ESCUELA DE NEGOCIOS www.utdt.

edu/educacionejecutiva

INTELIGENCIA COMERCIAL
EN LA ÉPOCA DEL BIG DATA

DIRECCIÓN ACADÉMICA: DANIEL YANKELEVICH

IC

La cantidad de datos disponibles dentro de cualquier organización o estructura

es enorme y no tiene precedentes. La huella digital que cada persona deja en su
vida cotidiana es como una estela en un mar digital: mirándola se pueden aprender

PROGRAMA ABIERTO muchas cosas sobre el comportamiento de las personas, como consumidores y como
participantes activos en el mundo. Saber interpretar estas huellas es cada vez más una
DURACIÓN
capacidad básica, necesaria para llevar adelante cualquier actividad de negocios.
1 mes
En este Programa estudiaremos algunas técnicas modernas de análisis de datos
CURSADA
aplicados a la inteligencia comercial y su aplicación a problemas básicos de la gestión.
Lunes y miércoles
de 19 a 22h Veremos algunas técnicas con mayor profundidad y otras con el detalle necesario para
poder utilizarlas.

Al finalizar el curso, cada participante contará con herramientas concretas que podrá
aplicar en la práctica.
 INTELIGENCIA COMERCIAL EN LA ÉPOCA DEL BIG DATA f IC

METODOLOGÍA
Plan de Estudios
El Programa combina presentaciones
Módulo 1 | Uso de data mining y big data para inteligencia comercial teóricas con clases prácticas y
ejercicios a ser realizados durante el
››Introducción a data mining, big data, inteligencia comercial y marketing digital. curso, utilizando la técnica de análisis
››¿Qué es big data? ¿Por qué debe importarnos en el proceso comercial? de casos para algunos temas.
››¿Qué es data mining? ¿Cómo aprovechar información existente en las Se presentarán ejercicios a resolver y
organizaciones? se conformarán equipos que deberán
presentar un caso práctico real sobre
››Análisis de datos como proceso continuo. el que sea posible aplicar las técnicas
››Principales desafíos de la época del big data, cómo aprovechar la información. estudiadas.
Información de la competencia.
AUDIENCIA

Módulo 2 | Algunas técnicas de conocimiento del cliente individual

Profesionales con responsabilidad
››Cómo saber lo que quiere el cliente. Cómo saber qué les gusta a los usuarios comercial, que se encuentren
interesados en comprender nuevas
(Test A/B, otras técnicas). técnicas, y en actualizar conceptos
››Mejorando el cross selling (reglas de asociación, qué son, su aplicación; ejemplo teóricos y prácticos de aplicación de
del carrito de supermercado). métodos automáticos a la inteligencia
››Sistemas de recomendación (cómo recomendar algo a un cliente a partir de comercial.
elecciones anteriores o preferencias de otros).
CUERPO DE PROFESORES

Módulo 3 | Algunas técnicas de segmentación y agrupación de datos Daniel Yankelevich. Dottore in

Informatica, Università di Pisa.
››Agrupando y encontrando elementos comunes, clases o conceptos (clustering, Licenciado en Informática, ESLAI
reducción de dimensiones). (Argentina). Ha realizado tareas
››¿Cómo saber si un mail es spam? ¿Cómo saber si un mensaje que me mandan docentes y de investigación en varias
universidades de la Argentina; se
es de un cliente real?
desempeñó como profesor invitado
››¿Cómo puedo segmentar clientes/negocios/productos rápido y en forma más en universidades de la región. Socio
o menos automática? ¿Cómo hacer que la computadora segmente clientes de fundador y ex CEO de Pragma
acuerdo a los parámetros que yo quiero en forma automática? Consultores, grupo de empresas
dedicadas a la consultoría e informática
››Publicidad en la web. ¿Qué publicidad mostrar a quien demostró interés
en Latinoamérica. Autor de más de
buscando determinado tema? AdWords y otras soluciones. 35 publicaciones técnicas, capítulos
››Machine learning y modelos predictivos. en libros y artículos de divulgación.
Actualmente colabora en proyectos
de big data en el ámbito privado y
Módulo 4 | Limitaciones y nuevos desafíos
es asesor de la Fundación Sadosky,
››Análisis de redes: redes sociales, redes de conocidos. Cómo agruparlos, especializada en transferencia
de tecnología y en programas
entender si existen comunidades, buscar en las redes. Análisis de un caso de
académicos.
negocio.
››Limitaciones en el análisis de datos: generalizaciones/extrapolaciones (cisne Juan Vicente Echagüe. Docteur
negro, síndrome del superviviente). Principio de Bonferroni: ¿cómo capturar a un en Informatique, Grenoble INP
asesino serial? (Francia). Ingeniero de Sistemas,
Universidad de la República (Uruguay).
››Limitaciones y problemas típicos en los proyectos de data mining y big data. Coordinador de I+D, Pragma
››Calidad de datos. Consultores. Docente e investigador
universitario durante más de 20 años
Módulo 5 | Análisis de un caso práctico en universidades e instituciones de
la Argentina (UNLP, UBA y UNAJ),
››Los participantes, en equipos, presentarán un caso práctico que será discutido Brasil (PUC Rio de Janeiro), México
(Universidad Autónoma de Puebla)
en función de las técnicas estudiadas.
y Uruguay (UDELAR, PEDECIBA e
IIBCE). Ha dirigido numerosas tesis
de posgrado y de Ingeniería, además
de proyectos de investigación. Ha
realizado decenas de publicaciones en
La UTDT se reserva el derecho de modificar los módulos, sus contenidos y los profesores, garantizando la temas de Neurobiología y Teoría de la
calidad de los mismos.
Computación.

INFORMES

(+54 11) 5169 7342/7355/7356 | admisiones_negocios@utdt.edu

DC|2015

Av. Figueroa Alcorta 7350 (C1428BCW), Buenos Aires, Argentina

www.utdt.edu/educacionejecutiva