Curso Inteligencia de Clientes a Través de Data Mining - Online

Comprende sobre la gestión y el análisis de la información de clientes para incrementar la eficacia comercial
SENCE
Tipo
Curso
Duración
6 a 8 semanas
Precio
$572.000
$400.400
* Descuentos no acumulables
Formas de Pago
  • Tarjeta de crédito chilena: Vía Webpay hasta 3 cuotas precio contado
  • Tarjeta de crédito internacional: Vía Paypal
Información
Admision UAI Online
Admisión cursos con sence (franquicia tributaria) *
* Solicitamos por favor sólo escribir a uno de los dos correos.
SENCE
Nombre Sence
Aplicación De Técnicas De Inteligencia De Clientes A Través Del Data Mining
Código Sence
1238031373
Modalidad
E-Learning Asincrónico
Horas Totales
96
Duración
6 a 8 semanas
Horario Referencial
Lunes a Domingo 09:00 hrs. - 18:00 hrs.
Razón social
Universidad Adolfo Ibáñez
Rut
71.543.200-5
Dirección
Av. Presidente Errázuriz 3485, Las Condes
Ritmo
100% asíncrono, inicia cuando quieras, sin horarios, si no alcanzas en la duración puedes solicitar extensión*.

Cada unidad se abre cada 5 días.
*: Restricciones aplican a cursos pagados con franquicia tributaria.
Créditos SCT
4
¿En qué consiste el programa?
El estudio del comportamiento de los clientes responde a la necesidad de cada organización de optimizar y gestionar procesos de venta, marketing o comunicación. Hoy en día, los retailers tienen a su disposición ingentes cantidades de información sobre sus clientes, que recogen a partir de múltiples fuentes (internas o externas). Para cumplir con las expectativas de los clientes e influir en sus decisiones de compra, los retailers necesitan estar presentes en todo momento, a través de los múltiples canales y dispositivos, acompañando al cliente hasta que está listo para realizar la compra. Todo esto es posible conseguirlo a través de la gestión de los clientes y la analítica de la gran cantidad de datos que se generan, lo que hace a su vez necesaria la utilización de nuevas tecnologías y técnicas de data mining que permiten no solo conocer al cliente sino anticiparse a su comportamiento.
El data mining juega un rol en el apoyo de las estrategias de los responsables a la hora de fundamentar las decisiones de negocios, es decir, el data mining permite conseguir los objetivos empresariales, a partir del análisis de datos.
Este curso proporcionará una comprensión básica de cómo gestionar a los clientes a través de técnicas de data mining, todo ello con el fin de garantizar una posición competitiva.
¿Qué aprenderás?
  1. Unidad 1 - Introducción - Objetivo Específico:
    • Introducir al estudiante a la inteligencia de clientes.
    • Conocer los sistemas de información empresarial.
    • Entender que es data mining.
    • Conocer sobre la calidad de los datos y la generación de valor.
    Videos:
    • Introducción a la inteligencia de clientes.
    • Dato, Información, Conocimiento y Sistemas de Información Empresarial
    • ¿Qué es data mining?
    • Calidad de datos y generación de valor.

    Lecturas Obligatorias:
    • Material disponible en la plataforma.

    Evaluaciones:
    • Control.
    • Actividad De Desarrollo
  2. Unidad 2 - Metodologías y Técnicas de Data Mining - Objetivo Específico:
    • Conocer distintas metodologías para desarrollar un proyecto de data mining.
    • Identificar medidas de resumen y gráficos apropiados.
    • Conocer modelos supervisados y no supervisados.
    Videos:
    • KDD y CRISP-DM.
    • Medidas de resumen e identificación de patrones descriptivos.
    • Modelos supervisados y no supervisados.

    Lecturas Obligatorias:
    • Material disponible en la plataforma.

    Evaluaciones:
    • Control
    • Actividad De Desarrollo
  3. Unidad 3 - Técnicas supervisadas - Objetivo Específico:
    • Diferenciar entre variable target y atributo.
    • Conocer la diferencia entre modelo de regresión y clasificación.
    • Definir una muestra de validación y entrenamiento.
    • Conocer la utilidad de la validación cruzada.
    • Calcular métricas de calidad predictiva.
    Videos:
    • Tablón analítico.
    • Tipos de modelos predictivos.
    • Muestra de entrenamiento y testing. Validación cruzada.
    • Métricas de calidad predictiva.

    Lecturas Obligatorias:
    • Material disponible en la plataforma.

    Evaluaciones:
    • Control
    • Actividad De Desarrollo
  4. Unidad 4 - Técnicas Supervisadas Parte II - Objetivo Específico:
    • La importancia de segmentar clientes.
    • Conocer sobre la técnica RFM.
    Videos:
    • Segmentación del cliente.
    • Técnica RFM

    Lecturas Obligatorias:
    • Material disponible en la plataforma.

