RA5- Comprender los conceptos clave de CRM como instrumento para la mejora de decisiones empresariales e institucionales y su papel en la mejora de la productividad empresarial y de la rentabilidad.
RA7- Conocer los conceptos de segmentación, targeting y posicionamiento en marketing
RA13 ¿ Reunir, depurar y transformar los datos que la empresa almacena, en
información estructurada y coherente para contrastar hipótesis que traten de
responder a preguntas de investigación dentro del ámbito de la Inteligencia de
Negocios
RA16 - Aplicar de forma efectiva en el ámbito de la Inteligencia empresarial, las
distintas técnicas de Ciencia de datos necesarias, discriminando entre todas
ellas y buscando la solución óptima
RA17 - Modelizar problemas de clasificación y predicción dentro del ámbito de la estrategia empresarial
RA21 - Aplicar diferentes modelos de segmentación, agrupación de observaciones y reducción de variables
RA23 - Desarrollar el espíritu innovador en un ámbito interdisciplinario, fomentando la búsqueda de soluciones creativas a diversos tipos de problemas
RA24 - Generar y mantener actividades de investigación, desarrollo y consultoría en el área de la Ciencia de Datos
RA25 - Investigar en nuevas metodologías y técnicas para la gestión y explotación de grandes bases de datos con las que crear conocimiento que apoye la toma de decisiones en la dirección estratégica y en la inteligencia empresarial
RA26 - Comunicar las conclusiones y los conocimientos y razones últimas que las sustentan a públicos e

Clases teóricas:
50%

Evaluación de la asignatura:
El sistema de evaluación de la asignatura es el mismo en todas las convocatorias, incluida la extraordinaria.
El estudiante podrá acogerse a la calificación de ¿no presentado¿ si deja de realizar las actividades prácticas de la asignatura durante el primer mes y medio de clases.
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre: a) La calificación de la prueba final. b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.

Clases prácticas:
50%

Evaluación continua:
Los exámenes parciales en ningún caso serán eliminatorios, y su calificación sólo podrá formar parte de la evaluación continua.
El alumno será evaluado continuamente a lo largo del curso teniendo en cuenta su actitud y participación en clase y a través de práctica.
Las prácticas que se realizan durante la clase, sólo puntúan a los alumnos asistentes ese día.
No se establece un porcentaje mínimo de asistencia para poder seguir el sistema de evaluación continua. No obstante, el profesor puede exigir, si así lo considera, un determinado porcentaje de presencialidad previa para poder realizar algunos trabajos relevantes que se realicen en grupo.
Los trabajos planteados para realizar en grupo, sólo se pueden entregar de esta forma (no se pueden entregar individualmente).
En la convocatoria extraordinaria, únicamente se puede repetir el examen. Las notas obtenidas en la evaluación continua no son recuperables.
Los trabajos del curso no se pueden entregar fuera del calendario establecido.

Asistencia a clase:
El profesor informará a los alumnos con antelación del sistema de control de asistencia utilizado.

Examen:
El examen es obligatorio, individual y en formato escrito.
El examen siempre se realizará en la fecha oficial fijada por la Facultad, sin excepciones.
No se permiten parciales eliminatorios, por lo que el examen es sobre el programa completo de la asignatura.
Si un alumno no se presenta al examen de alguna de las convocatorias (ordinaria o extraordinaria), su calificación final será la que corresponda proporcionalmente a su evaluación práctica.
Si un alumno suspende el examen de alguna de las convocatorias (ordinaria o extraordinaria), su calificación final será la que corresponda proporcionalmente a dicho examen.
Para aprobar la asignatura, el examen ha de tener una puntuación mínima de 5 puntos sobre 10.
El examen tendrá al menos una hora de duración, y podrá constar de: un test de entre 40 y 50 preguntas con varias alternativas de respuesta; un examen de preguntas de desarrollo; un caso práctico de aplicación de toda la materia de la asignatura; o una combinación de los anteriores tipos de examen.
El estudiante podrá solicitar la revisión de su examen en la fecha fijada por el profesor; el plazo para solicitar dicha revisión será de 4 días hábiles desde la publicación de las calificaciones. La revisión se realizará presencialmente. No es obligatorio fijar dos fechas de revisión, si bien, el profesor que así lo considere, puede hacerlo.

Otros aspectos:
El mal comportamiento en el aula y el uso inadecuado del teléfono móvil pueden afectar negativamente a la calificación final del alumno.
Las faltas graves o muy graves podrán ser objeto de sanciones disciplinarias tal y como recoge el Sistema de Garantía de la Convivencia de la UCM (art. 8, 9, 10 y 12, BOUC nº 37, de 15 de noviembre de 2023).
El Departamento de Marketing no avala los cambios de grupo, por lo que los alumnos deben hacer la gestión a través de Secretaría.

