Business Analytics: Decisiones inteligentes para empresas exitosas

Contexto

El Business Analytics (BA) ha emergido en los últimos años como la evolución natural del Business Intelligence (BI). Cuando manejábamos soluciones de BI, podíamos dar respuesta parcial a las necesidades de mi negocio: sabíamos qué había pasado, pero muchas veces los “por qué” no quedaban claros. Ahí, emerge el paradigma del Big Data, que permite disponer de muchos más datos e información que anteriormente. Y, junto con el Big Data, el BA aparece como una palanca de ganancia de competitividad para las empresas. No solo seremos capaces de encontrar los “por qué” de mis áreas funcionales y negocio, sino que, además
podremos orientar nuestras organizaciones hacia mayores márgenes y rentabilidad.

Objetivos

Objetivo general

Al finalizar, el participante estará capacitado para entender y utilizar los métodos analíticos que permiten a cualquier organización encontrar oportunidades de mayores márgenes y rentabilidad a través de técnicas analíticas.

Objetivos específicos:

  • Entender la diferencia entre el Business Intelligence y el Business Analytics. Qué puede aportar a mi negocio y dónde puedo aplicarlo.
  • Entender las distintas técnicas de Machine Learning para encontrar oportunidades de negocio en mi empresa.
  • Desarrollar varios casos de aplicación para que, a través del benchmarking, pueda encontrar luego oportunidades en mi empresa.

Temario

1. Introducción a Business Analytics

• Metodología SMART para desarrollo de proyectos de BA (Strategy, Measure, Analytics, Reporting & Decision, Technology)
• Cadena de valor de un proyecto de BA: modelo de datos, calidad de datos, integración de datos, modelos analíticos, extracción de insights y conocimiento, visualización de datos y toma de decisiones de negocio
• Principios de visualización y comunicación eficiente.

2. Caso de aplicación 1: Retail & Customer Intelligence

• Definición del problema: fijación del precio óptimo de un producto con sustitutos y complementos y acciones de marketing de estímulo
• Datos a extraer, transformar, integrar y mejorar: externos e internos.
• Modelo analítico
• Decisiones de negocio.

3. Caso de aplicación 2: Conversión de leads a clientes

• Definición del problema: venta de habitaciones de un hotel online como ejemplo de marketing digital
• Datos a extraer, transformar, integrar y mejorar: externos e internos.
• Modelo analítico
• Decisiones de negocio.

4. Caso de aplicación 3: Smart City

• Definición del problema: cómo aprovechar todos los datos de ámbito público para la promoción económica de una ciudad
• Datos a extraer, transformar, integrar y mejorar: externos e internos.
• Modelo analítico
• Decisiones de negocio.

5. Caso de aplicación 4: modelos de propensión a la compra o fuga

• Definición del problema: construcción de un modelo de propensión a la fuga de clientes de una empresa de telecomunicaciones
• Datos a extraer, transformar, integrar y mejorar: externos e internos.
• Modelo analítico
• Decisiones de negocio.

6. Caso de aplicación 5: Análisis de redes sociales

• Definición del problema: explotación de datos vía API y Scraping web para el análisis de una marca y su reputación
• Datos a extraer, transformar, integrar y mejorar: externos e internos.
• Modelo analítico
• Decisiones de negocio.

7. Caso de aplicación 6: Publicidad personalizada
• Definición del problema: proyecto de marketing digital y cómo focalizar la inversión publicitaria eficiente a través del scoring de candidatos
• Datos a extraer, transformar, integrar y mejorar: externos e internos.
• Modelo analítico
• Decisiones de negocio.

Metodología

Las clases teóricas se complementarán con el desarrollo de casos prácticos, aproximadamente un 20% de parte teórica y 80% de casos prácticos y trabajos grupales.

Se integrarán diferentes metodologías: Se incluirán exposiciones del profesor, de los alumnos, y participaciones de expositores de otras empresas. Uno de los factores más importantes en el aprendizaje estará en la colaboración activa de los participantes y en su dinámica como grupo.

Evaluación

A. Participación en clase: 20%

Se evaluará tanto la asistencia a clase (10%), como la participación e intervenciones en clase (10%)

B. Test de lecturas y clases: 20%

Habrá dos tests de 20-30 minutos de duración aproximadamente, posiblemente al inicio de dos de las sesiones y que serán avisados con anterioridad. Cada uno valdrá 10%. En los mismos se preguntarán conceptos muy básicos sobre las lecturas o sobre lo visto en la clase (tanto si son explicaciones de las lecturas o sí son parte de los casos)

C. Casos grupales: 30%

Se asignarán casos grupales sobre la aplicación de los métodos de aprendizaje sobre distintos problemas con data real.

D. Caso final: 30%

Resolución de un caso en grupo.

Comentarios adicionales:

• En todos los casos, tests y ejercicios se podrá utilizar el material disponible y el que se crea conveniente. El objetivo es la aplicación de lo aprendido en situaciones reales.
• Los ejercicios se entregan en la fecha programada. Bajo ningún concepto se aceptará ejercicios o casos fuera de fecha.
• En caso de la ausencia del alumno en alguna sesión donde se hayan registrado notas por actividades hechas, estas NO podrán ser reemplazadas o recuperadas con otra nota.
• La evaluación se realiza por la solución de casos prácticos.