Plan de estudios y docentes de la Maestría en Investigación de Mercado y Data Mining.
CASOS DE ESTUDIO – 12 hs.
Furio Camillo
El objetivo de este curso es introducir a los alumnos en el campo de aplicación de las técnicas de data mining orientadas a la investigación de mercado, en base a la interacción de áreas del conocimiento tales como la estadística, la inteligencia artificial (machine learning) y bases de datos, entre otras.
MÉTODOS ESTADÍSTICOS I y II – 48 hs.
Giuliano Galimberti y Christian Haedo
El objetivo es preparar al estudiante en el uso de técnicas estadísticas como instrumentos de soporte de las decisiones empresariales. Se presentarán los fundamentos metodológicos y las implicancias aplicativas e interpretativas de algunas de las metodologías estadísticas más utilizadas para el análisis cuantitativo de datos, con particular énfasis en la implementación de tales metodologías para construir la base propedéutica para el sucesivo desarrollo aplicativo de las técnicas estadísticas standard en contextos aplicativos de data mining e investigación de mercado.
-
Análisis exploratorio de datos: representaciones gráficas, indicadores de posición, variabilidad y forma de una distribución estadística;
-
El modelo de regresión lineal simple y múltiple: significado de los parámetros, estimación de los coeficientes con el método de los mínimos cuadrados, test de bondad de ajuste del modelo, aspectos inferenciales;
-
El modelo de regresión logística simple y múltiple: odds ratio, trasformación logística, significado de los parámetros, estimación de los coeficientes con el método de la máxima verosimilitud, test de bondad de ajuste del modelo, aspectos inferenciales. Uso del modelo de regresión logística para la construcción de una regla de clasificación;
-
Introducción a los modelos lineales generalizados;
-
La elección del modelo de regresión (lineal o logística): técnicas de selección automática de los regresores, criterios paramétricos y no paramétricos para la comparación de modelos;
-
Técnicas no paramétricas para la regresión y la clasificación: los métodos de partición recursiva. Los algoritmos CART y CHAID;
-
Introducción al análisis discriminante y al análisis de clusters.
CURSO SAS – 16 hs.
SAS Institute Argentina S.A.
El objetivo del curso es introducir a los participantes en las herramientas estadísticas SAS Analytics, Enterprise Guide y Enterprise Miner (herramienta SAS para proyectos de Data Mining) aportándoles los conocimientos conceptuales imprescindibles y la experiencia práctica para poder utilizarlas exitosamente.
Los objetivos generales del curso se refieren a:
-
Lectura de ficheros de datos planos y de conjuntos de datos SAS;
-
Lógica de programación;
-
Sumarización de datos mediante la generación de tablas de frecuencias y estadísticas descriptivas;
-
Creación de variables SAS y codificación de valores de datos;
-
Filtros para crear subconjuntos de datos;
-
Combinación de varios ficheros SAS;
-
Creación de informes de lista, sumarización, HTML, y gráficos;
-
SAS Enterprise Guide:
-
-
SAS Enterprise Miner (para proyectos de Data Mining):
-
CURSO IBM-SPSS PASW Statistics – 20 hs.
IBM-SPSS Argentina S.A.
El curso se propone introducir a los estudiantes en el entorno de trabajo de IBM-SPSS PASW Statistics, y en el manejo de una selección de técnicas de análisis univariadas, bivariadas y multivariadas relevantes para la maestría.
Los objetivos generales son:
-
Incorporar el uso de PASW Statistics como herramienta para la lectura, procesamiento y análisis de datos cuantitativos;
-
Manejar un set de problemas típicos de investigación abordables por medio de métodos cuantitativos;
-
Incorporar las principales técnicas de análisis de datos que dispone PASW Statistics para resolver esos problemas de investigación, prestando atención a la interpretación de sus resultados y el cotejo de sus supuestos.
