KSchool Curso Big Data para Marketing 40 Horas

El Big Data ha irrumpido con fuerza en el panorama empresarial y económico. Gracias al gran potencial de impacto en las cifras de negocio que prometen estas tecnologías, empresas de todo tipo están demandando a los perfiles menos técnicos que tengan conocimientos sobre Big Data. La cultura del dato se ha impuesto en la estrategia empresarial de grandes y pequeñas empresas. Los profesionales con cultura de datos que saben integrar un enfoque Data Driven en sus planes de marketing son los más demandados profesionalmente.

El curso de Big Data Marketing pretende acercar el fenómeno del Big Data a aquellos profesionales del marketing que no necesariamente quieren convertirse en Data Scientist, programadores o Arquitectos Big Data, pero que necesitan formarse en áreas como el Data Driven Marketing, el BI, CRM, Visualización, Customer Analytics o la publicidad y el ecosistema programático.

Objetivos:

1. Aprenderás a definir modelos de datos que automaticen y te ayuden a tomar decisiones de negocio.
2. Conocerás las técnicas y herramientas que actualmente se utilizan para capturar, procesar, clasificar y explotar datos.
3. Podrás conocer el día a día de un Data Sciencist y cómo poder trabajar de forma ágil y eficaz con departamentos de Big Data.
4. Descubrirás cómo integran empresas pioneras sus datos (on/off) para guiar sus estrategias de negocio y marketing.
5. Conocerás qué avances y novedades se están aplicando en sectores muy variados (B2B, B2C) para detectar nuevas oportunidades de negocio.

¿A quién va dirigido?

Este curso está especialmente dirigido a profesionales, con al menos dos años de experiencia, que desean incorporar análisis y estrategias Big Data en el Plan de Marketing, Comunicación y Desarrollo de Negocio de su compañía.

• Directores y responsables de Marketing
• Responsables de eCommerce
• Responsables de CRM
• Profesionales de Business Intelligence o BI
• Consultores CRM
• Analistas Digitales

No es necesario saber programar, ya que este programa no se centra en la implementación. Si es recomendable experiencia previa en análisis de datos, BI, y/o herramientas CRM.

Metodología:

Streaming (en directo)

Salidas profesionales:

• Especialista en Big Data Marketing
• Digital Marketing Manager
• Consultor de inteligencia de marketing
• Experto en investigación de mercados y business intelligence
• Consultor de marketing digital y data

Temario:

• 1. Introducción al Big Data y Data Science. Data Governance.
• 2. Digital Analytics.
  • Definición del KPI.
  • Interconexión mundo Online/Offline.
  • Usuario multidispositivo y multicanal.
  • Silos de información.
  • Modelos de atribución digital.
  • Media Mix Models.
  • Experimentos de incrementalidad.
  • Utilización de tecnología Cloud para casos de usos avanzados de digital Analytics. Descripción de Cloud For Marketing.
  • Aplicación de Modelos LifeTimeValue.
  • Aplicación de modelos de propensión a compra.
• 3. Data Visualization
  • Visualización de datos para Negocio y Marketing.
  • Storytelling aplicado a los datos.
• 4. Data Driven Marketing
  • Introducción Data Driven Marketing.
  • Cómo implantar un proyecto Data Driven Marketing.
  • Fases de un proyecto Data Driven Marketing.
  • Errores típicos en el análisis de los datos.
  • Data driven Marketing a través del funnel del usuario / cliente.
  • Tipos de datos en Big Data.
  • Herramientas para aplicar Data Driven Marketing.
• 5. Customer Analytics
  • El conocimiento del cliente como activo de negocio y ventaja competitiva.
  • Analítica de cliente: análisis de valor de cliente, medición de retención y medición de la experiencia de cliente.
  • Activación del dato de cliente en el ecosistema MadTech (Marketing and Advertising Technology).
  • DMP (Data Management Platform).
  • CDP (Customer Data Platform).
  • Análisis y Optimización del Funnel de Conversión (CRO).
• 6. CRM
• 7. Modelos de segmentación y clustering. Modelos de Scoring.
  • Modelo matemático.
  • Principales variables y medición del modelo: Conjuntos train y test, y Matriz de confusión.
  • Machine Learning.
  • Tipos de aprendizajes.
  • Modelos de clasificación.
  • Modelos de segmentación.
• 8. Business Cases