segundo curso de minería de datos

Data Mining Consulting SAC. Jr. Lampa 1137 – Oficina 7. Lima 01. Tel. 428-0282 www.dataminingperu.com

Segundo Curso-Taller de

Minería de Datos

Aplicaciones en Marketing

Presentación

La generación de conocimiento es el proceso que reditúa las mayores ventajas competitivas

en las organizaciones y la forma de transformar la inmensa cantidad de datos en información y

conocimiento a partir de bases de datos, es un proceso denominado Minería de Datos.

El curso de minería de datos está diseñado para el entendimiento de las principales técnicas de

extracción de conocimiento. Comprende el desarrollo de la metodología CRISP para el

desarrollo de los proyectos de minería de datos y las principales herramientas que se emplean

para el proceso de extracción de conocimiento.

Dirigido a

Dirigido a todos aquellos profesionales interesados en ampliar sus conocimientos en técnicas

avanzadas de análisis de datos. Profesionales que se desempeñen en áreas de Business

Intelligence, sistemas de información, Data Warehouse, riesgos y todas las áreas involucradas

en el manejo de grandes volúmenes de información; y público en General.


Pre-requisitos

Conocimientos previos de estadística básica y manejo de base de datos (SQL).

Metodología

Basado en la teoría y en la aplicación directa de los conceptos aprendidos. Para esto se

dispondrán de las siguientes herramientas.

Taller con una PC por alumno.

Casos de Aplicación. Situaciones reales con aplicaciones en el mercado Peruano.

Base de Datos de prueba para aplicar lo aprendido.

Utilización de SQL Server para el manejo de base de datos

SPSS para el análisis de información

Microsoft Excel 2007.

Materiales

Material impreso con diapositivas del curso.

CD-ROM con material de consulta

CD-ROM con base de datos para aplicación en clases.


Syllabus

I. Introducción a la minería de datos Objetivos

Entender el concepto de minería de datos, necesidades, oportunidades, tendencias, cambios, el proceso y nuevas aplicaciones.

Entender las diferencias entre Data Warehousing, Data Mart, Data Mining y conceptos OLAP.

Elaborar un Data Mart de aplicación. Temario

Data Warehousing y Data Mart

El proceso de Minería de Datos

Importancia de la minería de datos en las organizaciones.

Tratamiento de los datos

Técnicas de Análisis de Datos

Construcción del Data Mart

Caso

Construcción de Data Mart de una institución bancaría

II. Preparación de los datos Objetivos

Aplicar las herramientas de análisis de datos para la preparación de los datos.

Entender las herramientas de análisis para la evaluación de campañas de marketing directo.

Aplicar las técnicas de Data Cleaning para la limpieza de datos. Temario


Recursos de análisis de datos. Análisis descriptivo.

Diferencia Significativa. Desviación estándar. La hipótesis nula. La distribución normal. Evaluación de campañas de marketing directo

Data Cleaning. Detección de Outliers. Análisis de datos faltantes.

Visualización de datos. Histograma. Grafico de líneas. Grafico Radial.

Casos

Tarjetas de Crédito. Evaluación de Campañas de Marketing Directo.

Visualización de datos con Excel.

Detección de clientes fraude en telefonía.

III. Técnicas de Segmentación Objetivos

Entender las técnicas de segmentación según la metodología de análisis.

Entender los tipos de segmentación que son guiados por las necesidades del negocio.

Entender las implicancias y acciones futuras a partir de la segmentación de datos.

Aplicar las técnicas de segmentación para dar solución a un problema de negocio. Temario

Técnicas de segmentación. Percentiles. K-means. Algoritmo de 2 etapas.

Determinación del tamaño y el número de clusters.

Segmentación guiada por el negocio. Segmentación por Valor. Segmentación por Comportamiento. Segmentación Basada en Propensión. Segmentación por lealtad. Demográfica y por estilos de vida.

Aplicaciones en CRM Casos

AFP. Segmentación de clientes.