Los objetivos específicos del curso son:
-
Aprender a usar la herramienta para abrir diferentes orígenes de datos (archivos propios del Statistics, archivos de bases de datos, archivos planos, archivos de planilla de cálculos, consultas en SQL);
-
Manejar las técnicas que dispone el programa para realizar análisis de consistencia y validación de datos;
-
Manejar las distintas posibilidades de procesamiento de datos para calcular y recodificar variables;
-
Aprender los procedimientos para realizar análisis descriptivos univariados (Frecuencias, Descriptivos, Explorar);
-
Aprender los procedimientos para realizar diferentes tipos de análisis bivariados y trivariados (tablas de contingencia, comparación de medias, t-test, ANOVA, Correlación lineal);
-
Aprender los procedimientos para realizar análisis tipológicos de los datos (Clusters Jerárquicos y No Jerárquicos);
-
Aprender procedimientos para realizar análisis predictivos de una variable escalar (Regresión lineal simple y múltiple);
-
Aprender procedimientos para realizar análisis predictivos de segmentación en base a una variable de respuesta categórica (Regresión Logística, Arboles de clasificación).
INFORMÁTICA – 28 hs.
Claudio Sartori
El objetivo general del curso es aquel de insertar a los participantes en un contexto moderno de Business Intelligence analítico a partir de la extracción de información de gran cantidad de datos. Este curso también forma parte de la base propedéutica de data mining.
Se tratarán varios tipos de datos, desde los estructurales, típicos de los sistemas de base de datos, a aquellos multimediales. El conocimiento adquirido será de diversos tipos, desde la información sobre reagrupación de objetos (clustering) al meta-querying.
Respecto a los métodos de extracción de datos como inputs de las actividades de mining, serán consideradas las problemáticas que surgen cuando la fuente es un data warehouse a partir de: algoritmos de clustering incremental, algoritmos eficientes para el meta-querying, queries de similitud, incluidos aquellos por aproximación, formalización de los indicadores que permitan cuantificar "calidad vs. costo", las estrategias de ayuda para permitir al usuario formular fácilmente un plan para el descubrimiento de información oculta, creación automática de muestras, etc.
Los principales objetivos del curso son:
-
Comprender los principios y los fundamentos tecnológicos que están en la base de los sistemas modernos de información, incluyendo: bases de datos, lenguaje SQL, modelos relacionales, proyección lógica y proyección conceptual de bases de datos con la metodología Entity Relationship (ER), instrumentos de Business Intelligence;
-
Comprender las potencialidades de las tecnologías de los sistemas de información y poder evaluar sus costos y beneficios;
-
Dotar a los responsables de los diferentes sectores de las empresas de instrumentos para la comunicación con los analistas de sistemas de información;
-
Comprender la importancia del dato desde el punto de vista de su calidad, estandarización, conveniencia, nivel de síntesis.
MARKETING – 36 hs.
Angelo Manaresi y Linda Gobbi
En este curso se concentrará en los principales instrumentos conceptuales y cuantitativos necesarios para comprender, analizar y construir las relaciones que una empresa establece con el propio mercado.
Los temas principales del curso son:
- El marketing en la empresa y en el sistema económico;
- Del Business Model al plan operativo de marketing;
- La centralidad del cliente;
- El estudio de los comportamientos de adquisición;
- Los procesos de segmentación y posicionamiento;
- El desarrollo de nuevos productos y la difusión de la innovación;
- Las decisiones de precio, distribución y comunicación;
- El desarrollo de campañas publicitarias;
- Evaluación del impacto de las actividades de marketing.
MÉTODOS DE PREVISIONES EMPRESARIALES – 28 hs.
Giovanni Motta
En una empresa equivocarse en una previsión por más o por menos no da lo mismo. El objetivo del curso es analizar grandes volúmenes de información y obtener predicciones fiables para apoyar la planificación y la toma de decisiones en todos los niveles de negocio, incluyendo el nivel más operativo.
Los temas principales del curso se refieren a:
- Theory and meaning of forecasting, with references to the quality and nature of data;
- Time series forecasting:
- Point and click interface for exploring and forecasting time series data;
- Several goodness-of-fit statistics and overall performance metrics, loss functions;
- Time series data management and preparation:
- Conversion of time series from one sampling frequency to another;
- Interpolation of missing values;
- Aggregation of time-stamped transactional data into time series;
- Trend analysis;
- Automatic variable transformations (log, square root, logistic, Box-Cox) and outlier detection;
- Handles zero-padded data;
- Forecasting and time series models:
- ARIMAX models;
- Seasonal and non-seasonal exponential smoothing models;
- Automatic model selection;
- Intermittent demand models;
- Unobserved components models;
- Inclusion of regression variables and unusual events in the forecasting model;
- Diagnostic checks on fitted models;
- Optimized model parameters;
- Combination and evaluation of forecasts;
- Output and reports.
