant avaluació contínua com avaluació final, per mitjà d'una prova oral o els mitjans síncrons o asíncrons que estableixi la Universitat. Aquests mitjans tindran per objecte verificar els coneixements i les competències que garanteixin l'autoria; en cap cas no implicaran una segona avaluació. Si no és possible garantir l'autoria de l'estudiant, la prova serà qualificada amb D, en el cas de l'avaluació contínua, o amb un Suspens, en el cas de l'avaluació final.
    A aquests efectes, la UOC pot exigir a l'estudiant l'ús d'un micròfon, una càmera o altres eines durant l'avaluació; és responsabilitat de l'estudiant assegurar que aquests dispositius funcionen correctament.

Amunt

L'assignatura només es pot aprovar amb el seguiment i la superació de l'avaluació contínua (AC). La qualificació final de l'assignatura és la nota obtinguda a l'AC.

 

Amunt