Código de la asignatura | 50044 |
---|---|
Nº Créditos ECTS | 5 |
Tipo | Obligatoria |
Duración modalidad 12 meses | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2025-26 |
La asignatura "Análisis de Datos Aplicado al Marketing" proporciona al estudiante las competencias necesarias para aplicar técnicas avanzadas de analítica de datos en el ámbito del marketing digital. A lo largo del curso se estudian herramientas y metodologías clave como el análisis predictivo, la clusterización de clientes, el CRO, el inbound marketing, el A/B testing y el geomarketing. Además, se explora el uso del Big Data en buscadores y las plataformas de gestión de datos (DMP) para la creación de campañas digitales y estrategias omnicanal. El enfoque es eminentemente práctico, orientado a transformar datos en información estratégica para optimizar la captación, conversión y fidelización de clientes, utilizando tecnologías actuales como el machine learning o la visualización interactiva. El objetivo es que el alumnado aprenda a tomar decisiones fundamentadas en datos, alineadas con los objetivos comerciales de la empresa, en un contexto data driven.
A continuación, se encuentran los resultados previstos para el proceso de formación y aprendizaje para el título Máster Universitario en Análisis de Datos para la Gestión Empresarial.
Conocimientos o contenidos
Competencias
Habilidades o destrezas
La dedicación requerida para esta asignatura de 4 créditos ECTS es de 125 horas, que se encuentran distribuidas de la siguiente manera:
El profesor aporta un seguimiento individualizado de la actividad del estudiante para asegurar las mejores condiciones de aprendizaje mediante la tutorización a través de las herramientas de la plataforma educativa. En estas tutorías los estudiantes pueden consultar a los profesores las dudas acerca de la materia estudiada.
En cada una de las unidades didácticas que conforman la asignatura, el profesor pone a disposición del estudiante un conjunto de materiales básicos o complementarios en múltiples formatos (artículos de divulgación, artículos científicos, material audiovisual, herramientas interactivas, etc.).
El estudiante cuenta con la posibilidad de acceder a la Biblioteca de la UDIMA, que selecciona y adquiere fondos específicos para los diferentes programas ofertados, especialmente aquellos de carácter electrónico o virtual debido a la naturaleza de la docencia. Esta biblioteca forma parte de la Red de Bibliotecas Universitarias (REBIUN) y dispone de un servicio de Préstamo Interbibliotecario. La UDIMA pone a disposición de los estudiantes un conjunto de recursos de información a través del servicio de Biblioteca perteneciente a la Unidad de Servicios de Apoyo a la Investigación de la OTRI.
Manuales y referencias bibliográficas
Manual de la Asignatura
Bibliografía complementaria
SEMANAS | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1 a 4 | Unidad 1: Advanced Analytics aplicado al Marketing 1.1. Introducción a la analítica avanzada en marketing: definición y aplicaciones 1.2. Modelos predictivos y prescriptivos aplicados a campañas de marketing 1.3. Machine Learning para segmentación y predicción de comportamiento del consumidor 1.4. Customer Lifetime Value (CLV) y churn prediction 1.5. Modelos de atribución de marketing 1.6. Data-driven marketing y personalización basada en datos 1.7. Casos de éxito y KPIs vinculados a analytics en marketing |
|
Semanas 5 a 7 | Unidad 2: Clusterización de Clientes 2.1. Segmentación de clientes: enfoque clásico vs basado en datos 2.2. Algoritmos de clustering: K-means, DBSCAN, jerárquicos 2.3. Selección del número óptimo de clusters (Elbow method, Silhouette score) 2.4. Interpretación de resultados y creación de perfiles de clientes 2.5. Aplicaciones en campañas de marketing personalizado 2.6. RFM analysis y customer personas basadas en datos |
|
Semanas 8 y 9 | Unidad 3:CRO e Inbound Marketing, A/B Testing 3.1. Qué es el Conversion Rate Optimization (CRO): métricas clave 3.2. Principios del Inbound Marketing: funnel, lead nurturing, contenido 3.3. Experimentos controlados: A/B testing y multivariante 3.4. Diseño y ejecución de tests: hipótesis, grupo de control, significancia estadística 3.5. Análisis de resultados y toma de decisiones basadas en datos 3.6. Herramientas de automatización y seguimiento |
|
Semanas 10 a 12 | Unidad 4: Big Data y Marketing en Buscadores 4.1. Qué es Big Data: Volumen, velocidad, variedad, veracidad y valor 4.2. Arquitectura de datos para marketing: pipelines, ETL, lagos de datos 4.3. Uso de Big Data en campañas de publicidad programática y SEM 4.4. Análisis de datos provenientes de buscadores (SEO/SEM) 4.5. Introducción a Google Ads y Google Search Console 4.6. Métricas relevantes en marketing en buscadores 4.7. Automatización de campañas y análisis de ROI |
|
Semanas 13 y 14 | Unidad 5: Data Management platform - DMP 5.1. Qué es una DMP: diferencia entre DMP, CDP y CRM 5.2. Recogida y activación de datos: 1st, 2nd, y 3rd party data 5.3. Integración de datos en múltiples canales (omnicanalidad) 5.4. Customer Journey Analytics 5.5. Personalización en tiempo real y segmentación dinámica 5.6. Limitaciones legales y ética del uso de datos (RGPD) |
|
Semana 15 | Unidad 6: Geomarketing 6.1. Introducción al geomarketing y su valor en decisiones comerciales 6.2. Visualización de datos en mapas 6.3. Segmentación por ubicación y análisis de área de influencia 6.4. Ejemplos de campañas basadas en localización 6.5. Optimización de rutas y cobertura geográfica de campañas |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
EVALUACIÓN CONTINUA Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos:
El examen final supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será de tipo mixto, con una parte de preguntas tipo test de opción múltiple (4 puntos) y una parte de desarrollo teórico-práctica (6 puntos). Dentro de la parte tipo test, los errores penalizan con el objetivo de corregir las respuestas acertadas por azar.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los requisitos relacionados con la evaluación continua, haber realizado todas las actividades de carácter obligatorio y
✓ Tener aprobado el 50% de las actividades de Autocomprobación de conocimientos.
✓ Tener aprobado el 50% de las actividades tipo Caso o supuesto práctico.
Las actividades de búsqueda y elaboración de información son de realización voluntaria (pero aportan 10% dentro de la evaluación).
El estudiante que se presente al examen sin cumplir los requisitos será calificado con un cero en el examen final presencial y consumirá convocatoria.
Cuadro resumen del sistema de evaluación
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de búsqueda y elaboración de información | 1 | 10% |
Supuestos o casos prácticos | 2 | 20% |
Actividades de autocomprobación de conocimientos | 1 | 10% |
Examen final | Si | 60% |
Para la superación de esta asignatura, el estudiante deberá realizar con carácter obligatorio una prueba final dirigida a verificar las competencias y conocimientos adquiridos durante su desarrollo.
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre. El estudiante que no se presente a la convocatoria ordinaria y extraordinaria, perderá automáticamente todos los trabajos realizados a lo largo del curso. Deberá en este caso matricularse de nuevo en la asignatura.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).