EVALUACIÓN DE CALIDAD Y EFICIENCIA DE LOS PROCESOS PRODUCTIVOS – 28 hs.
Tiziana Laureti
El curso se centrará en la medición de la eficiencia productiva de las empresas a partir de los modelos llamados de frontera, que permiten evaluar este aspecto importante del desempeño de una empresa mediante la comparación de ésta con otra empresa de la muestra, con el fin de establecer las llamadas "mejores prácticas" que luego se convertirán en nuestra frontera.
Estos métodos son de gran utilidad dado que permiten evaluar la eficiencia de una determinada empresa o sucursal de una empresa, por ejemplo, una sucursal de una cadena de supermercados, con el fin de entender por qué no es eficiente y por tanto, decidir qué hacer para mejorar su eficiencia. Los objetivos buscados mediante la utilización de tales medidas son:
- Iluminar a las empresas sobre la existencia de diferencias en los niveles de productividad;
- Tomar conciencia sobre la propia posición respecto de la competencia;
- Ayudar a fijar estándares de producción a alcanzar;
- Indicar las causas que están en la base de las diferencias de productividad y favorecer el desarrollo de métodos para incrementar la eficiencia.
Los temas principales que serán abordados en el curso son:
- Productivity and Efficiency;
- Technology of production;
- The measurement of productive efficiency;
- The parametric approach;
- Application of stochastic frontier model;
- The non parametric approach;
- Application of DEA models;
- The estimation of cost efficiency;
- Application of stochastic frontier model;
- Re examination of theoretical aspects;
- Application of various frontier models.
TÉCNICAS DE ENCUESTAS – 28 hs.
Fedele Greco
El objetivo del curso es proveer los conocimientos de base para identificar las técnicas de investigación estadística más apropiadas para el relevamiento de datos de individuos, familias y empresas. Más precisamente se propone formar profesionales capaces de interactuar de modo consciente con las organizaciones que se ocupan de relevamientos estadísticos directos.
A tal fin se analizarán el proceso de producción de los datos estadísticos, la subdivisión del proceso en fases y los principios de control de calidad del mismo. En particular se examinará el error no muestral, las técnicas para identificarlo, medirlo, prevenirlo y corregirlo.
Asimismo, se introducirán las modalidades estadísticas y organizativas destinadas al control del proceso de relevamiento. En este contexto las diferentes técnicas de relevamiento son introducidas como "medios de producción" sujetos a evolución tecnológica y a procesos de innovación. Considerando las técnicas más recientes, se dedicará particular atención a las diferentes metodologías estadísticas asistidas por computadora (CASI), a los relevamientos telefónicos (CATI) y a los relevamientos por Internet.
- Introduction: probability sampling, simple random sampling, sample size estimation
- Auxiliary information:
- Auxiliary information at the estimation stage;
- Ratio, regression and calibration estimators; - Auxiliary information at the sampling design stage;
- Data quality control in a CATI survey;
- Sampling:
- Stratified sampling;
- Unequal probability sampling;
- Cluster sampling;
- Two-phase sampling;
- A non-sampling error: managing non response;
- Limited dependent variables:
- Truncated and censored samples;
- Censored sample and censored regression;
- Tobit estimation and limitations of the tobit model;
- Sample selection models.
ANÁLISIS DE MERCADO – 40 hs.
Giorgio Tassinari e Ida D’Attoma
El objetivo es proveer herramientas teóricas y prácticas para el análisis del comportamiento del consumidor y su respuesta al empleo de instrumentos de marketing, principalmente políticas de promociones e inversión publicitaria:
-
Modelos de selección entre marcas de tipo estocástico y de tipo racional;
-
Modelos de respuesta del mercado;
-
El modelo de regresión múltiple para la construcción de modelos para datos agregados de previsión de la demanda primaria, las ventas y la cuota de mercado;
-
Modelos dinámicos para series estacionarias;
-
El modelo multinomial logit;
-
Análisis del impacto del precio de referencia y de la fidelidad de marca en modelos de selección entre marcas y la estimación de las relaciones entre publicidad, memoria y notoriedad de la marca;
-
Cómo se organiza una campaña publicitaria. La eficacia de las promociones. La respuesta cognitiva a las campañas publicitarias;
-
El análisis de las series de tiempo;
-
Los modelos para las series no estacionarias.