1,92

4,08

2

Esta asignatura introduce al alumno en el campo de la modelización de los fenómenos de marketing como instrumento de ayuda en el proceso de toma de decisiones empresariales. Se describen los múltiples beneficios potenciales, incluidos el incremento en la consistencia de las decisiones, en la habilidad para contemplar más alternativas de decisión y evaluar el impacto relativo de los diferentes factores de influencia en la decisión. Proporciona los conceptos básicos de modelización y las herramientas de análisis estadístico e informáticas más usuales. Se enfatiza el aprendizaje práctico, con la aplicación de conceptos y herramientas sobre problemas de decisión reales.

Los establecidos para acceder al Máster.

RESULTADOS DE APRENDIZAJE
La asignatura transmite al estudiante el sentido y la finalidad de la modelización en marketing en tanto que instrumento para la mejora de las decisiones empresariales e institucionales. Proporciona una visión amplia de los diferentes modelos exitosamente probados, así como su puesta en práctica con el software más accesible y habitual. Familiariza al estudiante en la aplicación de criterios de pertinencia en la selección de fuentes e instrumentos de recogida de información más adecuados, así como de las diferentes técnicas de análisis a emplear.

Tema1. Introducción a los Modelos de Decisión en Marketing:
Definición, objetivos y beneficios de los modelos de decisión.
Proceso de toma de decisiones en marketing.
Tipos de modelos en marketing.
Tema 2. Modelos Predictivos y Análisis Estadístico en marketing:
Modelos predictivos más comunes en marketing.
Técnicas estadísticas para la modelización.
Fuentes de datos en marketing.
Instrumentos para la recogida de información.
Tema 3. Elementos estratégicos en marketing y sus modelos:
Segmentación de mercados.
Modelos de clasificación.
Targeting, posicionamiento y tendencias del mercado
Análisis de regresión.
Modelos de correlación.
Tema 4. Elementos tácticos en marketing y sus modelos:
Diseño de producto, publicidad y comunicaciones
Distribución y promoción
Modelos generativos para la producción de contenido
Sistemas de recomendación y Long Tail
Tema 5. Integración de la modelización en la estrategia de marketing.
Resolución de problemas reales en marketing.
Presentación de casos de estudio.
Tema 6. Nuevas Tendencias en modelización de marketing
Inteligencia Artificial y marketing
Modelos de atribución
Customización en tiempo real
Logística de la industria 4.0

Clases teóricas:
50%
Clases prácticas:
50%
EVALUACIÓN
El alumno podrá ser evaluado por evaluación continua mediante:
Pruebas periódicas: evaluación de los contenidos teóricos y resolución de problemas
Prueba evaluadora final
Participación en el aula por parte del alumno/a
Presentación de trabajos tutelados: evaluación de las habilidades divulgativas y de comunicación del/la alumno/a
Realización de casos prácticos
Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

Joseba Ruiz Díez, Ubaldo Hervás Olvera (2024). Analítica de datos con Python para marketing digital: Desarrollo de KPIs en negocios online. Anaya.
Camacho M., Carrasco R.A. Curso Python Ciencia de Datos, Youtube (2022). https://www.youtube.com/watch?v=rMjDZ03Qj4M&list=PLs_4luV8XOkJjVH2M2rvZYYW3Z4X6kMuE
Gema Avilés & José María Montero (2024). Ciencia de datos con R. McGrawhill. https://cdr-book.github.io/index.html

BIBLIOGRAFÍA COMPLEMENTARIA
Wierenga, B., & Van der Lans, R. (Eds.). (2017). Handbook of marketing decision models (Vol. 254). Springer.
GRECO, S., FIGUEIRA, J., & EHRGOTT, M. (2016). Multiple criteria decision analysis (Vol. 37). New York: springer.
ALONSO RIVAS, JAVIER (2004). Comportamiento del Consumidor: decisiones y estrategia de Marketing. ESIC. Madrid.
LILIEN Gary L. y RANGASWAMY, Arvind (2003) Marketing engineering. New Jersey. Prentice Hall. - LAMBIN, J (2003). Marketing Estratégico, ESIC. Madrid.

Evaluación de la asignatura:
El sistema de evaluación de la asignatura es el mismo en todas las convocatorias, incluida la extraordinaria.
El estudiante podrá acogerse a la calificación de ¿no presentado¿ si deja de realizar las actividades prácticas de la asignatura durante el primer mes y medio de clases.
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre: a) La calificación de la prueba final. b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.