    Evaluaciones:
    • Control
    • Actividad De Desarrollo
  5. Unidad 5 - Técnicas no supervisadas - Objetivo Específico:
    • Conocer sobre el aprendizaje no supervisado.
    • Conocer sobre algoritmos jerárquicos, aglomerativo y divisivo.
    • Conocer sobre algoritmos no jerárquicos, K-means.
    Videos:
    • Aprendizaje no supervisado,
    • Algoritmos jerárquicos.
    • Algoritmos no-jerárquicos.

    Lecturas Obligatorias:
    • Material disponible en la plataforma.

    Evaluaciones:
    • Control
    • Actividad De Desarrollo
  6. Unidad 6 - Aplicaciones I - Objetivo Específico:
    • Conocer metodologías de modelos de regresión lineal.
    • Conocer sobre métodos de estimación.
    • Reconocer si un argumento es significativo.
    • Método Forward, Método Backward y Método Stepwise.
    Videos:
    • ¿Qué es un modelo de regresión lineal?
    • Métodos de estimación.
    • Atributos.
    • Técnicas de selección de variables.

    Lecturas Obligatorias:
    • Material disponible en la plataforma.

    Evaluaciones:
    • Control
    • Actividad De Desarrollo
  7. Unidad 7 - Aplicaciones II - Objetivo Específico:
    • Conocer los métodos para predecir una variable cualitativa.
    • Aprender a testear significancia de atributos.
    • Conocer métricas para medir el funcionamiento del modelo.
    Videos:
    • Modelo de clasificación.
    • Modelo de regresión logística.
    • Contraste de hipótesis.
    • Matriz de confusión y métricas de performance.

    Lecturas Obligatorias:
    • Material disponible en la plataforma.

    Evaluaciones:
    • Control
    • Actividad De Desarrollo
  8. Unidad 8 - Aplicaciones III - Objetivo Específico:
    • Conocer sobre las Reglas de Asociación.
    • Conocer sobre el ciclo de vida del cliente.
    • Conocer sobre los usos de CLV.
    Videos:
    • Reglas de asociación
    • Métricas
    • Customer Lifetime Value (CLV)
    • CLV Predictivo, maximizado y usos.

    Lecturas Obligatorias:
    • Material disponible en la plataforma.

    Evaluaciones:
    • Control
    • Actividad De Desarrollo
Metodología
La metodología de UAI Online contempla unidades de contenido 100% en línea, asíncronas, de aprendizaje individual.?El curso está compuesto por una secuencia de unidades que se habilitan paulatinamente. Cada unidad contiene videos expositivos, lecturas obligatorias y complementarias, resumen, glosario, un control y una actividad de desarrollo. En la actividad de desarrollo, el participante deberá contestar una pregunta abierta utilizando el material dispuesto en el curso, la cual será revisada y calificada por un miembro del equipo de apoyo académico de UAI Online. La pregunta podrá usar una de cuatro técnicas metodológicas: análisis de caso, resolución de problemas, análisis o comparación de conceptos, realización de ejercicios. Los participantes cuentan con la posibilidad de hacer preguntas de contenido o administrativas directamente?a través del botón “Ayuda” que se encuentra en la plataforma de UAI Online.?
¿A quién va dirigido?
Profesionales con foco en el Cliente, que trabajen en las áreas de Marketing, CRM, Experiencia o Fidelización.

Información y Postulaciones

Admision UAI Online
[email protected]


Admisión cursos con sence
(franquicia tributaria) *
[email protected]
* Solicitamos por favor sólo escribir a uno de los dos correos.

Postula al Curso Inteligencia de Clientes a Través de Data Mining - Online

También te puede interesar


Mejora tus conocimientos utilizando herramientas modernas de programación y manejo de datos en un momento clave de la ciencia de datos, aplica diferentes técnicas de machine learning y aprende a evaluar su desempeño.

$1.790.000
$1.253.000
* Descuentos no acumulables
24 semanas + examen
SENCE

Adquiere conocimientos en herramientas relacionadas con analítica descriptiva y predictiva que van en la línea del uso de datos en las empresas.

$572.000
$400.400
* Descuentos no acumulables
6 a 8 semanas
SENCE

Adquiere conocimientos sólidos en las aplicaciones de ciencia de datos, comprende la vinculación entre diversas aplicaciones y explora las distintas soluciones comerciales que pueden desarrollarse a través de esta disciplina.

$572.000
$400.400
* Descuentos no acumulables
6 a 8 semanas