TEORÍA DE LAS ORGANIZACIONES COMPLEJAS Y DE LA ORGANIZACIÓN INDUSTRIAL – 20 hs.
Vicente Donato
El curso se concentrará en el análisis conceptual y práctico de los diferentes aspectos y dimensiones que conforman las problemáticas de una organización compleja, con particular énfasis en los desafíos de las organizaciones modernas (externalizaciones, TICs, etc.).
- Teoría de la organización y teoría de la empresa: definiciones; las estrategias organizativas de las empresas modernas;
- Organización económica y eficiencia:
- El sistema de incentivos y el rol de la coordinación;
- Los costos de transacción;
- Los efectos de la incertidumbre y la asignación eficiente de las transacciones;
- Coordinación e incentivos;
- El sistema de precios: el modelo neoclásico y la teoría de la organización;
- El sistema de precios y el mecanismo de mercado; - Las pequeñas y medianas empresas y el mecanismo de los precio;
- Racionalidad limitada e informaciones privadas:
- El impacto de la racionalidad limitada sobre los contratos;
- Selección adversa y moral hazard;
- Propiedad y derechos de propiedad: el teorema de Coase.
CURSO ArcGIS – 16 hs.
Alejandra Epíscopo – Aeroterra Argentina S.A.
Los sistemas de información geográfica (GIS) proveen a las organizaciones comerciales distintas herramientas de análisis para explorar espacialmente, por ejemplo:
-
Perform customer or store prospecting;
-
Create customer-based or store trade areas;
-
Find a location similar to that of your best store;
-
Create gravity models to forecast potential sales at new stores.
Asimismo, los analistas de retail utilizan GIS para responder preguntas críticas y fundamentales tales como:
-
Where are my best customers?
-
Where can I find more customers?
-
Where is my competition?
-
Where should I locate a new store?
Estas preguntas pueden ser respondidas a partir del uso de técnicas básicas como la geocodificación de clientes existentes y locales y observar la distribución. Un ejemplo simple de esto es graficar la distancia entre los clientes frente a la cantidad de dinero que cada cliente gasta en una tienda.
El objetivo principal del curso es introducir a los participantes en la familia de aplicaciones ArcGIS Desktop para la visualización, creación, administración y análisis de datos geográficos. Además de los conceptos básicos de GIS, así cómo crear, editar y georreferenciar datos espaciales, los participantes extenderán su manejo, en cartografía, automatización de datos y atributos espaciales, edición, geoprocesamiento y análisis espacial. Este último incluye el análisis estadístico espacial aplicado a Geomarketing.
Los objetivos y contenidos específicos del curso pueden consultarse en:
GEOMARKETING – 20 hs.
Christian Haedo
El Geomarketing es una disciplina que aporta información para la toma de decisiones de negocio apoyadas en la variable espacial. Permite analizar la situación de un negocio a partir de la localización exacta de los clientes, puntos de venta, sucursales, competencia, etc.
La utilización del sistema de coordenadas geográficas del mundo real permite a las organizaciones comerciales encontrar nuevas relaciones e interdependencias que ayudan a entender mejor sus mercados y flujos de trabajo tradicionales, como así también sus Business Continuity Plans para asegurarse la supervivencia de la misma frente a distintos escenarios geográficos, de desarrollo hipotéticos de infraestructura, etc.
Las inferencias y predicciones dentro de esta disciplina van más allá del uso tradicional del análisis cualitativo y cuantitativo, y pertenecen a una creciente línea de análisis llamada "estadística espacial o análisis geoespacial".