Telecomunicaciones. Segmentación de clientes de telefonía residencial.

IV. Clasificación y Regresión Objetivos

Entender las técnicas de segmentación según la metodología de análisis.

Entender los tipos de segmentación que son guiados por las necesidades del negocio.

Entender las implicancias y acciones futuras a partir de la segmentación de datos.

Temario

Regresión Lineal y Regresión Logística. Verificación de supuestos. Ventajas y desventajas.

Arboles de Decisión. Ventajas y desventajas de su aplicación.

Aplicaciones. Predictor de Ingresos. Arboles de Decisión. Modelos de propensión. Score de Riesgos. Probabilidad de Fuga

Casos

Clasificación de clientes de tarjeta de crédito mediante arboles de decisión.

Score de Riesgo Crediticio. Determinación de score de riesgo para clientes del sistema financiero peruano.

V. Web Mining Objetivos

Entender las herramientas de web mining.

Aplicar los conceptos de Web Mining. Temario


Introducción al Web Mining.

Modelo Amazon, twitter, e-buy.

Aplicaciones.

Casos

Aplicaciones del algoritmo de Jackart en portales web del Perú.

Introducción Data MartTécnicas de

SegmentaciónClasificación y

regresiónWeb Mining

Aplicaciones Marketing: Banca, Finanzas y Business Intelligence

Instructores

Jorge Rodriguez. Máster Europeo en Dirección de Marketing y Gestión Comercial,

Escuela de Negocios EOI de España. Diplomado en Gerencia de Proyectos, UPC.

Diplomado en Marketing Relacional – CRM, UPC. Especialización en Business

Intelligence, Intelligence & Business Solutions. Profesional de Ingeniería Estadística,

Universidad Nacional de Ingeniería. Con cerca de diez años de experiencia en

proyectos de Business Intelligence, CRM y Data Mining en Telefónica, Banco Falabella y

el Banco de Crédito del Perú en el que desempeñó el cargo de Jefe Data Mining .

Actualmente es Jefe de Business Intelligence en el Grupo El Comercio y Consultor

independiente en Strategic Solutions. Miembro de la comunidad Profesionales de

Analytics Cono Sur, KD Nuggets y American Statistical Association (ASA).

Wilson Arias. Bach Ingeniería estadística por la Universidad Nacional de Ingeniería.

Especialista en la generación de modelos de scoring de riesgo para entidades

financieras. Ha desarrollado su trabajo en entidades bancarias como Banco Falabella,

Interbank, Equifax y BBVA Banco Continental. Con más de 5 años de experiencia en

generación de score de riesgo para instituciones financieras.

Misael Lazo. Bachiller. Universidad Nacional de Ingeniería. Diplomado de Marketing

Relacional. Universidad Peruana de Ciencias Aplicadas. Miembro de la comunidad

Profesionales de Analytics Cono Sur, KD Nuggets. Con experiencia en sector Banca,


Telecomunicaciones y Retail (Supermercados Peruanos). Ha desarrollado diversos

modelos de minería de datos aplicados. Estimación de ingreso de clientes de banca,

Análisis de campañas de Marketing, Identificación de Clientes Fraude en Telefonía,

Segmentación de clientes, Análisis por RFM. Canasta de Productos Rentables.

Duración

24 horas en tres sesiones de 8 horas cada una. Sábados 30 de abril, 7 y 14 de mayo. Clases de

9:00 a.m. a 6:00 p.m.

Fecha de Inicio: sábado 30 de abril de 2011.

Inversión

S/. 1,000 (Mil nuevos Soles)

Procedimiento de pago:

Deposito a la Cuenta de Ahorros: 0011-0177-37-22-00180473

BBVA Banco Continental

Titular: J & J Data Mining Consulting SAC

Contacto

Email : [email protected]

Web : www.dataminingperu.com

Teléfono : (511) 428-0282

mailto:[email protected]

http://www.dataminingperu.com/

segundo curso de minería de datos

Education