-
Understanding Geomarketing;
-
Introduction to spatial statistics: "how much is where";
-
Types of spatial data by nature of the spatial domain: point level data, areal (lattice) data, and spatial point pattern;
-
Random fields and spatial processes;
-
The topology of a random field: reference space;
-
Areal data and spatial regression analysis:
-Descriptive measures of spatial correlation;
-Specifying regression models with spatial multipliers and spatial externalities;
-Simultaneous and conditional models (SAR and CAR); Maximum likelihood;
-Moran’s I test for regression residuals;
-Lagrange multiplier tests;
-Smooth data over the overall domain;
-Identify spatial clusters;
-Spatial scoring models for areal data;
-
Analysing spatial point patterns:
-Types of data: points, marks, covariates;
-Intensity, interaction, covariate effects, segregation and dependence;
-Investigating intensity and tests of Complete Spatial Randomness (CSR);
-Maximum likelihood for Poisson processes and checking a fitted Poisson model;
-Models of non-Poisson patterns: Poisson cluster process and Cox process;
-Distance methods for point patterns and inference using summary statistics;
-Marked point patterns and multitype Poisson models;
-Identify spatial clusters;
-Spatial scoring models for spatial point pattern.
ANÁLISIS DE SUPERVIVENCIA EN BUSINESS INTELLIGENCE – 24 hs.
Michel Mouchart
El objetivo del curso es tratar en forma dinámica y no estática, como en general sucede en las aplicaciones de business intelligence, los problemas de retention, de estimación del lifevalue de los clientes y de impacto de las campañas de marketing. Si tales fenómenos son considerados como continuos en el tiempo tanto al incio como al final, esta clase de problemas deben tratarse con aplicaciones del análisis de supervivencia.
Los principales temas en los que se concentrará el curso son:
-
Introducción al análisis de supervivencia: peculiaridades de los datos de supervivencia; función de supervivencia; función de riesgo; función de tiempo medio residual y modelos notables;
-
Análisis de datos censurados: tipos de censura; modelo general de censura aleatoria; función de verosimilitud; estimador de Kaplan-Meier; métodos paramétricos bajo censura; aplicaciones a datos reales;
-
Análisis de datos truncados: muestreo por corte transversal; modelo general de truncamiento aleatorio; función de verosimilitud; estimador de Lynden-Bell: modelos semiparamétricos, eficiencia relativa; métodos paramétricos bajo truncamiento; aplicaciones a datos reales;
-
Análisis de datos sesgados: modelo de sesgo longitudinal; distribuciones ponderadas; estimador de Vardi; métodos paramétricos bajo sesgo; aplicaciones a datos reales;
-
Análisis de datos censurados y truncados: modelo general de censura por la derecha y truncamiento por la izquierda; estimador de Turnbull; modelos de censura y sesgo; estimación no paramétrica de máxima verosimilitud; eficiencia relativa; modelos semiparamétricos y completamente paramétricos; aplicaciones a datos reales;
-
Incluyendo covariables (i): datos censurados: modelos condicionales vs. modelos no condicionales; métodos semiparamétricos: modelo de Cox y modelo de tiempo de fallo acelerado; métodos no paramétricos: estimación de la distribución conjunta, la distribución condicional y la función de regresión; aplicaciones a datos reales;
-
Incluyendo covariables (ii): datos censurados y truncados: estimación no paramétrica de la distribución condicional bajo censura y truncamiento; modelos condicionales de censura y sesgo.
ANÁLISIS DE CUESTIONARIOS DE SONDEO – 28 hs.
Alberto Marradi
El objetivo principal del curso es proveer a los alumnos los instrumentos para la construcción y el análisis de una matriz de datos provenientes de un cuestionario para encuestas de investigación en ciencias sociales, la utilización y selección de las escalas de medición y la elaboración de indicadores.
- Construcción y análisis de una matriz de datos de sondeo:
- Two-way contingency table;
- Análisis de la varianza;
- Three-way contingency table;
- La escala Likert: response sets; respuestas curvilíneas; reacciones al objeto; intervalos entre respuestas; construcción de indicadores con variables de escalas Likert: sumatorio simple, sumatorio con ponderaciones proporcionales a juicios de validez, sumatorio con ponderaciones establecidas por factor score coefficients;
- El escalograma de Guttman;
-El concepto de acumulatividad aplicado a las habilidades físicas y mentales;
Extensión a las actitudes: pass, fail, easy, difficult, error;
-Situaciones de indecidibilidad de las posiciones individuales;
- La escala EAI de Thurstone;
- Las escalas autoanclantes de Cantril;
-El diferencial semántico de Osgood, la colocación izquierda/derecha
-El concepto de autonomía semántica;
-Construcción de un índice sumatorio con una escala autoanclante;
- El termómetro de los sentidos (feeling thermometers);
-La deflación y las condiciones semánticas de aplicación;
-Aproximación a la curva normal;
-Versión ordinal: el juego de la torre;
-Modelos especificados con termómetros de variables independientes e indicadores a partir de una variable dependiente.
TÉCNICAS PARA EL MONITOREO DE LOS CLIENTES Y EL CRM – 50 hs.
Furio Camillo
El Customer Relationship Management (CRM) permite a las empresas identificar los instrumentos necesarios para establecer y/o mejorar las relaciones con los clientes, fidelizar a los existentes y conquistar nuevos.
El curso tiene como objetivo principal proveer a los estudiantes las técnicas de base para el desarrollo de un moderno proyecto de CRM, como parte de los procesos de análisis empresariales de Business Intelligence. En particular, los procesos a los que hacen referencia las técnicas estadísticas presentadas se refieren a la construcción de resultados de micro-datos, es decir, simulando el tratamiento de la información de individuos a partir de un data base empresarial.
Las técnicas de data mining permiten crear sistemas de apoyo a las decisiones basadas en el análisis del patrimonio informativo relativo a los clientes para prever intereses, preferencias y comportamientos de adquisición y compra.
-
Técnicas de segmentación;
-
Técnicas de interpretación de los resultados de clustering;
-
Técnicas de reducción de la varianza (análisis factorial exploratorio);
-
Técnicas para el tratamiento de respuestas abiertas (semiometría);
-
Técnicas de clasificación supervisada (análisis discriminante, árboles de decisión)
-
Técnicas para el análisis de supervivencia (churn analysis);
-
Técnicas para datos truncados (estimación del riesgo esperado en caso de eventos excepcionales, modelos tobit);
-
Técnicas para el tratamiento de neuro-datos;
-
Técnicas de inferencia para la medición de la eficacia de campañas de marketing.
DATA MINING – 40 hs.
Alberto Saccardi
El curso proveerá las principales técnicas de Data Mining utilizadas como respaldo de los procesos decisionales empresariales, con particular atención a las problemáticas de marketing estratégico y operativo. Las lecciones del curso se caracterizarán por alternar las de naturaleza metodológica con aquellas de carácter más aplicado.
Se expondrán casos de empresas relativos a la construcción de modelos de segmentación de Customer Data Base, modelos de scoring y segmentación comportamental.
Los participantes estarán en condiciones de reproducir autónomamente los análisis propuestos durante las sesiones metodológicas y adquirirán familiaridad en la elaboración y el análisis de datos, con particular énfasis en los aspectos de interpretación y utilización de los resultados obtenidos.
· Data Mining & Customer Profiling: introduction
-Data clearing and data preparation techniques: process, selection, exploration, modeling, great amount of data (Customer Data Base), discover unknown relations;
· Customer Profile (CP) Analysis:
-Business contest evaluation and objectives definition: CP strategy, CP framework, CP data sources;
-Data preparation for CP Analysis: the customer identification, the customer data base, the customer table;
-CP Analysis: sampling and data cleaning, behavioral and preference dimension identification, profiling and classification rule roll out, reporting and validation;
· Multivariate analysis: analysis of dependence and analysis of inter-dependence:
-Factor analysis: preliminary issues, the optimal number of factors, the interpretation of factors;
-Principal components method;
-Factors: linear combination, standardized, orthogonal, variability, factor loadings, factor score; coefficients, eigenvalues, scree plot, communalities, component matrix;
-Factor rotation: varimax, equimax, quartimax, rotated component matrix, factor interpretation;
-Cluster analysis: hierarchical and iterative algorithms;
· Segmentation porting into the production: IT processes, marketing processes
-Strategic decisions: segmentation;
-Tactical decisions: propensity models (behavioral segmentation: scoring models);
· Data Mining & Market Research: data field, data type, representativeness and business actions
-Market research: definition of scenarios, design of experiments, data collection, modeling;
-Conjoint analysis: simulation and clustering;
· An example of integration of Customer Satisfaction (CS):
-Sampling grill: definition of the sampling design on the basis of the behavioral variables present on the Data Mart, and definition of the questionnaire;
-Cluster CS: construction of the CS cluster based on the answers obtained in the CS survey;
-Coloring Data Mart: extension of the CS cluster on the Data Mart through the use of the statistical model which connects the CS clusters with the internal behavioral data.
CURSO IBM-SPSS PASW MODELER – 16 hs.
IBM-SPSS Argentina S.A.
El curso se propone introducir a los alumnos en el entorno de trabajo de PASW Modeler (ex Clementine), como herramienta ideal para proyectos de Data Mining.
Los objetivos generales son:
-
Introducir la metodología CRISP-DM como marco general del programa PASW Modeler para abordar proyectos de Data Mining;
-
Aprender el uso de la herramienta para la lectura, comprensión y manipulación de datos de diferentes orígenes;
-
Aprender el uso de la herramienta para el modelado de los datos, con especial énfasis en los modelos predictivos.
Los objetivos específicos del curso son:
-
Incorporar las seis etapas de la metodología CRISP-DM (Cross Industry Standard Process for Data Mining);
-
Abrir archivos de datos y conectarse a bases de datos;
-
Auditar los datos, detectar anomalías y dar un tratamiento a los casos perdidos;
-
Preparar los datos para el modelado;
-
Agregar y fusionar archivos de datos;
-
Modelar una variable escalar: regresión lineal;
-
Modelar una variable categórica: regresión logística y árboles de decisión;
-
Validar los modelos por división muestral;
-
Evaluar la performance de los modelos.
MÉTODOS PARA LA INVESTIGACIÓN CUALITATIVA – 30 hs.
Linda Gobbi – Future Concept Lab Italia
El curso se articula en dos etapas. La primera estará dedicada a dar una introducción sobre las principales técnicas de investigación cualitativa. La segunda parte se concentrará en el análisis del material empírico con el objetivo de mostrar el funcionamiento de tales técnicas, evidenciando cómo calidad y cantidad constituyen los aspectos fundamentales de una investigación. Se examinarán además ejemplos operativos de instrumentos cualitativos en el marco de diseños de investigación con técnicas diversificadas de recolección de datos (etnografía, focus groups, entrevistas en profundidad, biografías, etc.).
-
Qué se entiende por investigación cualitativa: orígenes y principios;
-
Cómo se diferencia de la investigación cuantitativa: instrumentos y disciplinas;
-
Cuándo es preferible utilizar una investigación cualitativa: paradigmas en las investigaciones de marketing;
-
Las contribuciones de las diferentes disciplinas que proveen principios, metodologías y modelos interpretativos a la investigación cualitativa (psicología, etnografía, antropología, sociología, semiología): definición de metodologías y modalidades de recolección de datos;
-
Los modelos interpretativos del dato cualitativo: principios y paradigmas.
TEXT MINING – 20 hs.
Michelangelo Misuraca
El Text Mining es una tecnología lingüística y matemática que permite analizar y gestionar automáticamente grandes cantidades de datos textuales no estructurados, es decir, extraer de éstos la información más relevante y clasificarlos sobre la base del argumento tratado.
Así se trate del análisis del contenido, análisis del discurso, estadística lexical o lexicografía, la aplicación de estos métodos permite la exploración y el análisis de textos tan disímiles como son los literarios, las respuestas a preguntas abiertas en un cuestionario, entrevistas o grupos motivacionales, discursos políticos, artículos periodísticos, etc. Entre las aplicaciones más utilizadas en investigación de mercado se encuentran:
- Satisfacción del cliente (mediante la incorporación de preguntas abiertas en cuestionarios, monitoreo de Call Centers y Mail Centers);
- Análisis de la competencia (a través del análisis automático de textos disponibles en la Web, en la prensa y en comunicaciones);
- CRM (completando y complementando la información de los perfiles de clientes).
Esta tecnología de análisis prevé dos fases que se suceden automáticamente una a la otra: el análisis lingüístico, que permite identificar conceptos claves en cualquier texto en base al análisis de tipo morfológico, sintáctico, lógico-funcional y semántico; y el análisis estadístico, que asigna luego los documentos "conceptualizados" a categorías temáticas personalizadas y predefinidas (categorización) o a aquellas que no son percibidas a priori (clustering).
Los principales temas en los que se concentrará el curso son:
El rol de la estadística en el text mining:
-
El análisis de datos textuales;
-
El proceso de text mining;
-
La elección de la unidad: las formas gráficas; las unidades minimali de sentido; las formas de lematización; las formas textuales;
-
La desambiguación;
-
El sistema de pesos: el peso booleano; las frecuencias; el tf-idt;
-
El análisis: el análisis de correspondencia; latent semantic indexing;
La clasificación de textos:
-
La categorización de textos;
-
Las técnicas de clasificación de textos: los árboles de clasificación; la regresión; redes neuronales; marcación simbólica; otros métodos;
-
Una estrategia de text mining;
El análisis de datos textuales y la sentiment analysis:
TÉCNICAS ESTADÍSTICAS PARA EL RISK MANAGEMENT – 45 hs.
Silvia Figini
El objetivo del curso es proveer a los alumnos los instrumentos más recientes para afrontar la gestión del riesgo en los negocios y en la administración pública. En particular, se afrontarán temáticas ligadas tanto al riesgo operativo como aquellos ligados al riesgo externo, tales como el riesgo de fraude y de crédito. Los instrumentos se basarán en el desarrollo y la aplicación de modelos logísticos, modelos discriminantes, árboles de clasificación, redes neuronales y random forest para el análisis del risk management, específicamente:
-
Predictive parametric and non-parametric models for binary and quantitative outcome: generalized linear models and classification/regression trees;
-
Averaging models based on random forest and random survival forest;
-
Model comparison and assessment using cross validation;
-
Model comparison using statistical model selection methods;
-
Credit risk estimation: theory and case study;
-
Operational risk estimation: theory and case study;
-
Integration of risk measures: theory and case study;
-
Applications and empirical evidence on real data sets using statistical software.
DESARROLLO Y PLANIFICACIÓN DE UNA INVESTIGACIÓN DE MERCADO – 20 hs.
María Teresa Carballo – TNS Gallup Argentina S.A.
Los objetivos del curso se refieren principalmente a la comprensión de las metodologías utilizadas en Investigación de Mercado: su alcance, ventajas, limitaciones, y selección de aquellas más apropiadas para alcanzar los objetivos propuestos.
Asimismo, el curso proveerá las herramientas para el desarrollo de un proyecto de investigación de mercado cualitativo o cuantitativo, y para entender el proceso de generación de la base de datos resultante.
El curso se concentrará en los siguientes temas:
- Introducción: objetivos de una investigación de mercado y pasos previos para el diseño y el desarrollo del proyecto;
- Diseño del proyecto: objetivos de investigación, objetivos de negocio, antecedentes, propuesta metodológica, información a obtener, estimación de tiempos y funciones que cumplen cada componente que lo integra;
- Metodologías cualitativas: tipos y problemática del negocio a la cual responde. Enfoque y pautas de uso según tipo de proyecto, temas a indagar, target del entrevistado y clasificación según contacto;
-Guía y proceso para el armado de un proyecto cualitativo, pautas para evitar errores en el proceso;
-Métodos para la recopilación de los datos;
- Metodologías cuantitativas: tipos y problemática del negocio a la cual responde. Representatividad y métodos de muestreo;
-Problemáticas específicas del diseño cuantitativo: definición de la población, el entrevistado, el medio de contacto y la metodología de relevamiento;
-Diseño de cuestionarios: secuencia, razones para el orden de las preguntas; preguntas de rastreo;
-Uso de escalas: ventajas y desventajas de las más utilizadas;
-Codificación: pautas en preguntas cerradas y mediante el uso de escalas, codificación de preguntas abiertas, libro de códigos;
-Construcción y utilización de la base de datos del proyecto cuantitativo;
-Workshop para stage y tesis: definiciones, objetivos y proceso. Pautas de la investigación científica. Marco teórico y metodología a utilizar. Elección del tema de estudio. Elección del tutor. Elaboración del proyecto y del plan de trabajo del stage y la tesis. Pautas para la elaboración de la tesis: redacción, capítulos y temas a desarrollar, apéndices, bibliografía